基于Vague集的TOPSIS方法及其应用

逼近理想解的排序方法(TOPSIS)是求解多属性决策问题的一个典型方法,将TOPSIS方法在V ague集下进行了扩展。介绍了V ague集的概念及其相似度量方法,提出了用V ague值表示的语言术语集。根据V ague值的优势函数定义了V ague正、负理想解。根据V ague值的相似度量定义了各方案到正理想解和负理想解的距离,得出各方案的相对贴近度,并据此排序,供决策者选择最优方案。     

基于Vague集相似度量的多准则模糊决策方法

在分析已有关于Vague值（集）相似度量方法存在不足的基础上,综合考虑Vague值区间端点间的距离、核距离以及未知部分对支持度和反对度的影响等主要因素,提出了一种新的Vague值（集）相似度量方法,并对其性质进行讨论. 通过与现有方法的比较,表明该方法具有很强的相似度区分能力. 最后将所提出的Vague值（集）相似度量用于多准则模糊决策中,通过最优化方法选取每个准则的最优权重,根据候选方案与理想方案在相应准则下相似度加权和的大小得出最佳方案. 通过实例分析,表明了这种方法的有效性和可行性.     

多目标模糊决策的Vague集方法

对模糊条件下的多目标决策问题,采用Vague集方法进行处理,提出三种目标选择方法:记分函数法、加权记分函数法和距离法.对已有的Vague集方法进行了分析与联系,并通过例子阐明本文方法的有效性和优越性.     

基于蕴涵算子的Vague集的相似度

Vague集的相似度在智能系统的研究中有着重要的意义,现有的相似度实质上是基于距离来定义的。 从蕴涵算子的角度来研究Vague集（值）相似度,给出了一些新的Vague集相似度的计算方法,通过和现有的相似度进行比较分析,证明该方法具有更好的合理性和度量效果,因而有望在模式识别、图象处理等领域中得到广泛的应用。     

用于雷达信号分选的连通k近邻聚类算法

为了能够在密集且复杂多变的信号环境中进行实时有效的信号分选,需要一种具有较低复杂度且能够根据信号环境自动调整参数的聚类方法。在模糊聚类算法的基础上结合k近邻搜索,将λ邻域范围搜索变为λ邻域内k近邻搜索,提出了连通k近邻聚类(connected k-nearest neighbor clustering, CkNNC)算法。相比模糊聚类算法,所提算法时间复杂度降低而空间复杂度稍有增加。为使得该算法能够根据信号环境自动进行参数调整,提出了基于k距离图的阈值参数确定方法。所提算法具有时间复杂度低与阈值参数自动确定的特点,仿真结果表明所提算法与使用Calinski-Harabasz指标确定最佳阈值的低复杂度模糊聚类算法相比,分选效果差距不大、性能相近,而时间复杂度大幅下降。     

基于区间数聚类的目标分群算法

针对态势认知中目标数量多、信息不确定、数据不精确等问题, 提出一种基于区间数聚类的目标分群算法。首先, 考虑到传感器测量数据具有误差且数据不完全等因素, 采用区间数对传感器探测到的目标进行特征描述。然后, 为有效利用区间数信息定义了一种新的距离度量, 并给出了改进的区间数聚类目标分群算法。最后, 构造4类相互独立的区间数据集, 对区间数据进行分类测试, 并通过典型想定场景设定多类目标实体, 基于目标空间位置、运动特征和属性等要素进行空间分群和任务分群。仿真结果验证了算法能够有效对目标进行分群, 具有较强的稳定性。     

基于直觉模糊聚类的目标识别

空中目标的正确识别对防空作战具有重要的意义。针对目标识别的特点,提出了基于直觉模糊聚类的识别方法。首先,给出了直觉模糊相似度和相异度的度量方法,并利用目标特征信息计算直觉模糊相似度和相异度。然后,在分析了现有的几种直觉模糊相似矩阵构造方法的基础上,提出了一种新的直觉模糊相似矩阵的构造方法,并给出了直觉模糊相似矩阵转化为直觉模糊等价矩阵的途径;此外,定义了直觉模糊等价矩阵的（α,β）截矩阵,进而实现直觉模糊集的聚类。最后,运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明,提出的方法是可行、有效的。     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

基于Vague集的空中目标威胁评估群决策方法

主观威胁评估方法是空中目标威胁评估的必要手段。将基于Vague集的群决策方法用于空中目标的主观威胁评估,用Vague数表示决策者对目标威胁度的主观评价值,提出一种Vague熵诱导的有序加权平均算子,用于集结各个Vague评价值,可以消除集结过程中人为误差带来的不良影响。为了直观评估各目标威胁程度大小,还提出一种基于Vague数距离和优劣点法的决策方法,来对目标威胁度进行比较和排序。算例证明该方法在空中目标威胁评估中是可行的,而且比常用的模糊综合评估方法更加有效。     

