基于有序加权平均算子的概率模糊认知图

模糊认知图(FCM)与概率模糊认知图(PFCM)使用简单的加权和集结因果推理结果,忽略了原因节点间关联关系的不确定性,阈值函数导致推理结果进一步失真。在继承FCM与PFCM优点的基础上,引入有序加权平均(OWA)算子模拟各种确定的或模糊的与或组合关系,提出了基于有序加权平均算子的概率模糊认知图(OWA-PF-CM)。通过构建一个动态的攻击效能评估模型,阐述了OWA-PFCM在工程建模中的应用。OWA-PFCM能同时表示因果节点状态的不确定性、因果联系强度的不确定性、与或组合关系的不确定性,具有更强的模拟能力。

混合模糊认知图

传统的模糊认知图(FCM)仅限于表示单调的或对称的因果关系,不能模拟原因节点间的与或组合关系.针对现有FCM模型的缺陷,提出了混合模糊认知图(HFCM).HFCM以单前件模糊规则拓展传统的因果模糊测度,增强了FCM的语义信息和模拟能力;使用WOWA或OWA集结算子融合因果推理结果,模拟原因节点间的各种与或关系.与传统FCM相比,HFCM具有更强的认知能力.与基于规则的FCM相比,HFCM规则库的规模及复杂度由几何级降至算术级,解决了组合激增问题,提高了FCM的表示与推理性能.HFCM兼有数值型FCM和语言型FCM的优点.

基于WOWA集结的模糊认知图(英文)

现有模糊认知图(Fuzzy Congnitive Map,FCM)模型忽略了原因节点间与或组合关系的不确定性.针对这一缺陷,作者通过引入加权的有序加权平均(Weighted Ordered Weighted Averaging,WOWA)算子来模拟原因节点间确定的或模糊的与或关系,提出了基于WOWA集结算子的模糊认知图框架.为增强传统FCM的因果认知性能,作者在此新的框架下,利用单前件模糊规则拓展数值型FCM的因果模糊测度,提出了一种混合模糊认知图模型.