基于模糊集理论的汉语指令识别

以模糊集理论为基础，提出了一种汉语指令识别的模糊语音描述和模糊匹配算法，在语音信号的时间规整中，使用一种改进的非线性帧数规整算法，在４０条指令的识别实验中，正确率达９３％以上。     

O型模糊集的模糊性度量

本文首次给出了Ｏ型模糊集的模糊度和贴近度的定义，并讨论了它们的一些性质。Ｏ型模糊集的模糊度和贴近度在模糊推理和模糊模式识别中有重要应用价值。     

基于模式匹配的模糊控制算法

提出了一种新的模糊控制算法 ,传统的模糊控制算法是基于模糊逻辑推理的 ,而这种算法是基于模式匹配的。对于模糊控制器的模型 ,定义了模糊集合匹配度和模糊规则匹配度 ,在此基础上给出了基于模式匹配的模糊控制算法的模型和设计步骤。就该算法与经典模糊控制算法的联系进行了讨论 ,证明它包含了经典模糊控制中最常用的 Mamdani和 L arsen算法。另外 ,还定义了更为简便的算法。最后给出了这种算法的仿真实验结果 ,结果表明该算法是可行的、有效的。     

模糊集的贴近度及多维综合贴近度

通过对传统F集贴近度的公理化定义进行改造,从而用普通函数的形式对两个F集之间的贴近度进行了更加全面、合理的描述。然后,将描述两个F集之间贴近度的函数推广到多维领域,使得所定义的综合贴近度能够对受多种因素影响的全体F集的综合贴近度进行度量。从而为模糊诊断的自学习功能提供了一条很好的解决途径。     

粗糙模糊集的贴近度

讨论了粗糙模糊集 (RF集 )的性质 ,并在此基础上 ,定义了粗糙模糊集的贴近度 .基于定义 ,分别给出了粗糙模糊集的距离贴近度 ,最小最大贴近度 ,最小平均贴近度以及格贴近度 .     

模糊集的新贴近度

文中提出一种“新贴近度”,对模糊数学中贴近度所存在的不足之处,作了某些改进。     

基于模糊集IFScom的格贴近度及应用

针对格贴近度在模糊识别中的应用问题,提出一种基于模糊集IFScom的格贴近度(新格贴近度)。它不仅满足公理化的要求,并且区分了3种不同否定:矛盾否定、对立否定和中介否定。另外给出了新格贴近度在网络模糊分类中的应用实例,通过IFScom模糊集方法和经典模糊集方法的对比分析,新格贴近度在否定的区分、表示和模糊识别上是合理可行的。     

一种实体模式匹配算法

提出了一种异构数据源的实体模式匹配算法.算法从中英双语的环境出发,利用基于中文wordnet的中英文词义相似度算法和中文分词工具,从列名距离、数据类型、数据内容的词性成份等角度来建立同类实体不同模式之间的映射关系.该算法可用于分析数据空间中不同数据源实体之间的关联,以及其他研究领域中的中英文语义信息相关性分析和实体模式匹配.     

直觉模糊集的贴近度与熵的关系

基于直觉模糊集贴近度与熵的公理性定义给出了直觉模糊集贴近度与熵的几种不同的算法.并给出了如何由直觉模糊集的贴近度而建立熵,同时给出了由直觉模糊集的熵而建立贴近度的方法,说明了直觉模糊集的贴近度与熵有着必然的联系.     

模糊贴近度的覆盖粗糙模糊集不确定性度量研究

针对一种覆盖粗糙模糊集的不确定性度量,分析了不确定性的物理含义,给出了一种基于模糊贴近度的度量方法,进而对其性质进行了分析。结果表明该度量方法能客观反映粗糙模糊集不确定性的程度,从定量的角度为刻画粗糙模糊集的不确定性提供了方法。     

一种高效的用户查询模式匹配算法

针对常规模式匹配方法在大规模模式匹配中效率不高无法满足在线应用的问题,提出了一种高效率用户查询模式匹配方法.该方法在常规模式匹配方法中引入查询模式语义环境,使用搜索技术和聚类技术裁减模式匹配的搜索空间,在保证正确率的前提下,能显著提高匹配效率,满足用户在线响应时间要求.实验证明了这种方法的有效性.     