Vague集在多传感器目标识别中的应用

针对具有多个特征指标的多目标识别问题,提出了一种基于Vague集的多传感器信息融合方法。该方法定义熵权客观地得到了特征的权重,将目标的各特征值转化为Vague值表达,根据Vague值的距离,给出目标识别方法。工件识别实例验证了算法的有效性和实用性。     

A MODIFIED ANT-BASED TEXT CLUSTERING ALGORITHM WITH SEMANTIC SIMILARITY MEASURE

1. Introduction As an important application field of the data clustering technologies (Jain and Murty et al. 1999), text clustering is unsupervised partitioning of a collection of textual documents into self-similar groups so that any item is more similar with another item in the same group thanwith an item outside the group. Such groups are called clusters, which are run-timely formed during the clustering process, instead of being pre-defined as in the case of text categorization, which comm…     

Vague 值与Vague 集上的贴近度

基于“投票模型”,给出一个一般的贴近度表达式,该表达式把Chen的公式、Hong和Kim的公式、李和徐的公式作为特例.基于这个一般表达式,定义了一些新的贴近度公式并讨论了这些公式具有的性质,为更好的应用这些公式奠定了必要的基础.     

一种基于量子机制的分类属性数据模糊聚类算法

分类属性数据的样本间的分布不平衡、样本的分布与空间距离无关的特点与量子力学中粒子的分布状态由能量决定、粒子分布具有不平衡性的特点相似.基于此,参照量子聚类QC算法确定聚类中心的聚类策略,重写距离量子势能公式,定义相似性度量测度和相异性度量测度的新概念,提出了针对分类属性数据的量子聚类CQC算法,并对算法的聚类有效性进行了研究,通过同其它几个已有的算法的仿真实验比较,证明该算法是有效的、有一定的可扩展性,算法的一些性能优于已有的其它几个算法.     

一种稳健的空中目标跟踪方法

提出了一种稳健的空中目标跟踪方法.该方法基于MAD构遣了-种新的梯度特征相似度量算法,在梯度特征空间对目标进行匹配定位.为适应跟踪过程中目标的大小变化,利用自适应调整模板尺寸的方法在跟踪过程中调整目标模板大小,增强了对具有强机动特点的空中目标跟踪的稳定性.仿真结果表明,跟踪算法能够适应飞机在短期跟踪过程中由机动动作产生的快速形变,以及由形变带来的目标自身灰度上的剧烈变化和在长期跟踪过程中的大小变化,实现了对空中目标的稳定跟踪.     

Rough集中属性分类贡献能力综合测度研究

针对Rough集中刻画属性分类能力的测度正区域等仅能反映属性可辨识对象集大小,不能反映属性对样本的划分状况影响分类的其它因素的问题,提出了Rough集中度量属性分类贡献能力的综合测度———属性分类粗糙度,对其特性进行了分析,给出了用该测度以及信息增益等分别作为决策树算法选择属性的启发式对UCI几个数据集的挖掘结果.理论分析和实验表明,属性分类粗糙度更全面地刻画了属性对分类的综合贡献能力,且具有计算更为简单等特点.     

粗糙Vague集的不确定性度量

将粗糙集理论和Vague集理论相结合,引入了粗糙Vague集的概念,讨论了粗糙Vague集的基本性质.并且基于描述模糊信息量的模糊熵及描述粗糙集的粗糙熵,给出了粗糙Vague集的模糊熵、粗糙度及贴近度的定义,讨论了粗糙Vague集的模糊熵、粗糙度及贴近度,并给出了相应的定理。     

Vague集(值)相似度量的比较和改进

相似度量是研究和应用vague集（值）的重要工具．本文首先介绍了vague集（值）的概念，定义了相似度．接着比较了已有的vague值的相似度量方法．用实例说明这些方法在某些情况下不适用，并分析了造成不适用的原因，进而指出影响vague集（值）相似度量的3个因素．在此基础上改进了vague值和加权vague值的相似度量方法，最后修正了vague集的相似度量方法．由于所提出的方法考虑了影响vague集（值）相似度量的各个因素，因而能避免已有方法在某些数值上的不妥．     

一种基于相似性度量的仿真系统置信度评估方法

运用参数估计的方法对系统的相似元要素作区间估计,通过分析所得置信区间与对应的接收区间的关系给出了系统相似元的一种相似性估计方法;对于系统相似度,给出了一种考虑相似元之间相关性的相似性度量方法,由此提出了一种基于相似性度量的仿真系统置信度评估方法。在目标辐射噪声仿真系统研究中的应用表明,该方法有助于挖掘和利用仿真输出中蕴涵的系统特征信息,是一种量化分析与评估仿真系统置信度的有效方法。