融合物理理解与模糊逻辑的分类强对流客观短期预报系统:(1)系统构成

提供准确的雷暴、短时强降水、雷暴大风和冰雹客观短期预报产品,对提高预报预警的预见期,及早采取有针对性的预防措施有重要意义。基于对四类强对流天气现象物理成因理解,给出了由国家气象中心牵头研发,融合模糊逻辑人工智能方法的分类强对流客观短期概率预报系统的流程框架和实现方法,详细介绍了该系统的结构特征,以及系统中用于雷暴、短时强降水、雷暴大风和冰雹四类强对流天气预报模型构建的关键预报因子、隶属度函数获取方法和权重因子配置等信息,并在此基础上探讨了物理理解与模糊逻辑人工智能相融合方法具有广泛适用性的本质,可以表征产生特定强对流天气现象的环境配置的多样性和复杂性。

融合物理理解与模糊逻辑的分类强对流客观短期预报系统:(2)表现评估

本文对分类强对流客观短期概率预报系统2022年6月13日强对流过程预报产品的表现进行分析,基于2022年的雷暴、短时强降水、雷暴大风及冰雹客观概率预报产品和可用的分类强对流监测实况资料,结合强对流预报业务中使用的空间检验方法和常用的确定性及概率性检验指标,对该短期预报系统提供的四类强对流天气客观概率预报产品进行了详细的性能评估。用于评估的预报资料是时段为2022年4月1日至9月30日每天08时(北京时)起报,96 h内逐12 h间隔的预报产品。预报个例分析显示,四类产品均可提前24 h指示需要关注的强对流天气区域。统计检验结果表明,短时强降水各方面性能最好,其次是雷暴,雷暴大风也有一定的可参考性。四类强对流天气预报产品均存在预报概率与实况频率相比偏高的过度预报问题。雷暴、短时强降水和雷暴大风预报产品均存在与预报覆盖时效有关的日变化。评估结果为预报模型和系统后续改进发展奠定了基础,为应用基于融合物理理解与模糊逻辑人工智能方法的分类强对流预报产品提供了有益参考。

基于模糊聚类算法的电子档案分类管理系统

为增强电子档案资料管理水平,设计一种基于单标签射频识别(radio frequency identification,RFID)的电子档案分类管理系统。使用RFID搭建系统框架,通过中心数据库、终端管理器模块实现RFID数据存储与传输,运用文件管理、档案管理、开发利用及系统维护4个模块完成电子档案分类管理日常运维;引入模糊聚类算法提取电子档案数据信息熵,使用关联规则实现数据融合与自主调度,特征分解数据运行状态信息,并通过神经网络组建分类器对电子档案分类。实验结果证明:该系统运行时能实现高负载均衡,且CPU利用率低,在分类管理方面拥有准确率高、响应速率快等优势。

基于模糊层次聚类的大学生就业数据分类存储系统

文中研究基于模糊层次聚类的大学生就业数据分类存储系统,在总体设计上,通过模糊层次聚类技术构建系统框架,设计4个功能模块对应就业信息分类存储模式,满足大学生就业信息流转形式;以一一对应关系设置大学生就业信息数据分类存储结构,基于所属关系关联大学生的基本信息。在详细设计中,按照数据存储表和字典表两个类型构建大学生就业信息数据库;选择模糊层次聚类算法计算数据隶属值,设定信息数据聚类流程,实现大学生就业信息数据的分类存储,完成系统设计。实验结果表明:以多个专业的大学生就业人数作为数据样本,新系统即可实现不同专业类型大学生就业数据的精准存储,且分类存储时间能够保证在10 s之内,该系统具有很好的实际应用价值。

