基于遗传规划的GSBAR学习算法

基于相似关系的广义近似推理方法(GSBAR)需要一个能根据案例数据来确定其函数参数的算法,即GSBAR学习算法。提出了基于遗传规划的GSBAR学习算法,论述了GSBAR学习算法的定义、学习算法任务的简化以及学习算法的组成部分和基本步骤。学习算法的运算实例表明:GSBAR学习算法能够以较大概率搜索到合适的函数参数。GSBAR学习算法提供了根据案例数据来确定GSBAR方法中关键函数的能力,从而使得GSBAR方法具有更好的适应性。     

ARSM方法的改进及其在冷机两器故障诊断中的应用

目前多数的近似推理都是基于Zadeh提出的模糊关系合成（CRI）的方法,但是CRI本身存在着缺陷．基于相似度度量的近似推理方法可以很好地弥补CRI推理的缺陷,因而目前受到广泛关注．在前人研究的基础上,对基于相似度度量的推理方法提出了改进,提出了对于不同的规则形式,采取不同的近似推理计算方法．故障诊断专家系统是目前研究的热点,以两个具体的推理案例为例说明了新计算方法在冷水机组蒸发器和冷凝器故障工况诊断过程的应用．通过给出的推理案例可知,此种改进的近似推理方法较CRI方法更易理解,且精度较高．     

基于直觉模糊相似度量的近似推理方法

针对直觉模糊逻辑推理,提出一种基于直觉模糊集之间相似度量的近似推理方法,给出了相关的推理合成运算公式,并用实例说明近似推理的推理过程。该方法的最大优点是概念上更清晰,易于直观理解。     

基于Vague集加权相似度量的近似推理

基于Vague(值)集间的相似度量的公理化定义,给出两个新的Vague(值)集间加权相似度量公式,细化了线性插值法进行近似推理的过程,并应用一个新加权相似度量公式进行推理,实例表明近似推理是可行的.     

基于数值拟合的直觉模糊近似推理方法

基于直觉模糊集和数值拟合技术,考虑其隶属度与非隶属度两个因素的影响,提出了一种直觉模糊集的近似推理算法。首先给出了直觉模糊集的定义,推导出了一种数值拟合方法,讨论了GMP问题和GMT问题的一般推理过程。其次,重点研究了基于直觉模糊逻辑的近似推理方法。最后以具体算例验证了所提方法的正确性和有效性。     

一种新的基于距离度量的近似推理方法

对常用的近似推理方法如合成推理方法（CRI）和基于相似度量的近拟推量方法（AARS）进行了研究,指出了它们存在的缺陷;在此基础上,提出了基于距离度量的近似推理方法,该方法较好地解决了CRI和AARS方法的中的问题。     

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。     

一个新的基于Vague集的近似推理方法

对于模糊概念(用Vague集表示)的隶属函数为连续的情况,将规则前件中模糊概念的论域与后件中模糊概念的论域作一一映射,给出基于Vague集的隶属函数为连续情况下的近似推理方法;对于Vague集的隶属函数为离散的情况,在作上述相同的映射后,再将规则前件中的Vague集和事实中的Vague集的真/假隶属函数分别进行线性插值,使它们都成为连续函数,然后给出基于Vague集的隶属函数为离散情况下的近似推理方法.     

扰动模糊集相似度限定推理方法

作为模糊控制理论基础的模糊推理，近年来得到广泛的研究和应用。结合模糊推理的Mamdani算法与J．EBaldwin的真值限定推理方法，在扰动模糊集上定义了一种模糊推理的新方法一扰动模糊集相似度限定推理(FMP和FMT)方法，提出了扰动模糊集相似度限定推理方法，该方法是满足关系再现的并对关系再现问题进行了讨论，给出了满足还原算法的条件。     

复杂机械产品设计知识推理方法及软件系统

复杂机械产品设计涉及的领域知识广泛,类型复杂．基于实例的推理方法是知识推理中的一种重要方法。特别适用于复杂机械产品的设计知识推理．本文采用基于实例的推理方法,设计了复杂机械产品设计知识推理流程．在此基础上,提出一个快速实例检索流程,并给出了快速实例推理相似度计算方法．根据上述理论和方法,开发实现了一个复杂机械产品设计知识推理系统．     

Similarity representation of pattern-information fMRI

Representational similarity analysis (RSA) is a rapidly developing multivariate platform to investigate the structure of neural activities. Similarity/dissimilarity is the core concept of RSA, realized by the construction of a representational dissimilarity matrix, that addresses the closeness/distance for each pair of research elements (e.g., one minus the correlation between the brain responses to 2 different stimuli) and in turn, constitutes a multivariate pattern as its analytic foundation. This approach is also welcome for its sensitivity in detecting subtle differences of distributed experimental effects in the brain. Importantly, RSA is not only an experimental tool but a promising data-analytical framework that can integrate cross-modal imaging signals, explore brain-behavior link, and verify computational models according to measured neural activities. RSA substantiates its integrative power by relating similarity structure in one domain (e.g., stimulus features) to that in another domain (e.g., neural activities). This review summarizes dissimilarity/similarity definition of RSA, introduces how to derive the dissimilarity structure in neural response pattern, and carry out connectivity analysis based on RSA platform. Several recent advances are highlighted, such as the extraction of across-subjects regularity, cross-validation of brain reactivity in human beings and monkeys, the incorporation of computational models and behavioral profiles into RSA. Voxel receptor field modeling, another promising multivariate tool of pattern elucidation, is presented and compared. The application of RSA is expected to surge and extend in many fields of neuro-science, computation, psychology and medicine. We also discuss the limitations of RSA and some critical questions that need to be addressed in future research.     

