基于模糊似然函数的模糊辨识方法

提出一种基于模糊似然函数的模糊辨识方法。该方法利用模糊似然函数对样本数据进行聚类，并使模糊模型的结构辨识和参数辨识能同时完成，从而实现模糊模型的在线辨识。仿真结果证明了该方法的有效性。

一种改进的基于模糊似然函数的特征选择算法

本文在Shang模糊似然函数的基础上,提出了基于特征空间的可信度函数和特征分量影响函数以改进Shang模糊似然函数的可靠性,采用改进的模糊似然函数评价任意特征子集的有效性,可更真实地描述模式在特征空间的分布,是一种有效的特征选择算法。论文将改进算法与原算法进行了测试比较,结果表明改进的特征选择算法具有更好的可靠性和实用性。

新的模糊似然函数

模糊似然函数是刻画两个模糊集之间相似程度的重要工具,众多学者给出了多种形式的计算方法,但由于实际问题的复杂性,有些方法在某些情况下会产生违反直觉的结论.首先就闫德勤在2001年建议的方法进行讨论,然后证明了一个引理,提出一种新的模糊似然函数,其本质是由模糊集合间lp距离导出的贴近度.与相关公式比较,发现它们能导出相同的模糊熵,最后给出一个它在模式识别中的应用实例.

一种新模糊似然函数在聚类分析中的应用

运用一种新的模糊似然函数，用以表示模糊集合之间的相似程度。举例说明在气象时间序列中的应用，并与常用的度量样本相似程度的指标进行对比，得出几点有意义的结论。

一种新的模糊似然函数

本文提出了一种新的模糊似然函数,用以表示模糊集合间的相近程度.对其具有的诸多性质作了详细证明,并举例说明其在模式识别中的应用.还对模糊子集度函数及模糊似然函数在不可数集里作了推广.

新的模糊度量与模糊似然函数

本文分析了Kosko等人提出的关于模糊子集的度量方法,提出其局限性,从而给出了一种新的模糊子集度量方法与模糊似然函数.由于这种方法能够更好地刻划模糊集合间的子集度与似然性,从而在模式识别、聚类分析、图像及信息处理中有着重要实际应用意义.同时文章也给出了两种新的模糊熵表示方法.

模糊特征选择新算法:Ⅱ

用模糊似然函数计算类内及类间距离，得到任意特征子集的模糊特征选择系数，用于特征子集的选择，从而得出最能区分和表征模式类的特征子集．举例说明了该方法的具体用法，表明具有好的实用性．

基于模糊粗糙集的知识系统证据推理

针对 Dubois 模糊粗糙集、Radzikowska 模糊粗糙集、双论域上的模糊粗糙集,分别定义各自对应的模糊信任(似然)函数,证明模糊信任(似然)函数等于其对应的模糊集的下(上)近似质量,据此建立模糊决策表的证据推理模型.实例表明,该模型是行之有效的.

Takagi-Sugeno模型在剪接位点识别中的应用

为降低基因剪接位点识别算法复杂度和计算量,根据剪接位点上下游序列的保守特性及碱基组成随位点邻近序列GC含量变化等统计特征,建立Takagi-Sugeno模糊模型.通过模型输出值和阈值比较,判断真实的剪接位点.基于模糊似然函数的模糊聚类算法确定模型结构和前件参数,并结合最小二乘法完成该模型后件参数的识别.仿真结果表明,该算法简单,可使模糊模型的结构辨识和参数辨识同时完成,从而实现模糊模型的快速识别;能够很好地提取剪接位点附近保守序列的统计特征,为剪接位点的识别提供一种新的方法.