基于模糊规则的电力系统运行数据异常识别研究

在识别电力系统运行数据异常的过程中,由于缺乏对数据之间关联关系的分析,识别结果的误差相对较大,因此提出一种基于模糊规则的电力系统运行数据异常识别方法。在构建电力系统运行数据模糊规则阶段,充分考虑了电力系统运行数据自身的属性特征,以合理粒度为原则,构建了具有多层结构的模糊规则,对数据的特征参量进行分割处理后,根据数据集中隐含的结构信息构建了电力系统运行数据之间的关联关系。在数据异常识别阶段,将模糊规则作为判断标准,计算电力系统运行数据的特异性程度,并通过约束模糊粒度保障识别结果的精度。测试结果证明,设计方法对不同程度数据异常的识别误差始终稳定在3.0%以内。

基于模糊计算的音乐人工智能演奏系统设计

本文设计了一种基于MIDI的音乐人工智能演奏系统,其特点是根据乐谱音乐要素审美的模糊性,运用模糊计算建立了能够调整声音变化参数的演奏解释规则。该系统在人机交互的作用下,会产生符合演奏者或学习者音乐表现需要的自适应、自调整功能。系统功能通过MIDI声音调整技术、音乐感知规则生成技术、音乐审美学习技术等环节实现。基于模糊计算的音乐演奏系统克服了MIDI音乐情感表现力的局限性,将演奏算法作为一种人工学习工具融入演奏技术系统中,从一定角度建立了音乐人工智能演奏的审美表现学习模式,为音乐演奏者提供了一种从审美感知到认知的学习训练系统。

基于模糊识别的制冷系统故障诊断研究

【目的】解决制冷系统故障诊断中不确定性知识的表示问题。【方法】以典型的制冷压缩机为例,采用模糊识别理论方法,研究了基于压缩机振动噪声和温度信号的故障特征提取、模糊规则库构建、模糊矩阵匹配识别算法设计。【结果】仿真结果表明,该方法可以检测识别出润滑故障、制冷剂流量故障、过载故障和管路连接故障等常见故障,总体识别准确率达到80%以上,实现了对压缩机故障的有效检测和预警。【结论】相比依赖大数据的深度学习技术,该方法更可靠,更适用于对安全性和稳定性要求较高的制冷系统。应进一步扩充规则库,丰富可识别故障类型,并进行更多工程验证,以提升故障诊断与预测的效果。

基于模糊分类关联规则的分类系统

为了构建高性能的分类系统 ,应用模糊集软化数量型属性的划分边界 ,提出了模糊分类关联规则的挖掘算法 由于模糊集能很好地贴近人类的思维方式 ,因此挖掘得到的模糊分类关联规则易于被人理解 接着提出了基于模糊分类关联规则的分类系统 ,并采用遗传优化算法训练分类系统 实例分析的结果表明 。

基于特征传递与重构的深度模糊分类器

为了获得具有良好的分类准确性同时兼具可解释性的模型,提出了一种基于特征传递与重构的深度模糊分类器(deep fuzzy classifier based on feature transform and reconstruction,FR-DFC)。基于深度学习的层次堆叠思想,数个用于特征传递的模糊系统(fuzzy systems for feature transform,FT_FS)和一个多原型模糊分类系统(multi-prototype fuzzy classification system,MPRFD_FS)堆叠在一起实现了模型的分类过程。其中,数个堆叠的FT_FS将数据从原始数据空间传递到高层特征空间中来探索数据中隐含的特征信息。MPRFD_FS则依据多个描述高层特征空间中类的分布特征的原型来实现分类。另一方面,利用多个用于特征重构的模糊系统(fuzzysystems for feature reconstruction,RE_FS)建立高层特征空间与原始数据空间的映射关系,并在原始数据空间中建立了一个便于理解的近似模糊分类器来保证FR-DFC具有可解释性。采用基于梯度下降和端到端的学习方式来优化模型的参数。优化的目标函数包含了分类损失函数和重构损失函数,能够同时保证模型的分类准确性和可解释性。实验结果表明:该分类器在提升分类准确性的同时兼具可解释性。