基于非对称相似度的文本聚类方法

文本聚类具有数据稀疏性的特点,常见的聚类方法采用基于距离的相异度,为了增强文档的区分特征,提出一种基于非对称相似度的方法,来度量文档对象之间的关联。定义了文本对象之间的非对称相似度度量。利用文本非对称相似度矩阵的稀疏特性,采用强连通构件的划分方法对文本对象进行聚类分析。并通过迭代的方法形成聚类结果的概念层次。实验结果表明:非对称相似度比距离相异度具有更高的准确率和更少的执行时间,当聚类结果簇数目达到较小时,准确率提高约为20%。     

社会判断的选择可得性模型

Mussweiler提出一个社会判断的选择可得性模型,它是以社会判断中比较结果的信息观为基础的。Mussweiler把这些信息基础概括为一个选择可得性模型,这个模型区分了两种基本的比较过程。相似性检验的选择是因为可获得的知识表明目标———标准的相似性,而不相似性检验的选择是因为可获得的知识表明目标———标准不相同。不同的目标知识是接下来目标评价的基础,因此相似性检验显然导致了同化,而不相似性检验则明显导致了对比。这个模型是一个统一的概念结构,它整合了社会判断中比较结果的各种发现。     

基于特征散度的模糊彩色图像分割算法

为提高算法的普适能力,提出了一种新的基于特征散度的模糊彩色图像分割算法(FDCIS).算法引入了特征散度和模糊相异性函数来度量差异性,利用特征散度进行数据聚类,实现图像的区域融合.实验证明,算法较好地降低了彩色图像大样本数据的运算量,简单而有效地解决了过度分割现象,避免了聚类算法对初始条件的依赖性,与人的主观视觉感知具有良好的一致性.     

厚度畸变球壳声场的相似性及补偿

决定球壳远场声压的因素比较复杂,直接推导相似准则寻求补偿厚度畸变对声场的影响存在一定的困难,采用直接对声压公式分析,针对远场声压的几个决定性的无量纲常数进行具体研究,以寻求补偿厚度畸变对声场带来的畸变.     

关于时间序列相似性概念体系的探讨与研究

通过分析高维空间的欧氏几何距离关系并对相似性定义进行拓展,提出了一种新的时间序列相似性概念体系,即以相似性函数和变换约束函数共同描述两个序列的相似关系．在这种概念体系中,相似性只能是某种相似性函数和变换函数约束下的相似,客观的相似性结果依赖于相似性函数和变换函数的主观选取．新的相似性概念体系可以涵盖以往各种相似性定义,不同定义可以看作相似性比较中所关注的不同方面的特征或性质．     

一种新型的基于自适应局部二值模式的纹理分类算法

局部二值模式(LBP)在纹理特征提取时,易受光照、旋转、噪声等复杂条件的影响.本文定义一种新型自适应局部二值模式,通过考虑模式的均匀度和相似度,来实现纹理模式分类和特征值计算.结合差分运算,分别在差分二值矩阵和差分绝对值矩阵上计算自适应纹理特征,并将两部分特征值连接成一个空域增强的特征向量,采用最近邻分类器完成图像分类识别.实验结果表明,该算法在复杂条件下具有更好的识别效果.     

基于相似关系的不完备形式背景属性约简

研究不完备形式背景的属性约简问题。通过比较对象间属性值的一致性, 定义了对象集上的一个相似关系, 进而定义了基于相似关系的粗糙近似算子, 利用目标集的粗糙集近似, 可以提取语义明确的决策规则。基于不完备形式背景中相似关系给出一种属性约简的概念, 研究了属性约简的判定定理, 给出了三类属性的特征刻画。 最后, 利用对象间的辨识属性, 给出了一种属性约简的方法, 并举例说明了方法的可行性。     

基于基本块签名和跳转关系的二进制文件比对技术

基于基本块签名和跳转关系的二进制文件结构化比对技术,对已有的二进制结构化比对算法进一步改进,提出一种基于基本块签名和基本块之间跳转关系的函数控制流图比对算法。即首先提取二进制文件反汇编后的函数控制流图信息,然后对图中的基本块进行签名匹配,在签名匹配的基础上再进一步利用邻接矩阵进行边匹配,最后利用匹配的基本块计算函数相似度和文件相似度,并开发出比对工具BinCompae。研究结果表明:相对于源码比对工具和几个常用的二进制补丁比对工具,针对常见的代码抄袭方式,BinCompae均能检测出99%以上的相似度;此外,BinCompare还能检测出语义不变,代码形式改变的抄袭方式。因此,基于基本块签名和跳转关系的结构化比对算法针对二进制文件比对具有很高的准确性和实用性。