模糊认知图学习算法及应用综述

模糊认知图(Fuzzy cognitive map, FCM)是建立在认知图和模糊集理论上的一类代表性的软计算理论,兼具神经网络和模糊决策两者的优势,已成功地应用于复杂系统建模和时间序列分析等众多领域.学习权重矩阵是基于模糊认知图建模的首要任务,是模糊认知图研究领域的焦点.针对这一核心问题,首先,全面综述模糊认知图的基本理论框架,系统地总结近年来模糊认知图的拓展模型.其次,归纳、总结和分析模糊认知图学习算法的最新研究进展,对学习算法进行重新定义和划分,深度阐述各类学习算法的时间复杂度和优缺点.然后,对比分析各类学习算法在不同科学领域的应用特点以及现有的模糊认知图建模软件工具.最后,讨论学习算法未来潜在的研究方向和发展趋势.

基于大型模糊认知图的复杂系统建模与推理研究

模糊认知图作为一种智能计算工具,具有直观的知识表达、快速的数值推理能力等优点,适用于系统建模与推理。为了实现复杂系统关联认知与聚类的集成挖掘,进而达到对它的有效分析与决策,在面向复杂系统的大型模糊认知图研究基础之上,提出了用于三江源生态决策的大型模糊认知图关联认知、状态建模与推理的思路与方法,它不仅可以提升大型模糊认知图在复杂系统建模与推理方面的理论研究,也将拓展其应用领域。

复杂系统模糊认知图的分解研究

本文对复杂系统的知识表示与推理采用了模糊认知图的分解方法,即对原始认知图的节点进行分组,然后在组节点上构造商认知图。这样关于原始FCM的分析就转化为商认知图和各子FCM的分析,商FCM的因果关系推理提供原始FCM的整体信息,而每个子FCM继承原始FCM的拓扑结构和推理,它提供原始FCM的局部信息。这样降低了复杂系统研究的规模与复杂性,同时也使对复杂系统的研究可以在各个分类层面上和各个分组上进行,增加了模糊认知图概念间研究的丰富性和灵活性。这种分解方法可以根据需要循环往复进行。

有界闭模糊复数集上映射的几个不动点性质

首先介绍了模糊复集与模糊复数的相关概念,根据复模糊集的多元扩张原理给出有界闭模糊复数的一般运算。其次,给出模糊复数序列依度量收敛的概念,在有界闭模糊复数构成的度量空间上给出模糊复数值映射的连续性和压缩映射概念。再次,重点研究了此度量空间上模糊复数值映射的不动点问题,得到了有关此映射不动点、最大不动点和最小不动点存在性的一些新结果,为进一步在经济和工程技术领域的应用奠定了理论基础。

复杂景观环境下土壤厚度分布规则提取与制图

复杂景观环境下,土壤—环境关系知识的获取是预测性土壤制图的基础。为了探究复杂景观下土壤厚度分布与环境条件的关系,该文以黑河上游祁连山区典型小流域为研究区,应用模糊c均值聚类(fuzzy C-means cluster,FCM)和决策树(decision Tree,DT)方法,建立了一套获取土壤厚度分布与环境间关系知识的方法。利用2种方法结合获得流域内土壤厚度各分布等级的环境要素关键阈值与土壤-环境关系知识集,将所得环境阈值和知识集进行预测性制图,并通过野外独立样点对制图结果进行精度评价。结果表明:土壤厚度图的总体精度为74.2%,Kappa系数为0.659。该研究将2种方法结合获得了土壤厚度分布对应的土壤环境关键阈值和土壤-环境关系知识集,为复杂景观环境下土壤厚度的预测性制图提供了一种有效的解决方案。

基于模糊核学习矢量量化的Sammon非线性映射算法

提出了一种基于可靠稳定的模糊核学习矢量量化(FKLVQ)聚类的Sammon非线性映射新算法。该方法通过Mercer核,将数据空间映射到高维特征空间,并在此特征空间上进行FKLVQ学习获取数据空间有效且稳定的聚类权矢量,然后在特征空间和输出空间上仅针对各空间的数据样本和它们各自的聚类权矢量进行Sammon非线性核映射。这样既降低了计算的复杂度,又使数据空间和输出空间上数据点与聚类中心间的距离信息保持相似。仿真结果验证了该方法的可靠性和稳定性。

有界闭模糊复数集上映射的一些性质

有界闭模糊复数是一类应用最为广泛的模糊数,它具有良好的结构和性质.本文重点研究了有界闭模糊复数集上的映射的一些性质,得到了一些新结论,为后继研究工作奠定了一定的基础.

