基于直觉模糊对称交互熵C-means聚类的反导目标识别方法研究

在不确定信息反导目标识别的背景下,针对不确定信息处理和现有的基于欧几里得距离的模糊C-means聚类算法的性能问题,首先采用直觉模糊集对其进行描述与分析,同时,将聚类目标函数中的欧几里得距离替换为模糊对称交互熵距离,提出了一种基于直觉模糊对称交互熵C-means聚类(Intuitionistic fuzzy symmetric cross entropy C-means,IFSCECM)算法,通过采用IRIS数据集算例分析对比,证实该算法的可行性和有效性。其次,根据弹道目标识别的特性,将IFSCECM算法应用于反导目标识别中,并采用多特征综合识别方法对来袭弹道目标威胁群进行分类识别研究。最后,通过仿真实验和对比分析表明该反导目标识别方法的可行性、有效性和优越性,具有较高的应用价值。

一种基于交互熵的模糊信息测度

通过借用Shannon信息理论中的相关概念,对已有文献中基于模糊熵测度的模糊对称交互熵(FSCE)进行了改进,提出了对称改进模糊交互熵(SIFCE)这一距离测度.接下来证明了它是度量空间中的度量,满足非负性、对称性、三角不等式三个条件,并且满足有界性,还讨论了它与模糊熵之间的关系.最后提出基于该测度的模糊贴近度σSIF,利用数值例子说明了在模糊模式识别中,σSIF与常见的模糊贴近度可以得到一致的识别结果,从而为模糊模式识别提供了新的研究方法.

发动机磨损模式识别的SFCE方法

针对发动机磨损过程的复杂性和不确定性,对磨粒数量特征信息进行了模糊化。引进了信息论中一种新的模糊子集间的距离度量——对称模糊交互熵(SFCE)的概念,并结合模糊相对权重对其计算方法进行了改进,提出了基于对称模糊交互熵的发动机磨损模式识别方法。计算结果表明,SFCE方法能够实现发动机油样磨损模式的分类,具有很好的识别效果。

基于SFCE与规则推理的发动机集成故障诊断方法

针对发动机磨损过程的复杂性以及故障症状(磨粒信息)与故障原因之间对应关系的不确定性,首先对磨粒数量特征信息进行了模糊化,建立了某发动机典型磨损故障的模糊规则库。针对单一故障诊断方法的局限性,引入了对称模糊交互熵的故障推理方法,在此基础上建立了基于对称模糊交互熵和规则推理相结合的发动机故障诊断模型。本模型首先采用对称模糊交互熵对故障原因进行"过滤",滤除出现可能性较小的原因,然后利用规则推理进一步确认最后的故障原因。实例表明,该方法在发动机多症状多原因的复杂情况下能够取得较好的诊断结果。

一种基于模糊信息的距离测度及应用

通过借用Shannon信息理论中的相关概念,提出了基于模糊信息测度的模糊对称交互熵(FSCE)这一距离测度。接下来证明了它是度量空间中的度量,满足非负性、对称性、三角不等式三个条件。最后利用数值例子说明了在模糊模式识别中,FSCE与常见的模糊贴近度可以得到一致的识别结果,并有其优势和实际意义,为模糊模式识别提供了新的研究方法。