层级模糊推理系统的递进式建模方法

在层级模糊推理系统的实际应用中,经常会遇到数据维数较高的问题。本文提出一种递进式层级模糊推理系统建模方法,利用减法聚类构建列联表,通过独立性检验和惯量排序对每一层子系统的输入变量进行选择,当系统精度达到阈值时停止子系统的构建。该方法能够在保持系统精度的同时减少规则数。在层级模糊推理系统建模过程中,保持减法聚类对论域划分,避免建模过程中的重复聚类,降低计算复杂度。利用公测数据集进行仿真计算,并与已有算法进行比较,表明该方法精度良好,且规则数量大幅减少,具有普遍适用性。

Web服务选择中信誉度评估方法

在开放的Web服务环境中,由于无法保证用户使用服务后给出的反馈等级是真实可靠的,导致服务的信誉度评估结果与实际值存在较大偏差,进而服务选择失败率较高.为了克服上述问题,提出了一种用于Web服务选择的信誉度评估方法.该方法的主要思想是,通过反馈核查、校正和检测这3个信誉度评估模块对服务的信誉度进行评估.仿真结果表明,所提出的方法不仅有效提高了信誉度评估的客观性,还显著减小了服务选择的偏离度.