基于灰色类别差异特性的评价指标客观权重极大熵配置模型

本文基于灰色类别的差异特性进行指标权重配置问题研究,运用灰色关联聚类将评价对象按照反映事物不同类别本质的自然差异特性划分成不同灰类.基于相同灰色类别间自然差异特性具有相似性、 不同灰色类别间自然差异特性具有差异性的特点,构建了反映灰色类别差异特性的评价指标客观权重极大熵配置模型. 通过案例分析与其他方法进行比较研究,证明了本模型的可行性及有效性,为多属性决策指标客观权重赋权问题提出了一种新的解决思路.     

基于灰关联度评价的投资决策模型及应用

介绍灰关联度的有关理论 ,并尝试性地将之应用到投资决策中 .又进一步结合模糊理论 ,建立新的决策模型 .通过对比研究 ,验证了灰色系统理论在不确定性信息系统中应用的有效性.     

自适应特征熵权模糊C均值聚类算法的研究

特征权重算法对聚类效果有很大的影响,而传统的特征权重算法忽略了特征项在类间和类内的分布情况.因此,研究聚类后样本特征属性表现的有序性程度对聚类结果的影响,分析聚类后样本特征属性的分布情况,提出了一种自适应特征熵权模糊C均值聚类算法.该算法以聚类后的特征熵和信息增益作为准则调整特征权值,通过聚类与权重更新逐步迭代优化,直至获得最优的特征权值.实验表明,自适应特征熵权模糊C均值聚类算法能够有效地区分各个特征属性对聚类效果的重要程度;较于其它加权模糊C均值聚类算法,该算法能够得到更高的聚类准确率.     

模糊神经网络分类器在企业建模知识管理中的应用

为了对企业建模活动进行知识管理，开发了基于Web的企业 模型知识库系统，并按照CIM-OSA的思想将参考模型库划分为通用、部分通用和专用三个层次。如何在这三个 层次之间建立合理的分类检索体系成为企业建模知识管理的一个核心问题。文章引入模糊神经网络分类器解决企业参考模型库的模型分类问题，通过一个应用实例进行算法验证，并与基于模糊数据挖掘的分类方法进行比较分析。实验数据表明，模糊神经网络分类器具有很好的性能。     

基于模糊粗糙k-均值的用户访问模式的聚类

Web用户访问过的网页以及在该网页上的浏览时间体现了用户的访问兴趣.为了更好的衡量任意两个用户访问模式之间的相似/相异度,每个用户访问模式都被转换成具有相等长度的模糊向量,其中每个元素要么是0要么是模糊语言变量,它体现了用户是否访问过该网页及在该网页上的浏览时间.由于类的边界可能是模糊的,因而使用粗糙k-均值法对这些代表用户浏览特征的模糊向量进行聚类.最后使用Davies-Bouldin指标来衡量聚类的效果.     

基于粗糙集理论的连铸坯缺陷诊断预报系统

提出了基于粗糙集理论的连铸板坯缺陷类型的诊断及以预报系统,以粗糙集理论为主要工具,揭示了板坯缺陷形成因素的冗余性,并对此约简后,利用径向基函数神经网络进行预报及诊断,初步结果表明该理论具有较好的实用性及有效性。     

基于边缘特征点聚类的车道线检测

针对复杂的道路工况及实时性的需求,提出了一种基于边缘特征点聚类的车道线检测方法。首先结合车道线边缘的梯度分布和灰度分布提取边缘特征点;然后依据车道线特征点的连续性和梯度方向的一致性进行特征点聚类得到离散区域,并通过衡量各区域之间的相似度进行区域聚类;最后选出最优类内的点进行拟合。在多种环境的道路场景下对该车道线检测方法进行验证,验证结果表明,该方法检测速度快、鲁棒性强,有助于实际工程应用下的车道偏离预警系统的研究。     

基于改进K-means 算法的多场景分布式电源规划

针对恒定调度模型分布式电源选址定容的配置方案实用性差的缺陷,考虑分布式电源( DG: Distributed Generation) 出力和负荷需求的时序性与不确定性,建立以配电网系统总投资成本、总电压偏差和系统网损最小化的多目标调度模型。首先,通过蒙特卡洛算法随机模拟全年风-负荷场景,并采用K-means 聚类法对全年场景进行缩减。其次,引入轮廓系数对其改进以获取最优的聚类数。最后,通过快速非支配排序遗传算法( NSGA-Ⅱ) 与无偏折中策略进行优化处理。以IEEE33 节点配电系统为例与标准遗传算法做对比仿真实验,验证了所提算法的有效性和优越性。     

对角矩阵加入指数参数的AHP算法

基于AHP线性流形学习方法是通过适当的约束条件最小化目标函数来实现的,约束条件中对角矩阵的求解限制,使得公式不够灵活,于是考虑在对角矩阵求解时加入了指数参数,对公式进行泛化.通过人脸图像聚类实验,发现指数的改变对聚类结果能够产生较大影响,针对特定的人脸聚类,可以通过调整参数达到较好的聚类效果;另外,文中还对加入高斯白噪声的人脸数据库进行了实验,考察了参数对噪声的敏感度.     

生产线复杂场景条件下的动目标提取方法

针对重轨生产线钢坯检测所涉及的钢坯提取问题,提出了一种改进的交互式图论分割方法.首先用基于颜色差异的改进的K均值聚类算法将人工标记的种子进行精确地初步分类;然后使用改进的图论分割算法,将钢坯目标从复杂场景中分割出来;最后将分割结果进行边缘校正和去噪处理.实验结果表明:该算法充分利用了图像的区域特征和边缘特征,提高了分割的质量和速度,分割结果满足实际应用的需求.