集成正态云和动态扰动的哈里斯鹰优化算法

针对基本哈里斯鹰算法收敛速度慢和易陷入局部寻优等问题,提出一种集成正态云模型和动态扰动策略的改进哈里斯鹰算法.在全局搜索阶段,利用正态云模型的随机性和模糊性和随机反向学习思想对哈里斯鹰位置进行更新,从而丰富种群多样性和提高算法全局搜索能力.在局部开发阶段,引入动态扰动策略更新不同捕食策略下的哈里斯鹰位置,改善算法局部开发能力.选取不同维度的基准测试函数进行仿真,同时利用Wilcoxon秩和检验、Friedman检验、三杆桁架设计问题对改进哈里斯鹰算法和其它优化算法进行对比分析.实验结果表明:提出的改进哈里斯鹰算法收敛速度更快,寻优精度更高,验证了改进策略的有效性.

基于多步逆向半云模型的价格型需求响应不确定性建模

针对现有价格型需求响应模型难以同时精确反映用户响应行为的随机性与模糊性,以及基于对称云模型进行需求响应建模存在拟合误差大、求解稳定性差的问题,提出一种基于多步式逆向云发生器半云模型的价格型需求响应不确定性建模方法。定义收益率作为不同用户对收益大小认知的统一评估标准,并建立半云模型下的用户收益率与响应行为的映射关系模型。利用多步式逆向云发生器求取半云模型的数字特征,并采用正向云发生器生成反映用户响应行为的分布云图。仿真算例表明,相比于对称云模型与传统价格型需求响应建模方法,半云模型具有更高的拟合精度;相比于单步式逆向云发生器,多步式逆向云发生器具有更好的稳定性。

基于逆云模型的雷达辐射源识别方法

针对由于噪声环境造成的雷达辐射源不能正确识别的问题,提出了一种新的基于逆云模型的雷达辐射源识别方法。该方法首先构建了更符合实际的含有噪声数据的雷达辐射源数据库,利用逆云模型求出数据库中雷达辐射源各属性的云数字特征,给出了基于属性相似度的识别权重确定方法,并构建了基于云模型和属性相似度的雷达辐射源分类器。仿真实验证明,该方法可以更好地处理由于噪声环境引起的随机性和模糊性,能在恶劣噪声环境下有效地进行雷达辐射源识别。

一种无确定度的逆向云算法

逆向云发生器实现了定量数据到定性概念的转化,有着重要的理论意义和应用价值.有确定度的逆向云算法缺乏实用性,而已有的无确定度逆向云算法由于估计误差的原因,会出现超熵为虚数问题.本文提出了一种基于统计方法的,无需确定度的逆向云新算法,合理改进了超熵估计方法,确保了逆向云发生器的有效性.最后通过应用实例验证了新算法的正确性和实用性.

无确定度逆向云模型新算法

针对现有结果未揭示决定云模型雾化特性的本质因素以及无确定度逆向云模型算法误差较大这两个问题进行研究。通过对正向云模型的数学分析,指出云滴定量数据的标准差决定云模型雾化特性,提出用熵和超熵的比值度量云滴离散程度,称为雾化因子。分析和实验表明,云分布对应雾化因子取值在3～18之间,当其大于18时,云分布退化为正态分布,无确定度逆向云模型算法不再适用。在此基础上,利用云分布四阶原点矩来估计云模型的数字特征,提出一种新的无确定度逆向云模型算法,不同雾化因子和云滴数量的对比实验结果表明,所提算法在对云模型数字特征估计的准确性与稳定性方面优于现有算法。

基于云模型的定性评价及在学评教中的应用

学评教定性评价是高校教学质量管理的重要环节,对高校的快速发展具有积极意义和重要作用。提出基于云模型的学评教综合评价模型,利用逆向云发生器实现评价指标评语的定性定量转换,运用虚拟云的算法获得最终的评价云模型,通过分析数字特征和云滴分布得到评价的结果。实例验证表明,评价结果直观可靠,具有一定的实践意义和指导作用。

