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。     

基于模糊小波聚类混合的多目标覆盖质量评估方法

面向双层无线传感器网络覆盖质量评估,设计出基于模糊小波聚类混合的多目标覆盖质量评估方法。建立网络单元概念和双层网络模型,在各汇聚节点开展各子目标预处理。集中建立二次预警机制:设计基于模糊小波神经网络的分析融合子系统,实现一次预警,选出显著低效覆盖单元;构建决策输出子系统,设计基于k均值聚类算法的多等级网络单元评价体系,实现二次预警,并呈现全部低效覆盖单元。实验表明,该方法从覆盖面积、能耗均衡、传输便利等方面综合评估,能够精确判定低效覆盖单元,有助于及时重部署,维护网络健康运行。     

基于神经网络的直觉模糊推理方法

模糊推理是不确定性推理领域的一种很重要的方法.直觉模糊推理基于Atanassov直觉模糊逻辑,具有灵活性、合理性和可信性的优点,但并没有克服推理结果依赖于蕴涵关系的选取及有时不能满足推理一致性要求的缺点.通过理论推导,提出基于神经网络的直觉模糊推理方法,证明了该方法在正规直觉模糊集上满足推理的一致性.通过算例分析,验证了该方法的合理性.     

基于类内差和改进划分系数的聚类有效性函数

针对改进划分系数对模糊聚类有效性的判决并不十分理想,提出了将类内差和改进划分系数相结合的两个聚类有效性函数。该聚类有效性函数从数据聚类效果要求类内样本越相似而类间样本相差越大的观点出发,通过将反映数据聚类类内紧致性程度的类内差和类间分离性程度的改进划分系数相结合,并考虑到模糊C 均值聚类算法的适用条件作为构造聚类有效性函数的约束因子,得到新的聚类有效性标准。给出应用该函数进行模糊C 均值聚类有效性判决的具体步骤,通过仿真实验证明该有效性函数具有良好的分类性能。     

基于数据加权策略的模糊C均值聚类算法

针对模糊C均值(fuzzy C means, FCM)聚类算法没有考虑噪声样本点和样本数据的分布特征对聚类结果影响的不足,利用数据加权策略对FCM聚类算法进行改进。改进后的算法通过计算各样本点的密度值,将初始聚类中心限制在高密度样本点区域,并把样本点的密度值作为该点的权值,对聚类中心进行调整,突出高密度样本点在聚类中心调整中的影响力,从而达到提高聚类效果的目的。人造数据集和加州大学欧文分校(University of California Irvine, UCI)真实数据集的实验结果表明,在不提高时间复杂度的同时,与FCM算法相比,基于数据加权策略的FCM算法聚类的准确率更高。     

属性均值聚类

提出了属性均值聚类并给出了迭代算法。     

函数型数据的分步系统聚类算法北大核心CSSCI

函数型数据能够反映数据的内在规律,利用该特点可以挖掘数据更多的潜在信息。在对传统聚类算法研究的基础上,首次提出将导函数距离引入函数型数据的聚类中,设计了函数型数据的分步系统聚类算法,给出了算法的具体步骤。利用随机模拟对算法的有效性进行了检验,并针对40个国家41年的人均GDP数据进行了实例研究,结果表明,该算法能够对函数型数据进行有效聚类。此外,基于此算法提出了一种函数型数据的数据补齐方法,实例研究结果表明,该预测方法能够对函数型数据进行有效地补齐。     

新的基于数据几何结构的聚类有效性函数

以Xie-Beni指标作为聚类有效性函数取得了良好的效果,但当聚类个数很大时,Xie-Beni指标将单调递减。针对此问题,分别考察改进的HubertΓ统计量和聚类分离度,导出一个新的基于数据几何结构的聚类有效性函数,使得它有惟一的最大值,函数值随聚类个数增大而递减的趋势并不影响最优聚类个数的判定。实验表明,该有效性函数能够发现最优的聚类个数,对于分类结构比较明确的数据,有良好的性能,而且对模糊因子m有良好的鲁棒性。     

空袭目标类型的模糊识别与聚类研究

在研究空袭目标类型识别聚类的基本模型基础上,建立了基于关键特征矩阵的识别聚类改进模型.并通过实例分析进行验证,模糊识别聚类结果与专家评定结果是相吻合的.该方法使基准矩阵的建立简化,符合防空作战的实时性、准确性要求,计算速度快.     

基于直觉正态模糊集结算子的多准则决策方法

定义了直觉正态模糊数及其运算法则、Euclidean距离、直觉正态模糊加权算术平均算子和直觉正态模糊加权几何平均算子. 针对准则值为直觉正态模糊数而权重信息不完全的多准则决策问题, 提出了一种基于直觉正态模糊集结算子的决策方法. 该方法首先利用各方案之间的距离和最小化思想建立优化模型求得最优权重, 然后利用集结算子对各准则进行集结, 从而得到各方案的综合评价值, 最后通过比较它们跟正负理想方案间的相对贴近度的大小, 得到方案集的排序. 实例表明该方法的有效性和可行性.     

