基于进化策略的最优模糊划分(英文)

一个运行良好的模糊系统,不仅应该具备最优的响应性能,还应该具备最简约的模糊划分和良好的完备性、清晰性,但是目前对于后者的研究甚少。因此,该文提出了最优模糊划分的定义,它包括两个部分:最简约模糊划分和模糊划分的完备-清晰性。然后将这两项指标加入到进化策略的适应值函数中,用于对模糊系统的寻优。仿真试验表明,即使在先验知识较少的情况下,该方法依然可以设计出具有较好系统响应性能的模糊系统,并且模糊划分个数最简,完备-清晰性较好。

枯水径流预报的最优模糊划分自激励门限自回归模型

介绍了建立最优模糊划分自激励门限自回归模型的观点、理论和方法。该建模方法克服了传统方法确定门限自回归模型门限值的困难，为用线性化方法对非线性时间序列的建模和预报提供了一种新的数学方法，具有广泛的实用性。建立了６种数据处理方式下的泾河、北洛河、渭河及大通河主要水文站的候、旬、月枯水径流预报模型。模型评定与检验显示，将时段平均流量序列转换为消除年周期的模比系数序列建立的模型优于其他类型的模型，可作为作业预报模型。

基于灰关联分析的模糊聚类最优划分判定模型

在模糊聚类的模糊模式中,由于只已知样本中的部分样本,以及聚类中心选择的多样性,会得到多个聚类矩阵.如何进行最优划分的判定?针对这一问题,本文提出一个新的判定模型:根据灰色系统理论中灰关联度分析的思想,建立灰关联序模型,根据灰关联算法,判断样本代表性.若样本具有较好的代表性,则由其归纳计算得到最优划分矩阵.示例分析验证了该算法的可行性.本方法为最优划分矩阵的判定问题提供了一种新的研究工具和思路.将相关学科的研究方法与模糊集理论相结合,丰富了模糊集理论的方法体系.

模糊聚类最优划分判定的一种新模型(英文)

针对聚类分析的模糊模式未解决的问题:模糊划分空间中模糊最优划分的判定问题,提出一个新的判定模型。给出基于新的最优划分判定模型的应用例子,验证了模型算法应用的可行性。

一种基于三角模糊数多指标信息的FCM聚类算法

针对一类具有不确定性三角模糊数多指标信息的聚类分析问题,基于传统的数值信息FCM聚类算法,提出一种新的聚类分析算法.首先描述了具有三角模糊数多指标信息的聚类分析问题,提出并证明了基于三角模糊数多指标信息的关于最优划分和最优聚类中心确定的两个定理;然后根据这两个定理,进一步给出了基于三角模糊数信息的FCM聚类算法的迭代步骤;最后通过一个算例说明了该聚类算法的具体应用.

径流序列分类识别理论模型的建立与应用

模糊划分理论具有严谨的理论和物理基础,考虑了水文现象发生的必然性与随机性以及在划分、识别中的模糊性,是一种无模式可参考的分类理论。文章应用模糊划分理论模型进行了年径流序列的模糊划分,根据划分结果,利用LVQ进行了年径流过程的枯、平、丰识别,建立了年径流序列的分类识别模型,并用黄河上游61年径流水文资料进行了验证。结果表明,建立的年径流系列分类识别理论模型是可行的。