基于加权犹豫模糊集的实验设计与分阶段PSO-Kriging建模

过高的实验成本导致输出为非线性多极值的复杂系统获得的实验样本点少,建立的代理模型精度较低。针对此现状提出一种基于先验信息的实验设计与建模方法。该方法利用先验信息划分实验设计域,并根据波动性指标构建各区域的加权犹豫模糊集,增加评价结果的合理性;结合各区域的波动性与范围大小决定实验样本点个数,由汉默斯里序列采样获取样本点;再将分阶段搜索粒子群算法与Kriging方法结合,提高代理模型的计算精度。以模拟平面桁架结构的损伤模型验证所提方法的有效性。实验结果表明,与汉默斯里序列采样、拉丁超立方设计建立的模型相比,所提方法建立的模型拟合优度平均提升0.84%和4.94%,均方根误差平均降低31.02%和57.18%。

基于加权模糊度时间序列分析的大型变压器故障预报

分析了变压器油中溶解气体特性及其与故障的对应情况,确定了故障现象模糊集合和故障种类标准模型库(模糊集),根据现象子集对每个故障模型进行划分,形成多个模糊向量集合族;收集了大量故障变压器的历史数据,并用数理统计方法估算故障隶属度函数的参数;采用时间序列灰色预测法估计某时间内各故障隶属度及其发展趋势,对阈值原则进行改进,并根据改进后的阈值原则推断可能发生故障的种类及其发展趋势。最后,用实例验证了该方法的有效性。

基于模糊K线序列比对的股市技术分析模型

提出一种新的股市技术分析模型,该模型利用模糊逻辑理论及生物序列比对方法的思想,加以改进,应用于传统的K线图理论,将单位时间的开盘、收盘、最高、最低价格编码成模糊K线图,通过模糊序列比对,来对K线图进行模式识别。以上海和深圳自1990年开市以来到2006年的所有数据作为比对数据库,以2007年、2008年的数据作为测试对象,对上海和深圳股票市场中的部分股票中的K线图模式及未来趋势作了分析和预测,取得了可观的结果。统计结果表明,一些K线模式序列的未来趋势分布具有涨跌信号预警的功能;而另一些模式则为平凡的序列匹配,它们未来趋势的分布不具有预警的功能。

基于混沌序列的MIMO-OFDM雷达通信一体化波形设计

为了解决多输入多输出的正交频分复用(multiple input multiple output orthogonal frequency division multiplexing,MIMO-OFDM)雷达通信一体化信号波形由于通信信息的不确定性导致模糊函数旁瓣水平较高以及系统雷达探测能力较差的问题,提出利用混沌序列对通信信息进行直接扩频。但普通单级混沌序列具有保密性低,可用数量少,容易被破解的缺点。因此采用一种基于加权算法优化的混合型级联混沌序列对通信信息进行扩频调制,然后再通过MIMO-OFDM一体化系统进行传输。由仿真结果可知,加权后的级联混沌序列相关性和误码率性能较m序列和Gold序列更好,经此序列扩频后的一体化信号模糊函数旁瓣水平会更低,故该一体化波形雷达探测性能更佳。且混沌序列越长,信号波形雷达探测能力越好。

基于具有加权模糊隶属函数的神经网络的混沌时间序列预测

本文提出了以时间延迟坐标嵌入方法为基础的周期性波动预测模型。此模型使用一种叫作具有加权模糊隶属函数的神经网络的神经模糊网络(NEWFM)。在主要综合指标的预处理时间序列中使用了时间延迟坐标嵌入方法,并将此序列用作此神经模糊网络的输入数据来预测商业周期。以小波变换为基础使用其他方法进行了对比性研究,并对性能比较进行了主成分分析。使用线性回归分析来测试预测结果,以比较输入数据与目标类别,国内生产总值的近似值。另外两个模型忽略了基于混沌的模型捕捉非线性动态模型和系统中的相互作用。检验结果表明基于混沌的方法能够有效地增强预测能力,因此表明此方法比其他方法具有更优越的性能。

基于模糊时间序列对我国对外贸易中的进口水平的预测

文章基于模糊时间序列对我国对我国对外贸易中的进口水平进行了预测分析,结果认为:在模糊时间序列分析中,用隶属度加权平均法比最大隶属度法的预测结果更为准确,表明常用的最大隶属度法在进口额即期增量的预测上未必适用。

加权模糊回归方法在电力负荷预测中的应用

探讨了社会经济指标及其时间序列对电力负荷影响的程度,采用模糊数学和优化理论建立起一套加权模糊预测模型.通过对深圳地区远景年电量的预测实例表明,该预测方法是可行而有效的.

