基于模糊粗糙神经网络的交通流研究

交通流预测是实现道路交通科学管理的重要内容,文章概述了模糊粗糙神经网络的基本原理,通过模糊粗糙隶属函数建立了基于模糊粗糙神经网络的交通流控制模型,设计了两级协调模糊控制器,结合模糊控制理论和神经网络各自的优点,构造了模糊粗糙神经网络.通过实践结果证明,该算法精度高,学习速度快,适应能力强,对实时交通流预测有一定的指导意义.     

一种基于粗集神经网络的欺诈风险分析方法

指出了传统的欺诈风险分析模型存在的问题,提出了一种基于粗集神经网络的欺诈风险分析方法.详细叙述了粗集神经网络的基本原理及基于粗集神经网络的欺诈风险分析方法,并给出了一个基于粗集神经网络的信用卡欺诈的分析实例。实验结果表明,该方法应用于欺诈风险的分析中是有效的,为欺诈风险的分析和预警提供了一条新的研究思路和方法。     

多任务模糊聚类驱动的多任务TSK模糊系统模型

该文提出了一种多任务Takagi-Sugeno-Kang(TSK)模糊系统建模方法.首先给出了一种新的多任务模糊c均值聚类算法,能够有效提取所有任务之间的公共信息和每个任务的私有信息,进而利用所得的聚类中心构建多任务TSK模糊系统的前件参数.其次设计了一种具备多任务协同学习机制的后件参数优化方法,可以优化多任务TSK模糊系统的后件参数.最后基于优化的前后件参数,构建出具体多任务模糊聚类方法驱动的多任务TSK模糊系统模型(multi-task fuzzy c-means based multi-task TSK fuzzy system, MTFCM-MT-TSK-FS)以用于实际应用.分别在合成和真实数据集上进行实验,结果验证了该模型的有效性.     

基于粗糙集理论文本分类规则的优化方法

文本分类规则的提取和优化是衡量文本分类系统适应性能和分类能力的主要指标．在基于粗糙集和模糊聚类理论的文本分类系统中,结合粗集理论及不完备信息系统理论,提出了分类规则的提取和优化方法,通过实验和分析,产生用户满意的约简规则,从而能够快捷迅速地指导新文本的分类,提高系统的适应性能和分类能力．     

一种基于模糊聚类的可解释性建模方法

提出一种基于模糊聚类的可解释性建模方法.利用提出的一种含有熵的聚类有效性函数来评价模糊聚类方法的有效性和可解释性,从而确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数.该方法应用于Box-Jenkins 数据仿真实例,仿真结果表明该方法不但能保证系统的精确性,还具有很高的可解释性.     

基于相近关系的粗糙因子神经网络的模式识别方法

针对经典粗糙集理论中的不可分辨关系对连续属性值中噪声数据缺乏容错性的情况,提出一种基于个体属性值距离的相近关系,定义了相近关系下的粗糙集理论的基本概念.在相近关系的基础上,提出了衡量粗糙隶属度的方法,研究了该隶属度函数的性质,利用该函数作为粗糙因子设计了粗糙因子神经网络,可减小噪声污染的影响,并使网络的收敛速度得到提高.最后,通过对某型歼击机操纵面故障的模式识别的仿真研究验证了文中方法的正确性和有效性.     

一种大规模高维数据集的高效聚类算法

大规模高维数据集的聚类算法已成为当前聚类研究的热点,由于高维的原因,聚类往往隐藏在数据空间的某些子空间中,传统的聚类算法无法获得有意义的聚类结果.此外,高维数据中含有的大量的随机噪声也会带来额外的效率问题.为了解决以上问题,该文在CLIQUE算法的基础上提出了一种基于最优区间分割和数据集划分的聚类算法—OpCluster,并使用仿真数据对该算法加以验证,实验结果表明,OpCluster对大规模高维数据集具有很好的聚类效果.     

基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法

脑核磁共振图像常常受到噪声的影响,且有灰度不均、边界模糊的特点,使得传统聚类算法无法获得理想的脑部肿瘤分割结果,为此提出一种基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法.该方法首先采用改进的引导滤波算法对图像进行预处理,解决平滑图像时不能保留图像边缘的问题;然后将传统核模糊C-均值聚类算法(Kernel fuz...     

一种改进的粗集综合评价方法

基于区分矩阵的粗集综合评价方法由于存在对评价对象的反复比较,因此影响了求解指标约简及权重的效率.利用区分矩阵的变形———广义信息表提出的一种改进的粗集综合评价方法,能够减少对对象的重复比较,更快地进行指标约简和权重设置.此外,通过将该方法应用于政府效率评估来验证了方法的可行性和有效性.     

互联网驱使下计算机基础课程教改质量评估

传统评估方法忽略了对计算机基础课程的教改质量特征进行量化决策,导致评估效果不理想,难以达到提高计算机基础课程教改质量的目标,由此提出一种基于分段统计平均分析和模糊预测的互联网驱使下计算机基础课程教改质量评估方法.构建互联网驱使下计算机基础课程教改质量指数大数据模型,采用教改质量量化特征分析方法进行量化决策,构建计算机基础课程教改质量评估的模糊决策函数,结合教改质量评估数据的关联规则性进行分段融合和自相关匹配检测,对检测的计算机基础课程教改质量评估数据进行模糊聚类处理,实现对教改质量评估数据的特征提取,根据特征提取结果进行最大熵分析,实现计算机基础课程教改质量评估优化.仿真结果表明,采用该方法进行互联网驱使下计算机基础课程教改质量评估的决策准确性较好,课程教改质量评估的可靠性较强,置信度较高.