基于特征选择和模糊类支持度的模糊分类关联规则挖掘算法

模糊分类关联规则(Fuzzy Classification Association Rules,FCAR)是一种特殊的模糊关联规则,挖掘FCAR对于构建基于规则的分类模型至关重要。传统关联规则挖掘算法挖掘FCAR时可能会包含较多冗余规则,并且在数据集类别不平衡时,挖掘到的小类规则的数量会急剧减少甚至降为0。为解决上述问题,提出了一种基于特征选择和模糊类支持度-模糊提升度框架(Fuzzy Category Support-Fuzzy Lift Framework,FCS-FLF)的FCAR挖掘算法FSFCS Based FCARMiner(Feature Selection and Fuzzy Category Support-Fuzzy Lift Framework Based FCAR-Miner),基于模糊隶属度矩阵迭代挖掘FCAR。在多个类别不平衡的数据集上的实验结果表明,相比其他算法FSFCS Based FCAR-Miner算法能够避免大量冗余规则的生成,同时也能适应数据类别不平衡的情况,不会出现各类规则数量相差悬殊的情况。

基于模糊规则的地面式储能系统自适应PID控制

城市轨道交通地面式储能系统采用电压环串电流环的结构,根据直流网电压来控制其充放电。此处对地面式超级电容储能系统DC/DC变换器电压外环控制动态响应速度和稳定性进行了优化研究,利用传递函数分析了牵引网电压、超级电容电压和电感电流变化对电压环电流环性能的影响,结果表明超级电容电压、牵引网电压共同影响充电电压环动态响应速度;其次考虑电压环引入滞环判断,分析由于滞环带来的非线性特性对充电电压环稳定性的影响,结果表明滞环在一定条件下会对充电电压环的稳定性造成影响;在所分析的问题基础上,提出了充电电压环模糊自适应比例积分微分(PID)控制策略,改善了充电电压环动态响应速度和稳定性。

T-S模糊Markov跳变系统的有限时间H_(∞)异步控制

针对一类在Takagi-Sugeno模糊规则下的Markov跳变系统,研究了基于模糊状态反馈控制器的有限时间H_(∞)异步控制问题。采用隐Markov模型刻画了模糊控制器与原系统的异步现象。首先,通过构造Lyapunov函数,运用有限时间有界性和H_(∞)控制理论,得到了闭环系统H_(∞)有限时间有界的充分条件。其次,设计了模糊状态反馈异步控制器,使得闭环系统H_(∞)有限时间有界。最后,通过仿真算例验证了方法的有效性和可行性。

基于模糊超图神经网络的节点分类方法

【目的】超图神经网络(HGNN)具有学习类间唯一性和类内共性的能力,可以显著提高学习性能。但是,传统HGNN方法缺乏决定低维数据节点间如何进行连接交互的强关系归纳。针对此问题,提出一种基于模糊理论的模糊HGNN(FHGNN)节点分类算法,根据数据节点的特征信息构建超图结构,加强了图的节点信息对节点连接的影响。【方法】FHGNN首先采用了一个边聚焦的图神经网络(GNN),通过边标签的迭代更新进行边预测。并根据边预测的输出设计模糊隶属度函数,以实现更精确的节点间连接关系表示。最后通过得到的关系表示构造超图,并再次对节点进行分类训练得到结果。在FHGNN中使用了边标签损失函数和节点标签损失函数并分别对其参数进行训练学习。【结果】实验结果表明,所提的FHGNN方法更能够适应小规模低维数据,并在节点分类任务上取得好的效果。【结论】对于不同数据集的分类任务,FHGNN可以更有效学习节点的相关特征信息,提高学习的效果。

基于高职分类招生系统的数据挖掘研究——以成都航空职业技术学院为例

数据挖掘作为一门交叉学科,可以把人们对信息的应用从简单的查询和保存,提升到知识挖掘,为最终决策提供支持。为保障高职院校生源及发展,把数据挖掘技术应用到分类招生工作中已然成为必要手段。基于此,对高职分类招生考试中普通类和对口类招生方案学生信息和报到率进行数据挖掘,采用关联规则方法中的Apriori算法分析影响报到率的相关因素,进而给出符合高职院校招生发展的策略建议。

