运用区间二型模糊集的半监督模糊聚类算法

将区间二型模糊集引入半监督聚类,提出一种运用区间二型模糊集的半监督聚类算法.该算法以区间二型模糊集为隶属度,将已标识样本的类别标签融入目标函数,使得聚类算法可以在已标识样本类别信息的引导下,得到合理的隶属度.实验表明,相比其他聚类模型,结合半监督机制和区间二型模糊集的聚类算法具有更好的聚类性能.

基于区间二型模糊集的轮系传动方案综合评价

传统方案评价缺少合理的方法指导、主观性强,同时轮系传动方案评价指标复杂多样,难以从定性评价转换至定量评价。针对轮系传动方案的综合评价及优选问题,提出了基于区间二型模糊集(IT2FSs)的轮系传动方案综合评价方法,建立了相关的综合评价数学模型。首先,在考虑了轮系传动方案的静态特性、动态特性及结构特征的基础上,构建了多层次、多源异构性的综合评价指标体系;然后,采用了基于IT2FSs的模糊层次分析(FAHP)法,并结合了区间二型依赖有序加权平均(IT2DOWA)算子的方法,以分配指标权重;采用了构建评价函数的方法,对评价指标数据进行了预处理,以解决复杂指标数据不可量化的问题;针对不同数据类型的指标存在无法统一度量的问题,采用了概率统计结合模糊综合评价(FCE)的方法,对于轮系传动方案进行了定量化的综合评价;最后,以某轮系传动方案为例,根据仿真分析和理论推导,说明了评价方法的可行性;采用鲁棒性分析方法,对基于IT2FSs的轮系传动方案综合评价方法的有效性进行了验证。研究结果表明:该方案的定量化综合评价分数值为62.53,评价结果良好,基本满足使用需求;鲁棒性分析中的所有方案均保持了原先排名,说明该方法具有一定的抗干扰性。

基于区间二型模糊集合的语言动力系统稳定性

运用区间二型模糊集合(Interval type-2 fuzzy sets,IT2FSs)的扩展原理将常规的数值函数转化为对应的区间二型模糊函数,并给出了相应的词计算(Computing with words,CW)方法与算法,最后分析了严格单调情况下基于区间二型模糊集合的单输入单输出系统的语言动力系统(Linguistic dynamic systems,LDS)稳定性.

区间二型模糊集效用函数和熵在风险决策中的应用

针对以区间二型模糊集(IT2FS)为信息环境的多属性决策(MADM)问题,引入IT2FS效用函数,并提出基于IT2FS效用函数,熵和风险因子的风险决策模型。首先基于截集思想提出两种IT2FS效用函数公式,有效提取了IT2FS全部信息,比以往的序值型公式更加科学有效。其次基于已提出的IT2FS三种不确定度量存在的问题提出三种新型不确定度量,并基于此三种不确定度量提出IT2FS熵公式弥补原有熵度量的不足。再次引入风险偏好因子反映决策者不同的风险态度,并改进风险偏好因子范围。构造基于效用函数,熵和风险偏好因子的风险决策模型。最后利用一个实例分析结果表明,该风险决策模型中决策者风险偏好对属性权重以及方案的排序存在影响,该决策思想对风险投资决策和风险管理决策均有一定的参考作用。

广义区间二型模糊集合的词计算

普通的模糊集合是点值为二维的一型模糊集合,二型模糊集合(Type-2 fuzzy sets,T2FS)是点值为三维的模糊集合,T2FS比相应的一型难以理解和计算.为了让人们更好地理解T2FS并推广其应用,本文提出了广义区间二型模糊集合(Generalized interval type-2 fuzzy sets,GIT2 FS)的定义,并将其分成三类:离散型、半离散型及连续型,分别给出相应的数学表达式与扩展原理公式,并得到了GIT2FS在两种不同的模糊逻辑算子下的词计算。

基于区间二型模糊集的农田障碍物分割方法

针对非结构化农田环境下障碍物图像在应用传统算法进行图像分割时,效果不明显,容易受到水渍、阴影等外界环境影响等问题,提出了一种基于区间二型模糊集的农田障碍物图像分割方法。该方法将采集到的原始农田彩色图像转换到Lab颜色空间,提取出a分量并将其转换为灰度图像,对所得灰度图像进行模糊化处理,将其转换为区间二型模糊集,选择最大熵值所对应的灰度值对图像进行分割。通过实验和分析,本文算法能够更好地分割出农田障碍物目标,是一种有效的农田障碍物图像分割方法。

