基于粗糙集属性重要性的模糊聚类决策及应用

考虑到不同属性之间的重要性,利用粗糙集理论对模糊信息表或信息表中的不同属性之间(特别是定量属性与定性属性之间)进行耦合,提出一种计算不同属性间相似度的计算方法,即基于粗糙集属性重要性的模糊聚类方法,解决模糊信息表或信息表中属性值定量与定性描述并存情况下的聚类问题,并根据原类结果建立决策表.     

多目标模糊决策理论应用于失效模式与效应分析的研究

将失效模式与效应分析（FMEA）的失效风险评价视为多目标决策问题，舍弃传统FMEA用一个效用函数计算失效风险的观念及做法，将模糊理论和多目标决策法结合起来应用于FMEA风险优先级的评估。首先由系统专业人员对FMEA各个失效模式的发生度、难检度及严重度等决策因子给予模糊语意等级评估，并经由运算转换成明确值；再以多目标模糊决策法排列出失效风险的顺序，从而得出解决问题的次序。实例结果表明，本文所提出的方法可行且有效。     

基于人工智能方法的图像语义检索

根据语义特征进行图像检索是图像检索技术的发展趋势。文章提出了一种基于人工智能以实现图像语义特征提取的方法,即通过模糊逻辑、遗传算法和人工神经网络三者的融合来解决图像语义特征提取这一难题,该方法使图像检索能够满足用户的需求,提高了图像检索的效率和精度。     

L-模糊弱伪理想及其性质

给出了L-fuzzy弱伪理想的概念及其刻画,并研究它的运算性质.在二次弱理想的基础上,借助于以前研究者所得出的一些成果,将弱伪理想进一步推广到L-模糊集论中,提出了L-fuzzy弱伪理想的概念以及L-fuzzy弱伪理想的4种水平截集式刻画,并进一步研究了它在L-模糊环同态下的不变性与逆不变性,以及它的和与积等运算性质.     

基于模糊神经网络的煤矿安全评价综合评判

针对煤矿安全综合评价方法中因人为因素、模糊因素及动态因素而导致评价结果不够准确的情况,依据煤矿安全评价指标体系结构,构建了基于模糊神经网络的多级模糊评判模型,提出了神经网络分级BP学习算法,解决了多级模糊评判中权值学习困难的问题,使训练速度和评判的准确性大幅提高.以鸡西矿业集团煤矿为研究对象,建立了基于模糊神经网络的安全评价模型.结果表明:该方法能有效地对煤矿进行安全评价,综合评判客观、准确.     

一种脉冲噪声模糊检测和滤波算法

脉冲噪声滤波一直是图像处理研究热点。提出一种适合各种脉冲噪声,基于模糊检测和滤波新算法。这种非线性滤波算法由脉冲噪声检测和脉冲噪声滤波两部分组成,能够很好的保留原图像的轮廓清晰度。基于梯度模糊度的观点,我们构造了一个用隶属函数描述的脉冲噪声模糊集。将隶属函数用于滤波,实质是对邻像素的模糊度加权平均。实验结果显示:无论图像中含脉冲噪声多少,该算法都能快速、高效检测去除脉冲噪声算法。     

大学生考试成绩的模糊综合评价

从学生考试成绩排名的问题出发,运用模糊聚类分析与模糊综合评价的方法,以Excel和Matlab软件为辅助工具对学生成绩进行处理,按各科成绩对每位学生进行综合排名.结果表明聚类的结果与模糊综合评价的排名基本一致.这一结果从一定程度上反映学生各自的实际情况,做到了符合社会发展需求的有效排名.     

行列式的计算方法

通过对入侵检测、自组织特征映射神经网络和模糊技术的研究分析后,提出一种基于模糊神经网络的入侵检测系统。仿真实验表明,可以形成一个稳定的神经网络系统,有效地识别网络正常行为和异常行为。     

模拟电路故障诊断方法的研究

对模拟电路故障诊断方法的研究现状进行了述评和归纳,同时指出了目前各种故障诊断方法和技术的特点及局限性,并预测了模拟电路故障诊断技术的发展趋势。     

一种广义加权模糊聚类算法

提出了一种广义的加权模糊聚类新算法来处理具有不同特征贡献和不同数据分布的混合属性数据.分别利用样本概率密度思想和ReliefF算法为每一个样本和每一维特征分配权值,通过样本和特征的加权,将模糊c均值算法、模糊c-modes算法、模糊c-原型算法以及样本加权聚类算法统一为一个通用的框架.不同测试数据集的实验结果证明,这种广义的模糊聚类新算法对于处理不同分布以及具有不同特征贡献的大数据集是相当有效的.