Fuzzy子空间的隶属向量

本文讨论了 Fuzzy 子空间的标准基之间的关系,给出 Fuzzy 子空间的隶属向量的概念,证明了 Fuzzy 子空间同构的充分必要条件是它们有相同的隶属向量.

隶属度向量分析法在河流健康评价中的应用

从等级判别原则和限制因子诊断方法角度对隶属度向量分析法进行了系统研究,指出最大隶属度原则和择近原则均存在信息丢失问题,且都不能确定单值映射;证明了加权平均原则的两种判别法是等价的。对于河流不健康状态对应综合评价最末级的情况,通过对模糊综合评价进行矩阵解释,导出了单因子不健康贡献率计算公式,并以里运河为例进行河流健康评价。结果表明,里运河的健康等级为良,主要限制因子为岸坡植被结构完整性和防洪工程达标率。

煤矿安全等级隶属度向量的离散化方法

针对模糊综合评判模型使矿山安全等级隶属度向量趋于均化的不足， 对安全评价的模糊模式识别模型进行了研究， 并对模糊综合评判模型进行了改进． 结果表明， 模糊模式识别模型并非在所有条件下都优于模糊综合评判模型， 其关键在于后者隶属函数的确定． 所构造的三角函数型隶属函数同样可使安全等级隶属度向量离散化， 且有可能优于前者． 给出了安全等级隶属度向量离散程度的评价指标．

基于双隶属度模糊支持向量机的邮件过滤

针对邮件所含信息的模糊性和合法邮件与垃圾邮件错分代价的不对称性提出了基于双隶属度模糊支持向量机的邮件过滤方法,通过对每个样本赋予不同的双隶属度,得到最优分类器,提高了邮件过滤的正确率。经仿真实验证明,该方法能够有效降低将合法邮件误判为垃圾邮件,而且有很高的正确率等特点。

基于云隶属度支持向量机的舰船购置费时间序列预测

模糊支持向量机降低了传统支持向量机对异常点的敏感度,但其模糊隶属度函数对样本点的分类缺乏模糊性,影响舰船购置费预测的精度。因此,利用云理论能够科学表达模糊性的特点,设计了一种面向异常点模糊分类的云隶属度发生器;在支持向量机中引入这种云隶属度发生器,提出了一种基于云隶属度的支持向量机算法;构建了基于云隶属度支持向量机的舰船购置费时间序列预测模型。实验证明：该算法模糊地降低了模型对异常点的敏感度,并自适应地对支持向量约束水平进行寻优,提高了舰船购置费预测的精度。

基于支持向量机的兼类文本分类算法研究

针对兼类文本,提出了两种基于支持向量的分类算法。一种是采用1-a-1方法训练子分类器,通过子分类器得到待分类样本的隶属度矩阵,依据隶属度矩阵每行元素和判定该文本所属类别。另一种是采用1-a-r方法训练子分类器,通过子分类器得到待分类样本的隶属度向量,根据隶属度向量判定该文本所属的类别。实验结果表明,这两种算法都具有较好的准确率、召回率和F1值。

基于超球支持向量机的多主题文本分类算法

针对标准支持向量机多分类算法不能解决多主题文本分类问题,提出了一种基于超球支持向量机的多主题文本分类算法。该算法用超球支持向量机训练得到每个超球,计算待分类文本到每个超球球心的距离,依据距离得到隶属度向量,最后根据隶属度向量判定该文本所属的主题。实验结果表明,该算法具有更好的召回率、准确率和F1值。

基于隶属等级量化的社区学习者能力综合评价

以学习者为中心的学习评价标准从知识转向了能力。把虚拟学习社区作为E-learning学习的平台,基于虚拟学习社区和E-learning学习的特点,结合个人学习能力、学习协作能力以及成绩考核来对社区学习者能力进行模糊综合评价,建立了社区学习者能力模糊综合评价模型,其评价结果是与评语集相对应的隶属度向量。为了解决评价结果模糊度较大的问题,充分利用了综合评判带来的信息,提出并建立了隶属度向量等级量化模型,并对评价结果作进一步量化,达到了进一步准确区分学习者能力的目的。

基于最大间隔最小体积超球支持向量机的多主题分类算法

针对多主题分类,结合最大间隔最小体积超球支持向量机和模糊理论,提出一种多主题最大间隔最小体积超球支持向量机来实现多主题分类。该算法首先基于最大间隔最小体积超球支持向量机,采用1-a-r方法训练子分类器,通过子分类器得到待分类样本的隶属度向量,再依据隶属度向量判定该待分类样本所属类别。实验结果表明,该算法具有较好的准确率、召回率、F1值。

机车故障诊断中征兆隶属度函数的研究

研究了应用模糊神经网络进行机车故障诊断时一种征兆隶属度向量提取的方法。结合机车运行的特点,分析机车控制的规律和特性,提出了切实可行的隶属度函数确定方法,解决了模糊神经网络在机车故障诊断中应用的一个瓶颈。

能力指标主观需求空间生成方法研究

由于具有整体性、非线性、开放性、不确定性等特点,复杂系统中抽象问题无法通过建立仿真实验模型进行效能评估。为了使复杂系统的整体性和不确定性得到充分考虑,通过分析实验设计的内容和原则,以及证据理论的优势,研究三隶属度支持向量机模型,提出能力指标主观需求空间生成方法。以某型战斗机关键突防能力指标的效能分析为例,使用样本数据对模型进行了验证,表明该方法具备良好的应用前景。

