模糊系数规划

给出了一个模糊系数规划的定义 ,该定义与通常的模糊规划定义有所不同 ,它容许规划中的目标函数系数和所有约束函数系数都可以是模糊数 ,并且容许既有模糊系数不等式约束函数又有模糊系数等式约束函数。本文还对满足一定条件的模糊系数规划 ,包括模糊系数线性规划和模糊系数二次规划 ,给出了切实可行的求解方法。

基于模糊系数规划的模糊支持向量分类机

本模糊支持向量分类机的构建特点是,训练点输出的类型和最终的模糊分类函数的函数值均为反映其模糊类别的实数。以模糊系数规划为基础,将模糊分类问题转化为求解模糊系数规划问题,求出模糊系数规划的γ-最优规划,据此给出模糊支持向量分类机(算法);用2个例子说明该算法的合理性;最后给出模糊支持向量分类机中最佳阈值的确定方法。

多目标模糊系数规划

在单目标模糊系数规划的理论基础上,对多目标模糊系数规划进行讨论,在以目标间的协调程度尽可能大为最优性条件的要求下提出多目标模糊系数规划最优解的定义,并给出一种可行的求解方法。

基于模糊系数规划的模糊有限元方法

目前,对模糊有限元方程的求解思路是:在确定性有限元方程中引入参数的模糊性,然后对应一系列阈值l,将模糊有限元平衡方程转化为一系列确定性区间方程组,再求解这些区间方程组。然而,至今区间方程组的求解问题尚未解决,因而模糊有限元方程组的求解亦未得到有效的解法。将模糊系数规划与弹性力学的行为本质棗即物体的平衡过程为一个二次方程的能量极小化过程相结合,得到了一种新的模糊有限元求解方法,数值仿真实验表明该方法可行。

模糊系数交叉规划

在模糊系数规划和交叉规划的理论基础上 ,对模糊系数交叉规划进行讨论 ,在以各个子规划的最小目标满意度最大化为最优性条件的要求下 ,提出模糊系数规划的模糊最优解的定义 ,并给出一种可行的求解方法 .

多目标全系数模糊线性规划

在模糊线性规划理论的基础上,对同时含有等式约束和不等式约束的多目标全系数模糊线性规划的最优解进行研究。首先定义了目标协调度的概念,然后以目标协调度最大化为最优性条件,提出多目标全系数模糊线性规划的模糊最优解的定义,最后给出一种可行的求解方法。

模糊支持向量分类机

研究了当训练点的输出为模糊数时支持向量分类机的构建问题。对于线性模糊分类问题,首先将其转化为模糊系数规划。利用模糊系数规划的λ?最优规划,求解模糊系数规划得到模糊最优解(模糊集合)以及模糊最优分类函数集(取值为最优分类函数而隶属度为λ(0≤λ≤1)的模糊集合),从而构造线性模糊支持向量分类机。对于非线性模糊分类问题,引入核函数,类似于线性模糊分类问题得到非线性模糊支持向量分类机。最后构造显示模糊支持向量分类机特点的模糊支持向量集(取值为模糊训练点,隶属度为λ(0≤λ≤1)的模糊集合)。模糊支持向量分类机较好地解决了支持向量机中含有模糊信息的分类问题。

模糊支持向量机的研究与应用

模糊支持向量机是在支持向量机的基础上引入模糊隶属度函数发展而来,是对支持向量机的改进和完善,一定程度上解决了传统支持向量机算法对噪声和孤立点敏感的问题,被广泛应用于模式识别和人工智能领域。文章阐述了模糊理论和模糊支持向量机的研究现状及其发展,深入探讨了模糊理论中几种模糊隶属度函数的设计方法,并对几种模糊支持向量机的原理及特点进行了详细的分析,最后介绍了模糊支持向量机在各个领域中的应用及发展前景。

含等式约束的全系数模糊线性规划

对全系数模糊线性规划当中具有等式约束条件的情况进行了讨论 .指出其等式约束不能象普通线性规划那样简单地转化为不等式约束条件 ,推广了不仅含有不等式约束而且含有等式约束的全系数模糊线性规划的求解方法 .同时 。

基于Markov随机场的区域跟踪算法

由于视频序列的对象跟踪相当于把图像帧分割成跟踪与非跟踪两个不重叠区域,为此,引入图像分割算法中的Markov随机场模型,提出了一种多目标模糊规划求取Markov标记场的最优估计来实现区域跟踪的算法。此算法为了克服传统离散Markov随机场运算速度慢的缺点,利用双随机矢量,建立连续的Markov标记场,同时提取区域视觉和运动信息的模糊特征,从而改善了算法的鲁棒性和运算复杂度。最终实验结果表明,此方法不仅跟踪效果好,而且还有运算速度快、抗干扰能力强等特点。