基于形式概念分析的模式匹配算法

提出了一种基于形式概念分析的模式匹配的FCABSM方法,该方法由3部分组成:首先,以朴素贝叶斯文本分类算法为基础设计名称分类算法及描述分类算法,分类目标模式与待匹配模式的元素名以及元素描述,为模式间元素的匹配提供初始依据.其次,利用形式概念分析技术整合分类结果、元素类型信息以及约束信息,提高匹配精度.该阶段为待整合信息创建形式上下文、获取形式上下文中蕴涵的概念、确立概念间偏序关系及构建概念格.最后,以第二阶段的概念格为计算依据,引入基于结构的相似评估模型来计算出最终的匹配结果.实验表明,基于FCA的模式匹配方法的平均性能优于缺少FCA整合的直接匹配方法.     

一种改进的数据库模式匹配算法

在SF算法的基础上，提出了一种改进的数据库模式匹配算法Similarity Flooding-Complex（SF-C），它能半自动的处理简单匹配和复杂匹配，而且应用了词法分析技术，对候选匹配进行分类处理，使对简单匹配和复杂匹配的处理同时进行，一定程度上提高了效率。     

模式匹配技术

模式匹配作为模式的基本操作已成为数据集成、数据仓库、电子商务等许多应用领域的基本问题。本文主要介绍关于模式匹配的定义、分类及已实现的几种通用化的模式匹配系统,指出了这些系统的优点及不足,并讨论了该领域未来的发展方向。     

模式匹配的一种新方法

为找出模式匹配中数据源模式和一个全局模式之间的模式对应关系、实例转换和语义映射等 ,采用框架方法来描述待匹配的两种模式 .应用多Agent系统中的Matchmaking方法 ,对框架中的不同槽的内容采用不同的匹配处理 ,是比较新颖的模式匹配方法 .     

基于Vague集的双向近似推理

给出了一种新的Vague集间的上似度量方法，提出了Vague集间相似方向的概念，可以用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法，在此基础上给出了一种基于Vague集的双向近似推理方法，该方法更好地利用了Vague集信息的精确性，从而提高了推理的精确性和适用性，为智能系统中的近似推理提供了一个十分有用的工具。     

直觉模糊语义匹配的相似性度量

首先引用Atanassov直觉模糊集的基本概念和运算,综合考虑其隶属度函数与非隶属度函数两个因素的影响,通过对Zadeh模糊集相似度的计算模型进行扩展,给出了直觉模糊语义匹配的相似度的几种扩展计算方法,即最大最小法、算术平均最小法、几何平均最小法、相关系数法、指数法等,并举例阐明其应用,从而使直觉模糊语义匹配度的计算方法得到进一步拓广。最后,研究了直觉模糊相似关系,证明了直觉模糊相似矩阵的一个定理。     

直觉模糊推理的语义匹配度

首先引用Atanassov直觉模糊集的基本概念及运算，描述了直觉模糊逻辑运算及其知识表示形式，重点给出了直觉模糊逻辑命题真值的对称合成方法，定义了直觉模糊逻辑命题的基本运算。讨论了计算直觉模糊集语义匹配度的若干途径，包括贴近度、语义距离、相似度、复合条件的匹配等。最后，阐明了直觉模糊推理冲突消解的基本思想。     

云制造环境下设计需求与服务匹配模式算法

针对云制造环境下设计需求与设计服务的特性,构建含有属性集、关系集和操作集的设计需求与设计服务数据结构。建立一种云制造环境下的设计需求与设计服务输入、分解、组合和输出匹配模式,研究了该模型的原子匹配、扩展匹配和产品匹配。针对匹配过程中输入、分解、组合和输出量化问题,采用语义概念相似度和循环递归设计结构匹配算法实现设计需求与设计服务智能匹配。最后,通过实验验证,表明该模式与算法的有效性和可行性。