基于直觉模糊集的多属性模糊决策方法

针对模糊条件下的多属性决策问题,提出了一种新的基于直觉模糊集的多属性模糊决策方法。首先,给出了直觉模糊集的几何解释,定义了两个直觉模糊集之间的距离,确定了各候选方案指标值在直觉模糊集中的表示形式。其次,针对在信息不完全确定的模糊环境下,建立了基于直觉模糊集的多属性模糊决策模型,给出了适合这种模型的相应定义,提出了理想方案和负理想方案的概念,并结合信息不完全确定性处理来保证方案的唯一性。最后,通过比较各方案的直觉模糊集与理想和负理想方案的距离来确定方案集的排序。通过实例验证了方法的正确性和有效性。     

基于直觉模糊优选模型的混合型多属性决策

根据区间值模糊集和直觉模糊集可以互相转化,而且语言变量和标准化后的实数变量也可以用直觉模糊数的形式来表示,将规范化处理后的混合型决策矩阵转化为直觉模糊决策矩阵,并建立了直觉模糊优选模型,从而得出各个方案的直觉模糊评价值。基于直觉模糊点运算引入了一种新的得分函数,对直觉模糊数进行排序。算例结果表明了该决策方法是实用和可行的。     

基于直觉模糊相似度的直觉模糊三支决策方法

针对现有直觉模糊相似度未考虑其隶属度和非隶属度的实践语义且在一些情形下可能出现"违反直觉"等问题,本文提出一种新直觉模糊相似测度,并将其引入直觉模糊决策系统中,定义了直觉模糊相似度下(α,β)-水平截集等概念,并给出相关性质.以粗糙隶属度为评价函数导出目标集的(α,β)-下、上近似集及其三个域.考虑到决策者不同风险态度,基于贝叶斯理论构建一种具有多风险偏好的直觉模糊三支决策模型,并获得决策规则,进而提出一种基于直觉模糊相似度的直觉模糊三支决策方法.最后,通过算例说明该方法的可行性和有效性.     

基于PS-IFKCM的弹道中段目标识别方法

针对现有直觉模糊核c-均值(intuitionistic fuzzy kernel c-means,IFKCM)聚类算法对初始值敏感、易陷入局部最优解及收敛速度慢等缺陷,汲取了粒子群优化(particle swarm optimization,PSO)算法优势,对初始聚类中心进行优化,提出了基于粒子群优化的直觉核c-均值(particle swarm-based intuitionistic fuzzy kernel c-means,PS-IFKCM)聚类算法,选取4组标准数据集实际样本数据对算法的有效性进行了试验。最后选取弹道中段目标识别常用的雷达截面积(radar cross section, RCS)这一特征属性进行弹道中段目标识别仿真实验,并将其与模糊c-均值（fuzzy c-means, FCM）算法、IFKCM算法的识别效果及运行时间进行比较分析,表明了该算法应用于弹道中段目标识别的有效性及优越性。     

区间直觉模糊事件概率及其泛化形式的研究

针对随机现象中存在的模糊性,给出了区间直觉模糊集（interval-valued intuitionistic fuzzy sets, IVIFS）的解决方案。首先,定义了样本空间中区间直觉模糊事件（interval-valued intuitionistic fuzzy events, IVIFE）的概念,给出了区间直觉模糊事件概率的描述化定义。其次,定义了区间直觉模糊三角模及三角余模的概念,给出了区间直觉模糊事件概率的公理化定义。再次,给出了区间直觉模糊概率的泛化形式,即可分形式和不可分形式,并详细证明了不可分形式。最后,通过实例验证了不可分形式。     

基于贝叶斯网络和直觉模糊推理的态势估计方法

将直觉模糊推理理论与贝叶斯网络推理相结合,提出一种基于直觉模糊理论和贝叶斯推理网络的态势估计方法。首先,分析当前贝叶斯网络推理的特点与不足,建立基于直觉模糊函数的贝叶斯网络推理模型;其次,证明直觉模糊函数在贝叶斯网络推理中是可传播的;最后,用实例给出评估结果,验证方法的有效性和模型的正确性。采用实例说明,当证据节点犹豫度较大时,一般贝叶斯网络推理得不到正确的结果,而该方法克服了此缺点,能够得到正确的推理结果。     

基于直觉模糊折扣算子的异类数据融合方法

异类数据作为不确定数据的类型之一,成为模式识别、多属性决策等问题中数据融合的难点.为此,以直觉模糊集为理论基础,本文提出一种异类数据的多属性融合方法.首先,定义一种新的直觉模糊数折扣算子及合成法则,证明了该算子与合成法则的基本性质.其次,定义异类数据之间的距离度量测度,基于灰关联方法,得到用于决策的系数矩阵,通过对备选...     

Multi-attribute decision making method for air target threat evaluation based on intuitionistic fuzzy sets

The function of the air target threat evaluation (TE) is the foundation for weapons allocation and senor resources management within the surface air defense. The multi-attribute evaluation methodology is utilized to address the issue of the TE in which the tactic features of the detected target are treated as evaluation attributes. Meanwhile, the intuitionistic fuzzy set (IFS) is employed to deal with information uncertainty in the TE process. Furthermore, on the basis of the entropy weight and inclusion-comparison probability, a hybrid TE method is developed. In order to accommodate the demands of naturalistic decision making, the proposed method allows air defense commanders to express their intuitive opinions besides incorporating into the threat features of the detected target. An illustrative example is provided to indicate the feasibility and advantage of the proposed method.