基于自建模糊本体的智能信息检索研究

提出一种基于本体的信息检索模型,该模型将信息检索系统与从搜索的数据信息自动构建的本体相结合.使用在本模型中的本体有一般语义本体、领域知识和自动生成、构建的模糊概念层.主要研究基于本体的信息检索模型.描述处理过程及检索机制,并采用TREC的评价方法评估该模型,讨论应用不同类型本体的检索效果和影响.实验结果表明,提出的信息检索模型具有较好的检索效果.     

ANFIS在光电检测中的应用研究

光电检测系统会受到各种噪声和环境温度变化的影响而产生一定的误差,因此只有进行误差补偿才能够提高检测精度.为更好地实现误差补偿功能,建立了基于光电检测的自适应神经模糊推理系统(ANFIS),这种Takagi-Sugeno模型的推理系统能够自动调整隶属函数参数和自动生成模糊规则,克服了模糊控制系统缺乏在线自学习能力或自调整能力的缺点,仿真结果表明这种推理系统模型适用于光电检测并能够提高光电检测的检测精度.     

规则递归T-S模糊模型及其辨识方法

针对传统T-S模糊模型不能较好描述系统时变特性的问题,提出了一种基于递归策略的动态T-S模糊模型及其辨识方法.规则递归T-S模糊模型在传统T-S模糊模型基础上,增加了具有一定权重的反馈环节,该环节对当前激励强度与前一时刻激励强度进行加权和得到当前时刻新的规则激励强度,从而实现动态递归变化,有效描述了系统的动态过程.为使规则递归T-S模糊模型具有较少的规则数量和较好的泛化能力,前件参数采用一种基于规则激励强度的模糊聚类算法获得,而后件和递归环节参数则采用一种由支持向量机和粒子群优化算法组成的联合辨识方法获得.Box-Jenkins煤气炉的仿真结果表明,规则递归T-S模糊模型及其辨识方法具有较好的动态描述能力,与混合聚类方法相比,均方差降低了1.2％.     

广义模糊时间序列模型模糊区间划分研究

在模糊时间序列模型的构架中,介绍了广义模糊时间序列模型建立过程和常用的模糊区间划分方法,提出了基于均匀划分、模糊C均值聚类和自动聚类3种模糊区间划分方法的广义模糊时间序列模型,并用Alabama大学入学人数和沪市股指两组数据对模型进行了详细的分析.实验结果不仅揭示了这3种方法对模型预测结果的影响,还证明了广义模型优于传统模型.     

数据库模糊查询结果自动排序方法

数据库模糊查询会产生多个查询结果,因此有必要将查询结果按照用户需求进行排序.首先根据元组对模糊查询的隶属度,将查询结果中具有不同隶属度的元组分开.然后,利用PIR改进模型和历史查询记录来分析元组中被查询指定的属性值与未指定的属性值之间的关联程度,从而获得用户偏好并以此对具有相同隶属度的元组进行排序.在此基础上,提出了模糊查询下的DPR自动排序方法.实验及分析证明,提出的模糊查询结果自动排序方法能够极大地提高排序质量.     

基于模糊神经网络的水质评价模型研究

将模糊系统与神经网络结合,提出了一种水质评价模型.根据水质评价过程,采用5层结构的FNN,且使用自适应学习步长以加速网络收敛速度.该模型具有推理过程清晰,泛化能力强的特点.为了验证该算法的性能,进行了仿真试验,结果表明:和常见的方法相比,该模型的评价结果更为准确.     

基于模糊认知图的自动入侵响应决策推理机制

提出的模型首次将模糊认知图(FCM)的推理方法引入到入侵响应决策当中,此模型综合了各种影响响应决策的因素,为自动入侵响应中响应方案的建立和响应措施的选择提供了一种客观的理论依据,较好地解决了自动入侵响应中的决策推理问题.具有自适应强、鲁棒性好和易用等特点.     

基于状态控制机制列车自动调速控制研究

为解决列车自动调速运行控制中的状态控制问题,提高列车自动调速控制的效率,减少状态切换的变迁,在分析列车自动调速控制模型的基础上,研究了自动调速控制的状态控制机制和采用模糊预测控制逻辑的速度调整算法,提出一种较为可靠地的自动调速控制策略.基于模糊预测控制逻辑,采用形式化方法,设计了状态控制机制,建立了系统模型.为了减少受...     

基于模糊积分的软件外包企业技术能力测度研究

技术能力的评价涉及诸多相互关联的因素,指标之间不具有独立性,不适合采用传统的线性评价方法.为此,引入模糊测度和模糊积分理论,以软件外包企业为例,从技术环境、技术资源、技术创新、技术学习和技术管理等方面提出了软件外包企业技术能力评价指标体系,建立了基于模糊积分的软件外包企业技术能力测度模型,并对大连3家软件外包企业调查数据样本进行了实证分析,验证了评价体系的科学性与可操作性.     

应用聚类和模糊神经网络方法设计模糊规则库

基于聚类技术和模糊神经网络提出一种新的自动生成模糊系统规则库的设计方法.采用结构辨识和参数辨识相结合的方法,构造模糊系统完善的模糊规则库.用此设计方法对函数逼近问题进行仿真,结果表明该方法具有规则数目少、学习速度快、建模精度高等特点.     