不规则风速概率分布的混合半云建模方法

针对目前风电场风速概率分布模型拟合精度低、通用性差的问题,根据不确定性数学理论,提出一种基于混合半云模型的风速建模方法。该模型通过逆向云发生器求取区域风速样本的期望、熵、超熵数字特征,建立相应区域的半云模型,应用正向云发生器对不规则的风速概率分布进行分区拟合。单峰、不规则、多峰特性风速概率分布实例计算结果表明:所提风速混合半云模型简单高效、通用性强,适用于任意风速概率分布,对具有单峰、不规则、双峰或多峰特性的风速概率分布均能获得较高的拟合精度。

基于云模型的网络异常流量检测

网络流量的复杂性、难以预测性以及人们主观评测的差异性等不确定因素,使得网络流量的异常检测成为网络安全防护领域研究的难点问题。通过对流量安全特征的分析提取和范围限定,引入云模型理论,提出一种基于云模型的异常流量检测方法,实现异常检测定性与定量的转换。在已有流量样本的基础上生成异常态势的标尺云,针对待测流量综合利用正向与逆向云产生算法获得不同异常等级的评估云,从而完成网络流量的异常判定。仿真实验表明,该方法能够对网络流量进行有效的异常检测评估。

云发生器的软件实现

用MATLAB实现了云发生器,包括正向云发生器和逆向云发生器。正向云发生器的核心技术是用中心极限定理生成正态随机数。对随机数产生的原理进行了阐述,通过用云表示定性概念“青年”对实验结果进行了分析。

一种新的逆向云算法

云模型是一种可以有效地实现语言值表示的定性概念与其定量表示之间不确定性转换的模型。文章对正态云作了较深入地概率统计分析,指出了现有逆向云算法的不足,并提出了一种新的精确度更高的逆向云算法,最后通过模拟实验比较了新算法与原逆向云算法。

曲线拟合的逆向云改进算法

逆向云发生器是从定量数据到定性概念的转化模型。在逆向云生成算法中,Ex的估计值对En和He的估计有比较大的影响,直接使用样本均值进行参数估计会导致较大的误差。本文通过深入研究云模型的相关算法,对逆向云生成算法进行改进。文中利用样本均值作为非线性拟合函数的初值,把拟合函数的返回参数作为Ex的估计值,改善了随机选取拟合初值造成结果不稳定现象,实现对逆向云参数优化。通过与其他几种逆向云生成算法进行对比,仿真结果表明:改进后的逆向云生成算法有较好的稳定性并且有较高的精度。

基于云模型的高校课堂教学质量评价模型及方法研究

教学质量评价是高校教学质量监控的重要手段,对提高课堂教学质量具有积极意义和重要作用。应用云模型、德尔菲法确定评价因素权重,利用逆向云发生器实现评价指标评语的定性定量转换,并运用虚拟云算法获得最终的评价云模型,通过分析数字特征和云滴分布情况得到评价结果。经实例证明,评价结果直观、可靠,具有一定的实践意义和指导作用。

实现稳定双向认知映射的逆向云变换算法

人类对客观世界认知的不确定性主要通过认知的最小(基本)单元——概念反映出来.本文基于云模型理论,提出一种新的稳定逆向云变换算法,通过实验对比分析说明该方法的稳定性;再根据正向云变换由概念内涵生成概念外延及逆向云变换由概念外延形成概念内涵的特点,利用正向云变换算法和逆向云变换算法模拟人们对概念的稳定双向认知计算过程,即概念内涵与外延之间的稳定双向认知计算过程.

