WEKA环境下基于模糊理论的聚类算法

因特网上的数据规模大、动态性强,通常发现的知识或规则很可能是不精确和不完备的。为了克服以上不足,引入模糊理论,通过寻找模糊相似上近似集进行合理聚类,在确定聚类数目的过程中,利用平均信息熵进行最佳聚类。同时将模糊聚类算法嵌入WEKA平台,利用WEKA中的类和可视化功能,扩充了WEKA中的聚类算法。实验表明,算法对含有噪声的、分布不规则的大数据集具有很高的精度和收敛速度。     

基于粗糙决策模型和蚁群算法的故障诊断

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具,它能在保持信息系统分类能力不变的前提下,有效地进行知识约简;决策树算法可对约简后的决策表进行规则提取,有着直观、能定量分析的优点.提出一种变化趋势关联度来评价条件属性的重要性,建立粗糙决策树故障诊断模型,并在诊断推理中引入一种新的人工智能方法——蚁群算法,来确定决策树的最优检测次序.将其应用于工业精对苯二甲酸(purified terephthalic acid,PTA)生产过程中的对二甲苯氧化反应温度的诊断结果表明了提出方法的有效性.     

直觉模糊正规子群与它的同态像特征

在K.Atanassov引进直觉模糊集概念的基础上,首先给出了直觉模糊正规子群的定义及直觉模糊集的扩展原理,并获得一些基本运算性质;其次在两个经典群同态与同构意义下,研究了这种直觉模糊正规子群的像、原像及逆映射等问题,从而丰富并拓广了模糊集的理论与应用.     

基于属性约简的决策表算法

Rough Set理论通过属性约简和决策规则约简,达到发掘知识并简化知识的目的。本文首先给出了属性重要性的度量方法,然后对条件属性的简化进行了阐述,最后,讨论了一致决策表最小算法的三类优化问题。并通过一个实例证明了这种算法。     

矩形张量的S-型奇异值包含集

利用矩形张量A的指标集的一个划分——非空真子集S及其补集、分类讨论思想和三角不等式,研究了A的奇异值定位问题,得到了A的S-型奇异值包含集.     

基于模糊粗糙集与模糊推理的作战指挥方式决策分析

依据指挥权限集中程度,指挥方式可分为集中指挥和分散指挥两种形式.本文探讨了基于模糊粗糙集与模糊推理的指挥方式决策分析新方法.首先,分析了作战指挥方式决策的影响因素,即指挥控制手段和情报保障程度;在此基础上,给出了基于模糊粗糙集的作战指挥方式的一种知识发现方法;然后,通过获取的模糊推理规则,运用多输入多重Mamdani模糊推理算法获得量化的指挥方式决策结论;最后,通过在MATLAB7.0模糊逻辑工具箱中构建的模糊推理仿真系统进行验证推演,给出了三种类型的指挥方式决策结论,与军事专家的经验决策相符合,该系统可纳入到作战指挥决策支持系统中.     

参数族λ（e^2z＋e^z）的动力学

在Ｂａｋｅｒ,Ｄｅｖａｎｅｙ研究族ｅλｚ动力系统的基础上讨论族ｆλ（ｚ）＝λ（ｅ２ｚ＋ｅｚ）的动力学问题．     

广义模糊粗糙集的粗糙度

提出基于模糊关系的广义模糊粗糙集的α,β上、下近似算子,讨论近似算子的性质.给出广义模糊粗糙集的粗糙度,就给定的模糊集研究模糊关系对粗糙度的作用.通过算例验证该粗糙度的有效性.     

基于粗糙集的增强学习型分类器

为了提高分类的精确度,提出一种基于粗糙集理论的增强学习型分类器。采用分割算法对训练数据集中连续的属性进行离散处理;利用粗糙集理论获取约简集,从中选择一个能提供最高分类精确度的约简。对于不同的测试数据,由于离散属性值的变化,相同的约简可能达不到最高的分类精确度。为克服此问题,改进了Q学习算法,使其全面系统地解决离散化和特征选择问题,因此不同的属性可以学习到最佳的分割值,使相应的约简产生最大分类精确度。实验结果表明．该分类器能达到98％的精确度．与其它分类器相比．表现出较好的性能。     

新型软子格

将软集与格代数相结合,给出新型软子格的新概念,得到了它的等价刻画。另外,利用软集的交和与运算,得到了新型软子格的交和与运算也是新型软子格。