改进的模糊时间序列模型论域划分算法

针对模糊时间序列模型多尺度比率算法对样本特征分类结果的贡献因素及比率值的变化考虑不全面的问题,提出变化的区间标度并构造不等距的多尺度区间,选择不同区间长度隶属度对应的数据作为比率,对论域进行划分,采用改进的加权模糊C均值聚类算法聚类数据,达到样本类内距离最小化和类间距离最大化,计算各类数据的平均相对误差并基于这些误差推算多尺度、非等间距的论域划分区间,建立改进的模糊时间序列模型,使用加权平均值法处理模糊化问题并预测结果。通过案例分析,验证了改进的模糊时间序列模型的有效性。

加权模糊相对熵在电机转子故障模糊识别中的应用

提出了一种基于加权模糊相对熵的电机转子故障模糊识别方法。该方法将加权思想引入到模糊相对熵,用于识别电机转子故障严重程度。加权方法的引入增加了信息量丰富的符号区间的模糊相对熵占全部区间模糊相对熵的比重,可以更充分、合理地利用该区间的故障信息进行故障识别。电机转子断条故障诊断仿真实验结果表明,提出的方法有效地实现了电机故障的定量分析,能够准确地识别出电机转子故障的严重程度,使算法的鲁棒性得到了改善,故障分类的可靠性及准确程度得到了提高。

基于组合SVR的非平稳时间序列的模糊建模方法

本文介绍一种对非平稳时间序列建模的新方法.参考Janos Abonyi提出的应用于时间序列的模糊分块算法,将该算法与改进的支持向量回归模型结合起来.首先,提出一种改进的支持向量回归的表达形式;然后,通过启发式的加权方法将模糊分块的信息与SVR结合起来;最后,提出一种基于组合SVR的建模方法.实验结果表明,本文提出的方法对于非平稳时间序列的建模具有较高的实用价值.

基于粒计算和序列比对的典型工艺路线发现方法

针对企业工艺设计数据的继承性和重用性问题,提出一种基于粒计算和序列比对的典型工艺路线发现方法。首先采用生物信息学领域的序列比对技术,从整个工序序列的范围比较两条工艺路线,建立其最佳比对,并综合考虑正确匹配的工序数、连续正确匹配工序数和连续空位数来计算其相似度,构建工艺路线的模糊相似矩阵;然后依据粒计算理论模型之一的模糊商空间理论,创建具有分层递阶结构的工艺路线商空间族,通过聚类有效性评价,确定最优工艺信息粒层群;最终从构成不同粒层的工艺信息粒中,根据工艺路线两两最佳比对结果,选取完全一致的工序集作为典型工艺路线。通过应用实例验证了方法的可行性和有效性。

旅游客流量预测的模糊时间序列模型——以黄山风景区为例

以黄山风景区1979-2004年的年度旅游人数数据为训练集,运用模糊聚类算法客观地分割论域,然后建立了一种模糊时间序列的加权模型以充分利用观测样本的初始信息.通过对传统的模糊时间序列模型与基于模糊聚类算法的加权模糊时间序列模型两种预测结果均方误差的比较,可见基于模糊聚类算法的加权模糊时间序列模型不但具有更高的预测精度而且也具有更好的稳定性.

基于工控私有协议逆向的黑盒模糊测试方法

工控私有协议的广泛应用给工业控制系统的安全运行带来了很大挑战。由于工控私有协议规范的闭源性,传统的模糊测试工具难以高效地生成测试用例,限制了采用私有工业控制协议的工控设备的模糊测试效率。针对此问题,提出了一种基于私有工控协议逆向的黑盒模糊测试方法。首先,在流量捕获的基础上,采用改进的多序列比对算法与字段划分算法得到协议字段结构;然后,通过定义一系列启发式规则对协议中的常量字段、序列号字段、长度字段、功能码字段进行识别,进而推断协议格式;最后,根据时序及功能码字段构建协议状态机。在模糊测试过程中,根据逆向推断的协议格式,采用多种变异策略生成测试用例,并利用构建的协议状态机指导模糊测试工具与被测设备的深度交互。基于上述方法设计实现了ICPPfuzz工具,并利用真实设备中的3种工控协议(Modbus/TCP,UMAS,S7comm)对ICPPfuzz协议逆向分析能力及模糊测试能力进行了评估。实验结果表明,在协议逆向方面,该工具的字段划分、语义识别和协议状态机构建能力明显强于Netzob;在模糊测试方面,该工具在相同时间内生成的有效测试用例数量为Boofuzz的1.25倍,测试用例的质量以及漏洞发现能力也都优于Boofuzz;同时,在对Modicon TM200/221系列PLC进行测试时,成功发现3个拒绝服务漏洞,证明了该工具的有效性。

