模糊关系的运算与其传递闭包算子

通过模糊关系的相关性质,探讨了模糊关系乘积运算的性质,得出模糊关系组成的集合空间的数学结构分别是幺半群、序半群及格;然后探讨了模糊等价关系、模糊关系传递闭包算子的相关性质及它们之间的关系.

Fuzzy传递闭包与Fuzzy分类矩阵的S-K-Q判定定理

本文给出了Fuzzy传递闭包(?)~*的Fuzzy矩形、Fuzzy三角形及Fuzzy分类矩阵R_λ的Boole矩形、Boole三角形的概念,提出了(?)~*、R_λ的S-K-Q判定定理。

基于模糊聚类分析算法的消防电源故障诊断

针对消防电源故障特征的模糊性及故障原因之间的耦合性,以模糊理论为基础,采用模糊传递闭包方法,提出了一种基于模糊聚类分析的消防电源故障诊断方法。以6kW消防电源为例,对电池巡检仪取得的样本值进行聚类分析,给出了故障诊断的具体实现方法。实验结果表明,聚类效果良好、故障诊断准确,验证了所提算法的可行性与有效性。

模糊随机碰撞工作量证明共识算法

共识机制作为区块链的核心要素之一,在不同领域各不相同。针对公有链应用场景,应用广泛的工作量证明(PoW)共识算法仍然存在安全性及高算力难调控等问题,因此从扩大解空间及优化调节机制等角度对PoW算法进行研究,创新性地提出了模糊随机碰撞工作量证明共识算法(fuzzy random proof of work,FRMH)。针对安全性问题,FRMH算法通过引入模糊数学中的模糊传递闭包阵等技术,增大了共识算法的解空间,从而提高了区块链共识机制的安全性;FRMH算法采用双重调节机制来应对高算力计算机,进而解决了区块链上的高算力难调控问题;通过数学验证了FRMH算法在解空间及高算力调控上有明显的提升效果。

基于两种模糊聚类方法的噪声目标自动分类研究

本文详细介绍了模糊传递闭包法和模糊C均值法的计算步骤,并分别用这两种方法对一组噪声目标进行了聚类,最后对两种聚类方法进行了比较。

模糊聚类分析在全国主要地区供水用水情况中的应用

聚类分析是数据挖掘的一个重要研究领域,它是按照一定的要求和规律将事物进行分类的一种数学方法.论文将模糊数学的模糊理论应用于数据挖掘的聚类分析中,讨论全国主要地区供水用水情况,并对分类结果进行分析,这将对水资源科学和环境经济等领域提供研究依据.

基于模糊聚类分析的学生素质评定的研究

学生素质的评定工作,对学校的发展具有重要的作用。本文就学生素质从德、智、体、能、劳5个方面作出评价。首先,对得到的数据进行规格化;接着,构造模糊相似矩阵;最后,利用模糊传递闭包法对学生素质的评定进行聚类分析,该方法简单易懂且计算量小达到了预期的效果。

Pebble模糊有穷自动机和传递闭包逻辑

定义了Lukasiewicz逻辑下的一阶有界传递闭包逻辑,并且给出了模糊有穷自动机的一阶有界传递闭包逻辑;另外,我们还介绍了两类模糊有穷自动机:Nested模糊有穷自动机和Pebble模糊有穷自动机,并且证得这两类模糊自动机都可以由一阶有界传递闭包逻辑来刻画,因此它们并没有提升模糊自动机的语言识别能力;进而得到本文的主要结论:在Lukasiewicz逻辑下,模糊单体二阶逻辑与Lukasiewicz逻辑下的一阶有界传递闭包逻辑之间等价,且模糊自动机所识别的语言与Pebble模糊有穷自动机识别的语言是等价的。

一般关系下的n-阶FC-粗糙集模型

给出一般模糊环境下n阶-FC-粗糙近似算子的定义,讨论它的一些性质,并通过α-水平集给出各种n-阶模糊粗糙集的表示。进而给出模糊传递闭包近似算子的定义,得到相应的结果。

拓扑结构与节点属性综合分析的社区发现算法

社交网络的社区发现对于理解网络功能、识别网络连接层次性及预测社交网络用户的复杂群体行为有着极其重要的基础性作用。鉴于现有社区发现算法通常只基于拓扑结构或节点属性单种因素提出,提出一种综合两方面因素的社区发现算法。该算法首先基于Spearman相关系数对初始数据进行去相关性处理,避免后续分析的相关性误差;然后引入后验概率理论进行稳定性赋权,综合拓扑与属性两影响因素;最后根据模糊传递闭包原理,从关系变换的角度进行社区发现。与经典社区发现算法相比,该算法不仅提高了社区发现的准确性,且在一定程度上解决了社区结构中网络动态性影响及社区层次性问题。

基于数据挖掘的地铁供电系统电能质量预警分析研究与架构设计

地铁供电系统作为地铁的动力来源,其电能质量情况对地铁设备可靠稳定运行意义重大。为了快速有效处理海量电能质量数据,本文设计了基于数据挖掘的地铁供电系统电能质量预警分析技术架构,包括数据收集与表征、数据预处理、预警分析等过程。为了适应供电系统持续发展需要,在预警分析过程中根据实时更新的数据库在线感知电能质量指标变化,利用聚类分析和模糊传递闭包方法,动态设定不同预警对象的阈值,为供电系统后续的运行、维护和设备更新提供判据。

基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达96.8%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。