统计IP网络质量的模糊评估方法

为了科学地评估网络运行情况,提出了网络质量的概念并阐述了其内涵;设计了一组反映网络质量的评估指标体系并以隶属度向量值计算指标的统计值,该值能够明确地反映在统计周期内指标的等级情况;基于模糊数学理论建立了采用统计的网络质量模糊评估模型。以4个不同驻地IP网络统计数据为例,对4个网络的质量进行了模糊评估,从而获得网络质量的量化评估结果。

多主题文本分类的实现算法

针对一个文本具有多主题属性,提出一种基于模糊支持向量机的多主题文本分类算法。用1-a-r方法训练子分类器,计算待分类文本到每个超平面的距离,依据距离得到隶属度向量,根据隶属度向量判定该文本所属的主题。实验结果表明,该算法在保证单主题文本分类精度的前提下,实现了多主题文本分类,并且有较好的准确率、召回率和F1值。

虚拟学习社区的绩效评估模型

基于虚拟学习社区的特点,综合社区学习者学习积极性、知识水平和能力水平三个方面来对学习社区绩效进行评估。针对目前网络学习评价大多仅限于对在线测验成绩进行评价的不足,充分利用综合评判带来的信息,结合社区协作学习和自主学习的特点,建立了一个社区学习绩效模糊综合评价模型。为了解决模型评价结果为隶属向量,模糊度较大和最大隶属原则有可能导致评价结果失真的问题,重点提出并建立隶属等级量化精确模型对评价向量作进一步量化,进一步准确区分学生,并与初等量化方法作了比较分析。

混凝土坝健康模糊综合诊断方法研究

影响混凝土坝健康状况的因素众多,建立的混凝土坝健康综合诊断指标体系,既包含有定量指标,又包含有定性指标,同时,定性指标指标值的确定带有模糊性,并且混凝土坝健康等级之间的界限也难以准确的界定。模糊综合诊断模型通过确定各个诊断指标的权重及其隶属度向量获得模糊评判矩阵,然后把模糊评判矩阵与诊断指标的权重集进行模糊运算并进行归一化,得到诊断指标健康值,确定被诊断对象的等级层次,最终对混凝土坝健康进行评价,工程实例计算结果表明:模糊综合诊断模型计算结果与实际运行情况相符。本文利用模糊综合诊断模型解决了大坝健康综合诊断指标体系中的模糊性问题。

卫生系统的评价模型(英文)

构造了一个模糊数学模型和一个灰色系统预测模型来评估卫生系统的好坏并预测其发展趋势.在第一个模型中,我们通过作用于隶属向量上的灵敏度创造出一种计算权重的特殊方法.从本质上讲,作用于隶属向量上的灵敏可以通过作用于隶属函数上的灵敏度求得.基于上述基本思想,我们创造出两种计算作用于隶属向量上的灵敏度的方法.

评定计算机考试成绩的Fuzzy数学模型

用模糊数学的理论和方法建立多层次Fuzzy综合评判模型.给出评定计算机考试题库建立的评判因素和权重,并确定模糊综合评判矩阵,既可分析出学生在各个单元的学习情况,又可分析出整体的学习状况.

一种移动无线传感器网络的节点位置预测方法

针对目前移动无线传感器网络中现有位置预测方法的预测精度较低以及需要依靠大量的历史运动路径数据的不足,提出了一种基于不确定性支持向量机的"角度-分类"(A-USVC)位置预测方法。该方法利用节点收集的节点隶属度向量来构建归类预测模型,根据所构建的预测模型和计算的移动节点偏转方向来确定未知节点所在的区域,从而完成对移动未知节点的位置预测。仿真实验表明:在精度方面,该方法相比于传统的马尔科夫模型预测方法提高了35%,相比于神经网络预测方法提高了19%。A-USVC位置预测方法有效地提高了位置预测的精度,且计算量小,在小样本的情况下依然能保持良好的预测能力。

企业部门考评中的综合判定法

本文借助Fuzzy集理论中有关综合评定的概念,采用拟模糊概率的方法,提出一种考评的定量分析法——综合判定法。研究表明,按此法评定的结果比较全面、合理。

Minimum Cross Fuzzy Entropy Problem, The Existence of Its Solution and Generalized Minimum Cross Fuzzy Entropy Problems

In the present study we have formulated a Minimum Cross Fuzzy Entropy Problem （Minx（F）EntP） and proposed sufficient conditions for existence of its solution. Mentioned problem can be formulated as follows. In the set of membership functions satisfying the given moment constraints generated by given moment functions it is required to choose the membership function that is closest to a priori membership function in the sense of cross fuzzy entropy measure. The existence of solution of formulated problem is proved by virtue of concavity property of cross fuzzy entropy measure, the implicit function theorem and Lagrange multipliers method. Moreover, Generalized Cross Fuzzy Entropy Optimization Methods in the form of MinMinx（F）EntM and MaxMinx（F）EntM are suggested on the basis of primary phase of minimizing cross fuzzy entropy measure for fixed moment vector function and on the definition of the special functional with Minx（F）Ent values of cross fuzzy entropy measure. Next phase for obtaining mentioned distributions consists of optimization of defined functional with respect to moment vector functions. Distributions obtained by mentioned methods are defined as （MinMinx（F）Ent）m and （MaxMinx（F）Ent）m distributions.