隧道健康动态评价模型与应用

在隧道健康安全评价的指标体系及其等级标准的基础上,通过规范化处理样本资料库中的元素,消除了指标类型和量纲的影响后,提出用集对分析方法构造可变模糊集的相对差异度函数,合理的确定了各层相关隧道健康评价指标处于级别标准区间的相对隶属函数,采用乘积标度法确定相关指标权重后,得出了隧道健康模糊综合评价动态模型。确定健康级别指标特征值后,结合实例计算证明了文中所提方法的科学性与合理性,有利于推动可变模糊集理论在土木工程领域的进一步发展。     

基于遗传算法的直觉模糊C均值聚类算法

 针对一般直觉模糊C均值聚类算法在寻优过程中易陷入局部最优解的问题,利用遗传算法具备全局寻优的优点,提出了一种基于遗传算法的直觉模糊C均值聚类算法。在该算法中聚类中心为直觉模糊数,这使得遗传过程中个体信息变得复杂,进而增大了约束问题的处理难度。本文对产生的个体采用适时分段的归一化方法,很好地解决了该问题。仿真结果表明该算法所得聚类结果不仅准确而且更为细致。     

配电系统可靠性评价的可变模糊集方法

 随着用户对供电质量要求的提高,配电系统的可靠性评价问题也越来越受到人们的重视。在分析配电系统可靠性问题的基础上,提出了配电系统可靠性评价的可变模糊方法。该方法首先根据指标特征值、指标评价区间矩阵、可变范围评价区间矩阵及点值矩阵确定相对隶属度矩阵,然后利用可变模糊评价模型对样本进行综合评价,得到样本在各级别下的综合相对隶属度,进而计算级别特征值,并以此为依据进行评价。可变模糊方法可以科学地确定样本指标对各级指标标准区间的相对隶属度,并且能够通过变化模型及其参数,合理地确定出样本的评价等级,提高对样本等级评价的可靠度。通过对某地区配电系统进行评价,得出其级别特征值比较稳定,总体评价结果为合格。结果表明,可变模糊评价方法可靠,可用于配电系统可靠性评价。     

基于最大熵模型的词位标注汉语分词

近年来基于字的词位标注汉语分词方法极大地提高了分词的性能,该方法将汉语分词转化为字的词位标注问题,借助于优秀的序列标注模型,词位标注汉语分词逐渐成为汉语分词的主要技术路线.该方法中特征模板集设定和词位标注集的选择至关重要,采用不同的词位标注集,使用最大熵模型进一步研究了词位标注汉语分词技术.在国际汉语分词评测Bakeoff2005的语料上进行了封闭测试,并对比了不同词位标注集对分词性能的影响.实验表明所采用的六词位标注集配合相应的特征模板集TMPT-6较其他词位标注集分词性能要好.     

基于粗糙集的人力资源模糊指派

分析了传统指派问题存在的不足并介绍了粗糙集理论和模糊指派,在此基础上研究了动态联盟企业在新产品开发过程中人力资源的指派问题.首先建立问题的数学模型,应用变精度粗糙集理论对技术人员的素质指标进行属性约简和权系数计算,同时指标属性中考虑技术人员的个人意愿,调动其主观能动性,然后利用专家对指标属性进行模糊评判并根据粗糙集得到的权系数形成综合矩阵,将其转化为单目标决策问题,应用匈牙利算法求解,最后给出了企业的应用实例,结果证明了算法的有效性和模型的实用性.     

时变线性系统关于p-可积控制的能达集

讨论了时变线性控制系统当控制为p可积函数时相应的能达集与指标p的关系.经过证明,得到控制系统关于p-可积控制的能达集一般会随指标p不同而变化,但是这种变化的次数是有限的.     

RS-GA-KNN算法识别灵长类动物DNA序列剪接位点

以灵长类动物DNA序列的剪接位点识别资料为研究对象,将选定样本序列中各碱基编码作为原始变量数据,用粗糙集方法和遗传算法对原始变量数据进行变量筛选,即以粗糙集方法选取的变量为基础,用遗传算法进行变量的二次搜索,从样本序列各碱基中挑选出保守性强的碱基对应的变量构成变量集,采用最近邻聚类识别灵长类动物DNA序列剪接位点类型,总识别准确率达90．66％,明显高于直接使用原始变量数据或将粗糙集理论方法和遗传算法单独用于变量选取的识别结果．     

局部紧Hausdorff空间上的Fuzzy测度

研究局部紧Hausdorff空间X上的Fuzzy测度的正则性。首先引入X上内(外)正则集,正则集以及正则Fuzzy测度的概念,并给出了Fuzzy测度正则的充要条件和任意两个紧(或紧Gδ)集的正常差内(外)正则的条件。其次证明单调递增的内正则集的并是内正则的,具有有限Fuzzy测度的单调递减的外正则集的交是外正则的。最后在严格单调条件下,证明具有有限Fuzzy测度的有限个两两不交内正则集的并是内正则的以及每一个紧(或紧Gδ)集是外正则的当且仅当每一个有界开集是内正则的。     

基于模糊粗糙集的层次分类增量特征选择

随着大数据时代的到来,数据的类标签数量急剧增加,对现有的分类任务带来了严峻的挑战。为了解决这个问题,人们通常将标签组织成层次结构,使用结构中所包含的信息来对任务进行学习。考虑样本的不断增加,使用模糊粗糙集信息熵设计了一种面向层次分类的增量特征选择算法。考虑兄弟策略,将现有的λ条件熵推广到了层次分类的情形,设计了一种非增量的层次分类特征选择算法,设计了λ增量条件熵,基于此设计了增量版本的特征选择算法。在实验中,采用了包括非增量版本在内的7种不同的特征选择算法在5个层次数据集上与增量算法进行比较,实验结果验证了2种算法的有效性,并且所设计的增量算法能在不影响性能的情况下加快特征选择的进程。     

乘积测度的表示与集的截口的测度的可测性

设T,X是完备可分的度量空间,T×X是乘积空间.设ν是T上的完备的Borel概率测度,τ是X上的预测度.从ν和τ出发,可以通过两种不同方式定义乘积空间T×X上的测度.证明在τ是σ-有限的情形下,这两种方式定义的测度都等于T×X上的乘积测度ν×τ*,其中τ*表示由τ按方法Ⅰ所构造的外测度;在τ是非σ-有限时,证明了在一定的条件下函数τ(Et)与τ*(Et)都是T上的可测函数,其中E T×X,Et={x∈X;(t,x)∈E}.