语言值直觉模糊二元组的多重多维推理方法

针对语言值推理中信息缺失的问题,基于直觉模糊集和语言值直觉模糊二元组表示模型,对多重多维模糊推理方法进行扩展,提出了语言值直觉模糊二元组的多重多维推理方法及一种先聚合规则再进行推理的扩展方法.该方法可以有效减少推理过程中语言值信息的缺失,通过将此方法应用于实例中说明了合理性.

QCS:一种OLAP预防多维推理方法的研究

针对目前多数联机分析处理(OLAP)推理控制方法计算复杂性高、实用性不强的问题,在前人研究基础上,提出一种改进的基于查询单元集QCS(Query Cells Set)的OLAP预防多维推理方法。该方法把OLAP查询的多维推理威胁预防检测放在查询涉及到的底层不相交的单元集(即QCS),而不是单个单元上,从而降低了推理威胁检测算法的计算复杂性,这更符合OLAP的查询处理要求。同时给出QCS方法的有效性证明和算法的实现,并用实例进行说明。与以往的推理控制方法相比,QCS方法不仅可有效保护OLAP系统的隐私信息,而且具有较高的计算效率,能满足OLAP系统的实用性要求。

基于角色的混合多维推理控制方法研究

文章分析QCS方法存在的缺陷,提出QCS方法的两种性能优化策略,分别是安全访问集和基于角色的推理控制。在此提出一种改进的QCS方法——基于角色的混合多维推理控制方法。该方法先通过预定义的安全访问集进行静态多维推理控制,再利用QCB方法实施动态多维推理控制。相比CCB方法,该方法的推理控制在线执行效率有进一步提高。此外还引入了角色管理,在一定程度上解决用户间的串谋推理问题。最后给出该方法详细的实现模型、具体算法与性能分析。

多重多维模糊推理算法的连续性和逼近性

针对多重、多维模糊推理情形,细致地研究了几类模糊推理算法是否满足连续性和逼近性,并进一步讨论了这几类算法对逼近误差的传播性能。把模糊推理算法看成是一个模糊集合到另一个模糊集合的映射,选用海明距离作为两模糊集的距离度量方法,证明了在模糊假言推理和模糊拒取式推理情形,几类多重多维模糊算法都拥有连续性。当多重多维模糊算法满足还原性时就具有逼近性;该模糊算法都不会放大逼近误差。结果对构建模糊控制系统和模糊专家系统时选用和分析模糊推理算法有一定的指导作用。

基于优序图加权的多维稀疏模糊推理方法

在稀疏规则库条件下,多数的多维稀疏规则条件近似推理方法都难以保证推理结果的凸性和正规性,且没有考虑到多维变量对结论的影响权值。提出一种基于优序图加权的多维模糊推理方法,运用优序图确定权值,实验结果表明,该方法不仅减小推理结果的误差,而且能较好地保证推理结果的凸性和正规性。

表示和处理缺省知识的多维模糊推理方法及算法

本文采用 MAX-⊙复合运算 ,在基于模糊关系 Rb的多维模糊推理 Sugeno- Takagi的推理框架中 ,利用可能性量化语句 ,从理论上提出了一种表示和处理缺省知识的多维模糊推理方法 .从而提高模糊推理表示和处理知识的能力 .在此理论基础上 ,依据 J.F.Baldwin真值限定的概念 ,提出了一种表示和处理缺省知识的多维模糊真值推理算法 .

一种基于模糊神经网络加权的多维稀疏模糊推理方法

在稀疏规则库条件下,经典的插值理论针对一维稀疏规则库提出了各种不同的插值方法,取得了很多很好的经验;但对多维稀疏规则条件的近似推理研究很少,不仅存在着难以保证推理结果的凸性和正规性等问题,而且没有考虑到多维变量之间的联系即对结论的影响权值,造成推理结果的误差性更大。多变量规则的模糊插值推理是插值推理研究的重要方面,为了在多变量稀疏规则条件下得到好的插值推理效果,本文提出了一种基于模糊神经网络加权的多维模糊推理方法,为智能系统中的模糊推理提供了一个十分有用的工具。

表示和处理缺省知识的多维模糊推理

本文采用 MAX-⊙复合运算 ,在对基于模糊关系 Rb的多维模糊推理 Sugeno- Takagi方法进行深入分析和研究的基础上 ,利用可能性量化语句 ,从理论上提出了一种表示和处理缺省知识的多维模糊推理方法 .

基于MAX-⊙复合运算和模糊关系R_b的多维模糊推理算法

模糊推理是广泛应用在人工智能AI中的一种不精确推理方法 ,本文采用MAX -⊙复合运算和模糊关系Rb,依据J.F .Baldwin真值限定概念 ,给出在离散隶属函数下的多维Sugeno -Takagi模糊推理算法。

一种基于核集与相似性的模糊推理方法

在稀疏规则库条件下,当给定的输入落入规则"间隙"时,采用传统的模糊推理方法是得不到任何结论的。学者已经证明模糊推理本质上就是插值器。Koczy和Hirota首先提出了KH线性插值推理方法,然而推理结果存在着无法保证凸性和正规性等问题。为了能有一个较好的插值推理结果,本文提出了一种基于核集与相似性的模糊插值推理方法,并把此方法扩展到多维变量的情况,该方法不仅推理简单,推理结果较好,并且能很好地保证推理结果的凸性和正规性。这为智能系统中的模糊推理提供了一个非常有用的工具。

高阶多元直觉模糊时间序列预测模型

为了突破模糊集理论的限制,更客观地描述不确定性数据,提出一种高阶多元直觉模糊时间序列预测模型.采用模糊聚类算法划分论域,并采用更具客观性的方法建立直觉模糊集的隶属度和非隶属度函数.依据直觉模糊多维取式推理的原理建立基于相似度量的启发式推理规则,作为高阶多元模型的预测规则,并且建立相应的解模糊方法.利用北京市日均气温数据集进行对比实验,结果表明,该模型的预测均方误差(0.86)和平均预测误差(2.57%)较现有方法均明显降低,预测结果优于模糊时间序列预测模型和普通直觉模糊时间序列预测模型.

FDFA及其在发动机故障诊断中的应用

为了更早、更精确实施多种机器故障诊断,提出了模糊自动机半群的概念并介绍了其性质,给出了模糊自动机半群的推理方法,并讨论了模糊自动机半群的推理方法在机器发动机故障诊断中的应用。针对模糊自动机半群的多维模糊推理,提出了一种阈值、规则的模糊推理方法,构造了模糊自动机半群的推理系统。并把该系统应用于发动机的故障诊断,从而判断机器故障。这些研究成果,将为机械自动化、机器学习、动力系统研究等领域提供理论基础、机械构建方法和实验环境等。