基于云X信息的逆向云新算法

云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型。逆向云发生器可以实现定量数值到定性语言值的转换。本文分析了现在的逆向云算法的不足,提出了一种更简单,更精确的逆向云算法,并且对两种算法的误差进行了分析比较,最后给出了新算法的应用实例。

基于云模型的并行蚁群-SVM分类方法

支持向量机(SVM)是一种高效的分类识别方法,在解决高维模式识别问题中表现出许多特有的优势,但SVM不利于海量数据的挖掘。为了改善SVM对大样本数据的适应性,提高算法的收敛速度,利用云模型来优化并行蚁群算法,提出了一种基于云模型的并行蚁群-SVM网页分类方法。将蚂蚁当前位置坐标作为云滴的两个参数,用逆向云发生器产生信息云的三个数字特征,采用不同的方法来更新蚂蚁的信息素,比较真实地体现了现实蚁群的运作情况,达到了实时动态更新的效果。通过对比测试,验证了CPACA-SVM方法在准确率和召回率上均有明显提高,具有较好的分类效果。

基于数据拟合的有确定度逆向云算法

逆向云算法实现了定量数据到定性概念的转换,对云模型的研究有着重要的理论意义和应用价值。现有的有确定度逆向云算法采用均值法求期望Ex的估计值,当云滴样本数较少时将会出现较大误差。提出了一种通过非线性最小二乘法数据拟合高斯云的期望曲线求得期望Ex的估计值方法,再通过高斯分布参数估计法得到熵En和超熵He的估计值。通过误差比较实验,验证了改进的算法能减小参数估计误差,提高算法精度。

基于云模型的定性评价方法

基于自然语言的定性评价在人类活动中有着广泛应用.逆向云能有效实现从定量数值到定性概念的转化,用3个数字特征表示定性概念.概念提升操作可以将用数字特征表示的原子概念组合成粗粒度的综合概念.通过儿童健康发育状况评测实例,验证基于逆向云和概念提升的定性评价方法的实用性、全面性和有效性.

关于舰艇油耗标准预测方法研究

舰艇油耗标准是舰艇部队的一项重要基础数据,正确地对舰艇油耗标准进行预测,是确定舰艇油耗标准的主要依据。由于舰艇油耗数据具有较明显的小样本特征,当部分数据异常,离散程度大时,传统方法预测的可信度就大大降低。针对现有方法在舰艇油耗标准预测中的局限性,设计实现了一种基于数据距离和灰关联度的舰艇油耗标准预测方法。首先通过设置数据距离的多级异常参数,实现异常数据的按层级分离;然后通过设置最小距离修正系数和最大距离修正系数,改进灰色距离测度法,实现油耗标准的预测。结果表明,通过修正最小距离的灰色距离测度法获得的油耗标准预测值,能体现舰艇的实际油耗,具有较高的可信度和准确度。对比分析证明了上述方法的有效性和合理性。

采用趋势状态分析的风机齿轮箱状态在线评估云模型

为预防风机齿轮箱严重故障的发生,提出了一种结合正态云模型和趋势状态分析法的齿轮箱状态评估模型.首先,基于数据采集与监控(SCADA)系统的历史数据,采用支持向量机方法建立齿轮箱运行温度预测模型,对齿轮箱不同状态下的趋势预测特征进行分析,求取正常和异常状态时预测值的相对误差序列.然后,采用改进无确定度逆向正态云发生器,利用所求取的相对误差序列提取正常云和异常云的数字特征,构建齿轮箱状态评估云模型.该模型能够根据风机SCADA系统的实测数据,求取齿轮箱当前状态对正常云和异常云的贴近度,并采用最大贴近度原则确定齿轮箱状态.最后,利用辽宁某风机齿轮箱的实测数据对所提模型进行验证.结果表明:该模型能够对齿轮箱的早期缺陷及时预警,达到实时监测的目的.

基于云模型的混合教学教师技能评价分析

随着高校教学改革的不断推进,越来越多的高校采用混合式教学模式从事教学活动,从而也对教师技能提出了新的要求。对混合式教学模式下的教师技能进行客观具体的评价成为重要环节。采用云模型理论的虚拟云算法对教师技能进行评价,体现了评价本身所具有的模糊性和随机性,评价结果真实,符合实际情况,并挖掘出有价值的教学信息。