软计算方法在数据挖掘中的应用

对数据挖掘和软计算方法做了一个综合性的阐述, 分析了模糊逻辑、神经网络、神经-模糊、遗传算法、粗糙集和混合方法等不同软计算方法的特点, 尤其是对模糊逻辑软计算方法进行了更多的探讨, 并结合软计算方法在数据挖掘中的应用现状, 指出了数据挖掘面临的挑战和软计算方法的应用前景。

权重提取与Dempster多重融合的凝汽器真空预测

为了解决单一网络预测结果不准确的问题,提出一种由BP、Elman及RBF三网络组合的预测模型,并引入模糊软集理论进行"判断证据"的权重提取以及D-S的多证据融合.以某电厂连续4天实测的现场参数构成样本空间,经主成分分析降维及权重提取后,采用Dempster组合规则下置信函数三重融合结果对随后一天的真空值进行预测.结果表明,与单一网络预测模型相比,组合预测模型的平均绝对误差和均方根误差均显著减小,融合精度更高.

数据缺失情况下水淹天然气管道泄漏风险分析

面向数据缺失情况下水淹天然气管道泄漏风险量化分析的需求,提出一种基于贝叶斯网络(BN)和模糊集理论(FST)的概率风险分析方法。首先采用故障树分析(FTA)法分析水淹天然气管道泄漏失效致因,并映射得到相应的BN模型;然后针对基本事件失效概率数据缺失的情况,用专家知识引出概率,替代缺失的统计失效概率;为处理概率引出过程中专家知识的模糊性和主观性导致的不确定性,结合FST与多专家层次分析引出模糊概率,将其作为实际先验概率输入BN模型,进行量化分析。以某复线水淹天然气管道为例,应用所提方法分析其泄漏风险,结果表明:用该方法能够在数据缺失情况下表征并量化泄漏风险,同时BN的正向预测和概率更新能力可用来评估动态风险、识别关键失效因素。

数据缺失下的IFRSIFCM协同过滤推荐算法

为了进一步提高协同过滤算法的精确性,更好地满足用户需求、进行商品推荐,针对传统推荐算法存在的缺失数据和模糊性问题,构建了直觉模糊粗糙集和基于目标函数的直觉模糊C均值聚类相结合的协同过滤推荐算法(IFRSIFCM-CF)。算法首先运用直觉模糊粗糙集对缺失数据进行处理,并计算直觉模糊数;其次用密度函数初始化聚类中心,并通过直觉模糊C均值聚类找到目标用户所在聚类类别;最后用特征系数代替传统相似系数来确定邻居集,用优先关系定序法代替传统的推荐算法形成推荐列表。在MovieLens与Jester数据集上对算法进行有效性检验,实验结果表明所提算法能够有效解决数据缺失问题并提高推荐精度。

可能性理论研究

研究不确定性的传统方法是使用概率论和统计,但现实世界中所遇到的不确定性有多种类型,传统方法并不能全部适用。传统方法仅适于处理发生条件的不确定导致的不确定性,即已知某一个确定的事件,由于其发生条件的微小扰动,导致事件发生与否的不确定。另外一种类型的不确定性则是事件本身就存在着不确定因素,此时传统方法不再有效,而应该使用可能性理论来处理。讨论使用可能性理论处理自然语言型软数据的具体规则和方法,比较可能性理论与概率论方法的差异,并介绍可能性理论涉及的最新热点问题。

基于模糊软集合的缺失数据新的预测方法

数据缺失现象是无法避免的客观存在的问题,数据填充是一种很好的处理该问题的方法。数据的类型多种多样,很多数据含有不确定性,模糊软集合理论是有效的处理不确定问题的数学工具。在利用该理论对缺失数据进行填充的研究中,现有方法准确度不高,且某些情况下填充值超限。为解决此问题,本文提出一种新的模糊软集合缺失数据的预测方法。利用对象与参数间的关系,根据平均距离,计算参数权重和对象权重,由最相关的参数和对象数据填充缺失数据。为验证方法的有效性,选取UCI数据库进行实验,结果表明所提出的方法比现有方法更加准确和有效。