基于贝叶斯模式平均与区间二型模糊集的分区灌溉方法

为解决松嫩平原水稻灌溉水需求不断增长与地下水资源可持续利用之间的矛盾,实现节水控采目标,本文以松嫩平原北部和平灌区水稻种植区为例,通过2017-2019年降雨-地下水-产量动态监测试验,揭示灌域尺度地下水时空变化规律;采用聚类分析与空间叠加分析提出了基于地下水埋深的分区方法,确定研究区的地下水埋深分区界限;根据地下水埋深分区结果,采用贝叶斯模式平均(Bayesian Model Averaging,BMA)方法,融合AquaCrop、Jensen模型,进行平、枯水年各分区灌溉情景的产量模拟,提高了地下水埋深分区条件下的产量模拟精度。引入风险偏好因子刻画决策者的风险态度,基于区间二型模糊集(IT2FS)理论对各地下水埋深区域的灌溉制度进行综合评价,利用有序加权平均算子(Ordered Weighted Averaging,OWA)集结综合评价值,提出了不同地下水埋深区域水稻种植的优化灌溉制度。结果表明:研究区地下水埋深分区界限为1.5 m;采用BMA方法有利于提高地下水埋深分区条件下的产量模拟精度,与实测产量相关性系数超过0.95;分区灌溉模式下各区产量-灌水量响应规律存在差异,但与现行灌溉制度相比,分区灌溉能减少稻田灌水量15%~37.6%,减少地下水开采量12%以上。

区间二型模糊集彩色遥感图像边缘检测方法

针对一型模糊集其隶属度函数是确定的,不具有柔性,很难满足图像的多方面边缘检测要求,及传统PalKing算法采用单一阈值对图像进行增强难以满足灰度变化丰富且含大量信息的彩色遥感图像处理的要求。提出了一种新的基于区间二型模糊集的彩色遥感图像边缘检测方法。实验结果表明,它能较好地检测出彩色遥感图像边缘,因此是一种实用有效的彩色遥感图像边缘检测方法。

基于区间二型模糊集的VIKOR多属性决策方法研究

针对传统VIKOR方法不能处理不确定语言信息的缺陷,本文在VIKOR方法的基础上提出了一种基于区间二型模糊的VIKOR扩展方法用于解决多属性决策问题。首先介绍了区间二型模糊的概念、运算法则,接着定义了一种新的计算区间二型模糊集之间的距离公式,在此基础上提出基于区间二型模糊的VIKOR扩展方法。最后,通过一个算例说明该方法的有效性和合理性。

区间二型模糊集和模糊系统:综述与展望

一型模糊集可以建模单个用户的语义概念中的不确定性,即个体内不确定性.一型模糊系统在控制和机器学习中得到了大量成功应用.区间二型模糊集能同时建模个体内不确定性和个体间不确定性,因而在很多应用中显示了比一型模糊系统更好的性能,是近年来的研究热点.本文首先介绍了区间二型模糊集的重要概念和理论研究进展,总结了其在决策和机器学习中的成功应用,然后介绍了区间二型模糊系统的基本操作和理论研究进展,并回顾了其在控制和机器学习中的典型应用.最后,对区间二型模糊集和模糊系统未来的研究方向进行了展望.

一种新的区间二型模糊集排序方法

区间二型模糊集排序是模糊决策领域中的一个重要内容,然而文献中排序方法在某些情形下无法区分区间二型模糊集的排序顺序.针对这一问题,给出了一种新的基于模糊集内心的排序方法,依据排序值的大小来确定区间二型模糊集的排序顺序.与已有排序方法相比较,所给方法能够有效区分区间二型模糊集的排序顺序.

基于区间二型模糊集理论的光学隐身评价研究

根据地面目标光学隐身图像的特点,提出了一种基于区间二型模糊集理论的光学隐身评价方法.针对以往隶属函数与图像并无物理意义上属性关系的问题,基于韦伯定律,建立图像固有灰度对比度与人眼表观亮度对比度的关系,构造符合人眼视觉特性的图像表观亮度对比度隶属函数,通过计算区间二型模糊隶属函数不确定性轨迹(Footprint of uncertainty,FOU)区域的交集大小判断隐身程度,交集越大,隐身程度越高.结果表明,本文构造出的区间二型模糊集方法与人眼主观评价结果的一致性较好,可作为一种新的隐身评价方法.