基于序列比对的变电站仿真操作评价模型研究

针对现有变电站仿真培训系统缺乏完整且客观的评价体系,提出一种基于序列比对的变电站仿真操作智能评价方法。该方法将变电站仿真操作标准化为一系列操作序列,采用Smith-Waterman序列比对算法,通过比对标准操作序列与实际操作序列,结合推理机,对学员操作结果进行比对评价;并采用一合理的加权函数打分,实现对学员操作结果的综合全面评价。

生物序列的聚类分析

通过不同的聚类方式,对公共数据库中生物序列数据进行生物信息的挖掘,以达到在更广泛和更深入的框架中了解它们之间的相互关系的目的。以帕金森病相关基因所对应的mRNA序列为例,使用双序列比对的得分值作为序列之间的距离定义。同时为解决不同聚类分析之间的差异,分别采用模糊聚类和层次聚类两种不同的方法进行聚类分析。并由不同聚类方法得到的一致分类聚类的结果为基因功能分类提供支持,为进一步揭示生物序列所蕴涵的生物学知识和生物学规律提供可参考的依据。

云干扰下NOAA图像数据模糊聚类方法的改进

利用多时相NOAA/AVHRR热红外数据构成像元级的时间序列,根据不同像元上时间序列曲线的距离和相似度进行聚类分析;对传统的模糊C-均值聚类算法进行改进,在算法中引入指标权重,对不同质量的数据赋予不同的指标权重。试验表明,改进后的算法扩大了应用范围,克服了单幅图像常存在的云干扰,实际效果明显。

自适应模糊ARDL时间序列半参数模型

传统的模糊最小二乘时间序列模型在包含异常值的模糊数据集中表现出较差的性能。通过引入异常值检测策略,提出了一种降低异常值对未来预测影响的方法。为此,本文介绍了一种基于半参数技术的自适应模糊自回归分布滞后(ARDL)时间序列模型,该模型将半参数技术与加权最小二乘结合,根据加权平方距离误差,提出了在存在异常值时确定精确系数的估计程序,然后利用迭代算法对模糊时间序列模型的参数进行了估计。本文还扩展了传统时间序列模型中常用的几种拟合优度准则,以比较所提出的模糊时间序列方法与现有方法的性能。通过实际例子,验证了本文方法的有效性。结果清楚地表明,在模糊数据存在潜在异常值的情况下,本文提出的模型对模糊时间序列数据的预测具有可行性和有效性,优于其他模糊时间序列模型。

一类重复模糊n人合作对策的Shapley值

以模糊结盟为工具,建立了重复模糊合作对策理论,把带加权函数的模糊n人合作对策的Shapley值推广到重复模糊n人合作对策中,并提出了模糊支柱序列的定义以及Shapley值在重复模糊合作对策下应满足的三条公理的概念,进而给出重复模糊n人合作对策下的Shapley值的计算公式及证明,最后给出一个例子予以应用。

使用语义限定的加权浏览模式的挖掘

提出了一种加权的Web挖掘技术,从Web日志中发现语义限定的加权序列模式。每个网页由不同的专家给出语义上的重要性评估,这些语义评估再被转化成表示权重的模糊集。最后由用户指定语义上的最小支持度和最小偏爱度进行挖掘。这种语义上的输入和输出更自然、更易被理解。最后通过一个例子描述了所提出的方法。

基于插值梯形模糊信息粒化的瓦斯浓度趋势预测

针对现有模糊信息粒化方法构建的高层信息粒不能完全包含底层数据信息、预测时间范围受限等问题,提出了一种插值梯形模糊信息粒化方法来预测瓦斯浓度趋势。对原始瓦斯浓度时间序列进行离散化形成若干子序列,计算每个子序列窗口的最大值与最小值形成梯形上沿的边界,通过对每个子序列窗口数据进行插值计算,形成新的瓦斯浓度时间序列窗口,对新的瓦斯浓度时间序列窗口采用数据遍历寻优的方式计算梯形下沿的边界,进而形成瓦斯浓度粒化区间序列。针对现有评价方法无法准确评价信息粒化效果的问题,提出了一种基于权值的粒化评价方法,通过加权均方根误差对粒化效果进行整体评价。实验结果表明,通过该方法对信息进行粒化的效果明显优于现有模糊粒化方法,并且粒化效果不随粒化窗口的增大而减小,具有较高的稳定性与鲁棒性。