基于多分辨率分析的区间类型2模糊系统

为了更有效地表达和处理系统的不确定性,提出了基于多分辨率分析的区间类型2(简称多分辨率区间类型2)模糊系统,构造了多分辨率区间类型2隶属度函数,并给出了基于尺度函数分解的结构和参数学习算法.多分辨率区间类型2模糊系统的前件是多分辨率隶属度函数,后件是输入的线性函数,因此系统可以自适应地划分输入论域空间,优化系统结构.将多分辨率区间类型2模糊系统应用于带有噪声的时间序列预测,预测结果的复杂度较小,均方根误差为0.105 2.

鲁棒区间类型2可能性C均值聚类

提出了一种鲁棒区间类型2可能性C均值(IT2PCM)聚类规则,其实质是采用交替迭代结构进行聚类的交替类估计,但隶属度函数通过区间类型2模糊集合来选择.在提出的方法中,类原型的更新方程通过将降型与解模糊相结合的形式来计算.在鲁棒统计的框架下,通过φ函数的分析指出这种更新方程对类内不确定的模式以及野点具有鲁棒性.最后,与现有的鲁棒聚类规则进行比较,仿真结果说明了IT2PCM良好的鲁棒性.

基于类型2区间模糊K近邻分类器的动态武器-目标分配方法研究

动态武器-目标分配问题是战场指挥控制决策中的关键问题。由于动态武器-目标分配算法是在攻击间隙所做的决策,对计算时间的实时性要求较高。解决这一问题,可以采用机器学习的方法基于战场辅助决策系统的武器-目标分配,从已知的决策中推理生成出新的决策,而不必每个步骤中都重新搜索新的目标分配方案。根据这种思路,提出了一种基于类型2区间模糊K近邻分类器的武器-目标分配方法,利用分支定界法得到的分配方案作为训练样本,通过构造并行运行的类型2区间模糊K近邻分类器来推导目标分配结论,实现了快速决策的目的。