广义多变量模糊C均值聚类算法

模糊聚类算法为了保证算法的收敛性,要求模糊指标m取值大于1,这限制了算法的普适性。提出广义多变量模糊C均值聚类算法(GMFCM),在多变量模糊C均值聚类算法(MFCM)的基础上,利用粒子群优化算法对分量模糊隶属度进行优化估计,进而将模糊指标拓展到m>0的情况,同时采用梯度法得到算法聚类中心迭代公式。GMFCM理论分析了模糊指标m扩展的原理,研究了模糊指标m在不同取值情况下的性质,解释了模糊指标m的实际意义,讨论了GMFCM算法的收敛性。GMFCM继承了MFCM算法的样本分量区分性能,弥补了MFCM算法聚类中心分量与样本分量重合时的不完备性,突破了模糊聚类算法对参数m的约束,提高了模糊聚类算法的普适性。基于gauss数据集和UCI数据集的仿真测试验证了所提算法的有效性。

基于模糊模拟的风险投资项目决策

由于风险投资的高不确定性和风险性,使得人们难以准确预测风险投资项目的收益和状态概率,而只能得到其大致的区间范围。鉴于这种情况,本文将投资项目收益和状态概率描述为模糊变量,利用模糊变量的均值和方差建立了模糊风险投资决策模型,并给出利用模糊模拟方法计算的实例。

可信性测度的频率近似

研究事件发生的频率与可信性测度的关系。主要通过研究模糊贝努里试验的均值与方差,得到模糊贝努里大数定律,确定了事件发生的频率与可信性测度的确切数量关系,给出了可信性测度的模糊统计定义。为寻求可信性测度的近似值,提供理论依据。