基于模糊规则的随机缺失属性值数据分类算法

针对缺失属性值数据分类算法中模型分类精度和泛化能力低的问题, 提出一种基于模糊规则的缺失属性值数据分类算法, 即“循环 接收”模型. 该算法不需要对缺失属性值数据进行插补运算, 可直接对该数据集进行分类. 对UCI公开数据集进行模拟仿真实验, 实验结果表明, “循环 接收”模型与其他算法相比具有更高的分类精度和泛化能力.     

基于模糊聚类的神经网络在数据挖掘分类中的应用研究

常见的决策树分类算法、贝叶斯分类算法、神经网络分类算法为数据挖据分类算法研究提供了重要基础。但面对海量数据时,在时间效率、鲁棒性和精确性上都显示出了不足。为此,本文将模糊聚类的思想引入到神经网络分类算法中,首先通过模糊聚类子模型,将样本数据聚为几个数据子集,然后再采用不同的神经网络对各个数据子集同时进行训练学习。由于经过了模糊聚类子模型的预处理,每个神经网络训练学习样本的复杂性大大减少,使神经网络的学习效率大大提高。最后通过UCI下的实际数据库,对提出的分类算法进行了检验,结果显示了基于模糊聚类的神经网络在数据挖掘分类中应用的有效性。     

基于模拟退火的模糊分类系统在数据挖掘中的应用

给出了一种基于模拟退火的模糊分类系统—SAFCS,该分类系统结合了SA元启发式搜索策略的学习能力和模糊系统的近似推理方法,旨在改善与分类问题有关的大型数据空间的搜索性能,找到模糊if-then规则的优化集.SAFCS可以从输入数据集中抽取精确的模糊分类规则,并在若干不同预定义类中将其应用于对新数据实例的分类.文末用某数据集检测了SAFCS的性能,结果表明,在与其他几个著名算法比较时该分类系统性能可靠.     

基于距离的粒计算分类算法

提出了一种基于距离的粒计算分类算法.首先,将粒表示为具有超菱形、超球和超正方体三种形式;第二,设计两粒之间的合并算子,实现不同粒度之间的转换;第三,选取粒度阈值,控制粒之间的合并过程,并构造基于距离的粒计算分类算法.使用UCI机器学习的基准数据集合验证该算法的性能,实验结果验证了基于距离的粒计算分类算法的可行性.     

基于模糊支持向量机和核方法的目标检测方法研究

介绍了模糊支持向量机（FSVM）理论，利用FSVM理论解决一般场景图像中的目标检测问题，并利用统计学习理论和支持向量机方法研究中形成的新的机器学习方法——核方法，研究FSVM的隶属度确定问题。实验表明，本算法具有较高的识别精度。本方法既具有针对性，又在理论上具有一般性，对推动模糊支持向量机这一新的模式分类方法的实际应用具有积极意义。     

基于模糊支持向量机的夏季雨型的预报方法研究

本文提出了基于一对一模糊支持向量机多分类方法的非线性夏季雨型预报模型.该模型在一对一支持向量机多分类算法的基础上引入模糊隶属度函数,其构造的分类超平面可以忽略噪声样本对分类结果的影响.实验结果表明,该模型较传统的支持向量机多分类方法和线性物理统计方法,具有更好的预报能力和更强的抗干扰能力,可以较好地弥补基于统计理论的相关分析和回归方法在处理非线性问题时具有较大的局限性     

粗糙数据的Max-Min分级模型

针对复杂制造系统生产线优化调度等众多实际领域中的不确定性处理问题,在分析了现有进化计算机制的特点以及存在的不足基础上,建立了一种数组分级的Max-Min模型,讨论了该模型中两个基本参数(分级参数和分级调节参数)的性质及其作用,证明了在分级参数充分大时,Max-Min分级模型即为某种意义下的比例分级。分析结果表明,Max-Min分级模型是一种可反映一定松弛意识的较比例分级更广泛的分级方法,适应于不确定信息的分类问题,弥补了现行分级方法不适合粗糙数据的不足。最后给出了不确定环境中进化机制的个体复制方案。     

基于免疫原理和Boosting机制的模糊分类规则挖掘算法

基于免疫原理和Boosting机制,提出了一种模糊分类规则挖掘算法.该算法主要借鉴于自然免疫系统中的克隆选择原理,通过抗体种群的演化来优化模糊规则.模糊规则库通过增量的方式产生,算法每次运行得到一个规则.Boosting机制用于调整训练数据的权值,使得新生成规则集中于当前未被覆盖或误分类的数据实例.仿真实验表明,所提算法可根据规则的分类精度来调整训练数据的权值,促进了模糊规则之间的协作关系,避免了规则之间相互冲突,提高了系统的分类精度.     

基于GIS农田质量自动分等定级算法及其实现——以北京市房山区为例

客观给定农田质量分级指标,是实现农田质量等级划定智能化的技术难题之一.以北京市房山区为例,首先建立农田质量参照系;基于GIS,叠加土地利用现状图、土壤图和地形图,生成农田质量评价单元和数据库;采用模糊非对称贴近度算法,计算各评价单元农田质量评分;提出了农田质量分级的模糊稀疏度与模糊贴近度比较算法模型,根据农田质量评分数值的密度分布,自动提取农田质量等级界定指标,划分农田质量等级     

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。