基于人工智能的智能垃圾分类系统设计与实现

随着环境问题的加剧,垃圾分类受到广泛关注。文中设计了一种基于人工智能的智能垃圾分类系统,包括垃圾识别和分类两部分。系统利用卷积神经网络模型实现垃圾准确识别,通过模糊逻辑理论进行高效分类。测试显示,相比传统方式,本系统大幅提高了垃圾分类准确率,且运行稳定,减少了人力投入。此外,系统利用人工智能技术,可以对未分类垃圾进行自我学习,纠正分类错误,以提高垃圾分类的准确性。该系统的设计与实现,不仅有助于提高我国垃圾分类的普及率和准确率,也为我国环保事业提供了新的解决方案。

基于模糊规则的土壤分类系统

模糊分类系统一直被用于表示一个集合的分类知识,系统中包含分类知识的可读规则和对规则的相关解释。本文讨论了如何构建模糊分类规则,以及如何使用模糊分类规则来生成目标土壤数据。在模糊分类系统设计中最重要的任务是从训练数据中找到一套模糊规则来处理一个特定的分类问题。在本文中,首先定义模糊系统隶属度函数,根据隶属度函数确定土壤数据的输入属性类别,然后在生成初始模糊规则集的基础上用函数计算土壤数据的属性,最后合并这些模糊规则,产生最终的模糊规则集。

基于聚类分析的模糊分类系统构造方法

提出一种新的利用样本数据构造模糊分类系统的方法。首先对每一类样本进行聚类分析 ,提出一种自适应确定各类别聚类数目的迭代算法 ,从而实现对特征空间的划分。然后对每个特征子空间产生一条模糊规则 ,将所有的规则组合在一起形成初始模糊分类系统 ,并对该系统进行结构简化和参数优化 ,在系统结构尽可能简单的前提下 ,进一步提高系统的分类性能。最后利用该方法对二维特征空间的两类样本和 Iris数据样本进行分类。仿真结果表明 。

规则数确定的自适应模糊分类器

为使模糊分类器能够利用自适应模糊系统的诸多优点,并避免随着输入空间维度增加出现"维度灾难",提出一种新的模糊规则数确定的自适应模糊分类器.新分类器由多个用于区分出一种类别的模糊推理机组成,每个模糊推理机包含两条模糊逻辑"如果-则"规则,分类器的总规则数由待分类模式的类别数确定,分类器采用误差反向传播学习算法进行学习训练.对比反向传播神经网络分类器,通过对鸢尾花卉数据集与Ripley合成数据集的分类测试,表明新分类器具有较强的学习能力、分类识别能力,以及抗干扰、抗数据污染能力.

基于模糊区域分布的分类规则提取及推理算法

基于不同分类的样本在各规则对应模糊区域的隶属度分布,定义了一种规则相对匹配度,比分类匹配度更能体现样本在不同模糊区域的分布对比.设计了模糊区域分布矩阵,由该矩阵可以算得规则相对匹配度和分类匹配度,并提出了基于规则相对匹配度的分类规则提取算法,同分类匹配度算法相比,该算法充分考虑了每条规则之间的隶属度分布对比,同时以各分类样本的相对数量作为加权系数,从而兼顾了学习空间的全局密度优势和局部数量优势.通过解模糊器实现了基于规则的分类推理,其推理过程比以往算法具有更好的解释性和简洁性.最后,由Iris数据和Wine数据的分类实验证明:无论样本数量均衡与否,由规则相对匹配度提取规则都具有更好的分类效果.

基于协同进化算法的水轮机模糊PID调节系统模糊规则的研究

针对目前水轮机调节系统模糊PID控制缺乏有效的模糊规则的问题,通过协同进化算法优化不同工况下水轮机模糊PID控制的模糊规则和模糊PID算法中的三个比例因子,同时为了避免优化得到的模糊规则之间发生跳变,在目标函数中引入光滑因子,使各工况的模糊规则有规律可寻,从而在此基础上寻找出适合于水轮机调节系统不同工况的一组通用的有效模糊规则。仿真表明,本文提出的优化方法是可行的,寻找出的通用模糊规则能使不同工况下水轮机调节系统的模糊PID控制性能均优于常规PID控制。