基于区间二型模糊EDAS的多属性决策方法

针对多属性决策存在的复杂性和不确定性问题,提出基于区间二型模糊平均解距离法(evaluation based on distance from average solution,EDAS)的多属性决策方法。采用区间二型模糊集合(interval type-2 fuzzy sets,IT2FS)表达评价信息解决专家的偏好信息存在个体化差异问题,并纳入EDAS对备选方案进行排序。以区间二型模糊数表达评价信息构建决策矩阵,以计算得到的综合评价值的去模糊化结果作为最终的方案排序依据。针对EDAS中属性权重需要从外部获取的问题,采用区间二型模糊集合改进的最优最劣法(best-worst method,BWM)确定属性权重。最后,以某汽车制造企业选购新能源汽车云服务方案为例,验证所提方法的有效性。

对区间二型模糊集的EKM降型法的改进

二型模糊集的质心计算称为降型,目前的降型方法大多计算成本较高,其中EKM(Enhanced Karnik-Mendel)法可计算区间二型模糊集的质心.然而,由于EKM算法中求取切换点的初始化方法还不完善,计算时问较长,使其在实际应用中受到一定限制.对此,提出一种新的改进EKM法,对原有方法进行了两处改进:更改切换点的初始化条件和改进查找切换点的方法.所提出的方法可实现向上和向下搜索,计算量大大减小,降型更有效.仿真结果验证了新的改进EKM法的有效性.

一一映射下区间二型模糊集合的语言动力学轨迹

给出区间二型模糊扩展原理,并将常规的一一映射抽象成与之对应的区间二型模糊映射.介绍基于区间二型模糊扩展原理的词计算方法.最后分析区间二型模糊集合的语言动力学轨迹.

区间二型模糊集合的表述与应用

通过引入多值映射,本文给出了二型模糊集合的新定义以便其能更好地容易理解,并在修正的不确定覆盖域(footprint of uncertainty,FOU)定义与公式的基础上,提出了FOU划分法来表示连续区间二型模糊集合,最后将该表示方法应用于区间二型模糊集合的词计算及并、交、补运算之中。

基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策

为了探索区间二型模糊背景下的多属性群决策方法,以多粒度概率粗糙集为基础,结合MULTIMOORA(Multi-Objective Optimization by Ratio Analysis Plus the Full Multi-Plicative Form)与证据融合理论,发展了一种基于区间二型模糊信息的多粒度证据融合决策模型.首先,提出多粒度区间二型模糊概率粗糙集模型;然后,通过离差最大化法和熵权法计算决策者权重和属性权重,依据多粒度概率粗糙集和MULTIMOORA法建立区间二型模糊多属性群决策模型,通过源自D-S证据理论的证据融合方法融合得出决策结果.通过钢铁行业耗能的实例,证明提出方法的可行性与有效性,总体上,提出的决策模型具备一定的容错力,有助于获得强解释力的稳健型决策结果.

基于Nie-Tan算法的区间二型模糊集质心计算:改变主变量采样个数

计算区间二型模糊集的质心(也称降型)是区间二型模糊逻辑系统中的一个重要模块。Karnik-Mendel(KM)迭代算法通常被认为是计算区间二型模糊集质心的标准算法。尽管如此,KM算法涉及复杂的计算过程,不利于实时应用。在各种改进类算法中,非迭代的Nie-Tan(NT)算法可节省计算消耗。此外,连续版本NT(CNT,continuous version of NT)算法被证明是计算质心的准确算法。本文比较了离散版本NT算法中求和运算和连续版本NT算法中求积分运算,通过四个计算机仿真例子证实了当适度增加区间二型模糊集主变量采样个数时,NT算法的计算结果可以精确地逼近CNT算法。

基于加权Karnik-Mendel算法的区间二型模糊集质心计算

区间二型模糊集的质心计算(也称降型)在二型模糊逻辑系统中起着很重要的作用。Karnik-Mendel(KM)算法是完成降型的标准算法。本文介绍了区间二型模糊集相关理论,比较了离散KM算法与连续KM(continuous KM,CKM)算法中的运算,通过数值分析技术中牛顿-柯特斯求积公式将KM算法扩展成三种不同形式的加权KM(weighted KM,WKM)算法,而KM算法只是WKM算法的一种特例。计算机仿真例子用来阐述和分析WKM算法的表现,其在计算两种不对称区间二型模糊集质心时可取得比KM算法更小的绝对误差和更快的计算速度,这给二型模糊集及其模糊逻辑系统设计和应用提供了潜在的价值。

基于区间二型模糊集的模糊等价关系聚类分析

传统聚类算法在解决含有不确定性的聚类问题时具有很大的局限性,为了更好地解决聚类问题中的不确定性,论文基于区间二型模糊集理论,提出了基于二型模糊等价关系的聚类分析算法.论文首先将语言变量信息完整地转化为区间二型模糊集,接着把语言变量和区间二型模糊集的优势相结合,通过区间二型模糊集的Jaccard相似度,提出了基于区间二型模糊语言变量的模糊等价关系聚类分析新方法,并设计了具体的算法流程.新聚类算法相对于传统的模糊等价关系的聚类算法,具有更好地处理不确定性问题的能力,避免了聚类计算过程中的信息丢失.同时新聚类算法可以灵活给出随聚类相似性参数变化的动态聚类结果.论文最后以电商平台的手机品牌聚类为例,验证了新算法的可行性和合理性.