面向复杂结构零件的逆向测量规划技术

提出了一种复杂结构零件的逆向测量规划技术。基于功能-结构的层次映射,研究了复杂结构零件的元特征解耦机理,提取基本测量单元。构建包含精度特性、特征复杂度等元特征属性的信息模型及包含测量精度等的测量方法信息模型。建立元特征和测量方法匹配评价影响因素集,研究特征属性的关系模型。在此基础上,通过定性评价和模糊定量评价两个步骤得到匹配优度量化值,实现了测量方法的定量化最优选择。然后,对分散的元特征进行组合,优化整个测量过程。最后,采用此方法对汽车发动机气缸盖进行了快速逆向测量,并重构了计算机辅助设计模型。实验结果表明,该方法可以提高复杂结构零件的逆向设计效率与质量。

基于智能聚类的复杂案例匹配研究

案例匹配在基于案例的推理(CBR)中非常关键[3],直接影响到CBR系统的有效性和高效性.在某些CBR的应用领域中,案例比较复杂,案例匹配的实现也比较困难,匹配结果的准确性和匹配速度都难以保证.本文提出的基于智能聚类的复杂案例匹配方法,为提高匹配结果的准确性和匹配速度提供了一条良好的途径.

基于信息熵和模糊集的网络安全知识图谱选择技术

网络安全知识图谱是智能问答等教育系统设计的研究重点,为自动生成和动态调整符合不同行业或领域的网络安全知识图谱,本文设计了基于信息熵和模糊集的知识图谱选择技术.由于网络安全知识逻辑性较强,各行业领域侧重点差别较大,当前又缺乏合适的知识模型,所以目前尚未形成系统化的知识库.为提高图谱生成的准确度,首先提出网络安全知识模型,通过引用信息熵的概念定义了知识图谱复杂度并验证其性质,结合信息粒度提出了基于模糊集的知识图谱选择技术.具体的仿真结果表明,图谱选择技术能够很好的满足用户需求,其准确度和可用性均优于传统方法,为网络安全及其他领域的知识图谱选择提供了技术参考.

Medical decision support systems based on Fuzzy Cognitive Maps

This paper determines the risk for cardiovascular diseases(CVDs).and nutrition level in infants aged 06 montlis using Fuzzy Cognitive Maps(FCMs).The aim of this study is to facilitates the medical experts to early detects these diseases with accuracy,so that overall death ratio can be reduced.Firstly,we have introduced the concepts of FCMs and briefly refer to the applications of these methods in medical.After that,two intel ligent decision support systems for cardiovascular and malnutrition are developed using FCMs.The proposed cardiovascular risk assessment system takes six inputs:chest pain,cholesterol,heart rate,blood pressure,blood sugar,and old peak and determines CVDs risk.The second decision support system of malnutrition diagnosis takes twelve inputs:breastfeeding,daily income,maternal education,colostrum intake,energy intake,protein intake,vitamin A intake,iron intake,family size,height,weight,head circumference,and skin fold thickness and diagnoses the nutrition level in infants.We have explained the working of both decision support systems using case studies.

SOM-T2 FLS在股市预测中的应用研究

由于金融市场的复杂性和特殊性,现有预测算法的性能在牛市和熊市中呈现出较大差异,导致分类精度不高和抗风险能力不强,提出一种基于自组织特征映射-2型模糊逻辑系统(SOM-Type-2 Fuzzy Logic System,SOMT2 FLS)的分类算法。通过SOM网络将样本集分成两个不同子集,然后在每一个子集下分别学习T2 FLS分类器。在分类器学习过程中,提出将规则库的长度作为正则项,降低模型复杂度。利用中国证券市场的历史数据,验证了该算法较现有算法具有更好的预测效果和抗风险能力。