基于特征加权混合隶属度的模糊孪生支持向量机

模糊孪生支持向量机(FTSVM)忽略了不同特征间的差异,导致核函数或距离的计算无法准确反映样本间的相似性,使FTSVM在处理含有大量不相关或弱相关特征的高维数据分类时,难以达到良好分类效果;且隶属度的设计未有效区分离群点或噪声。针对以上问题,提出了一种基于特征加权混合隶属度的FM-FTSVM。首先计算每个特征的信息增益,并依据信息增益值的大小为特征赋予权重,降低不相关或弱相关特征的作用,使其能更好地应用于高维数据分类;然后,为每一类样本构造一个最小包围球计算基于紧密度的特征加权隶属度,并结合基于距离的特征加权隶属度得到特征加权混合隶属度,综合考虑样本点到类中心的特征加权欧式距离和样本间的紧密程度,可更好识别离群点或噪声数据;最后,融合特征加权核函数,降低不相关特征对核函数或距离计算产生的影响。与对比算法在人工数据集、高维数据集和UCI数据集上进行比较,发现本文提出的方法在区分离群点、噪声和有效样本上有明显优势,且在高维数据集上可获得更好分类效果。

基于模糊隶属度分布函数的博斯腾湖景观适宜水位确定

采用层次分析法识别博斯腾湖景观关键点,基于湖泊特征水位分析,构建了景观关键点水位和景观适宜度的模糊隶属度分布函数,计算了不同季节博斯腾湖景观适宜水位范围。结果表明:湖泊水质、年旅游业收益是识别博斯腾湖景观关键点的主要因素;博斯腾湖最佳景观水位为1046.70 m,低警戒水位为1045.00 m,高警戒水位为1047.90 m,低、高破坏边缘水位分别为1045.40 m和1047.40 m;不同季节博斯腾湖景观适宜水位存在差异,春季和秋季景观适宜水位范围为1045.90~1047.16 m,夏季为1046.00~1047.00 m,冬季为1045.85~1047.25 m。

基于模糊隶属度的智能电网电力调度多目标优化研究

在智能电网电力优化调度过程中,因求解目标分布范围较小,导致全局搜索能力较差,因此提出基于模糊隶属度的智能电网电力调度多目标优化方法。根据智能电网的工作模式,搭建电力调度架构。在电力调度架构中,从调度成本、可再生能源利用率和用户满意度三个角度确定电力调度目标,构建多目标优化数学模型。设计模糊隶属度求解算法,获取多目标优化最优解集,采用通过模糊识别策略从最优解集内选取最终优化调度方案。应用分析结果表明,所提方法应用后,求解目标分布范围大幅度增长,全局搜索能力得到了增强,可以有效提升智能电网电力调度水平。

基于模糊隶属度邻域覆盖的三支分类决策

传统的邻域分类决策方法对不确定数据进行了严格的分类,可能导致严重的分类错误,因此提出一种基于模糊隶属度邻域覆盖的三支分类决策方法。引入模糊邻域覆盖方法,构建邻域覆盖隶属度相关的不确定测度,并且提供数据分布的隶属度近似。通过三支分类策略降低分类风险。通过多个数据集分类实验结果可知,提出的方法在保证分类精度的条件下极大地降低了分类风险。

基于BP神经网络和模糊隶属度的PM_(2.5)浓度校准

基于大量数据,采用Pearson相关系数与模糊隶属度分析自建点与国控点的细颗粒物(PM_(2.5))浓度数据相关性。其间通过建立反向传播(Back Propagation,BP)神经网络模型进行训练,并采用遍历试错法确定神经网络的最优算法与相关参数。经反复调试,校准结果相对于国控点数据的均方误差下降到0.005,均等系数为0.95,系统显示出优异的校准性能。研究结果表明,结合模糊隶属度预处理原始数据后,训练算法选用适宜、结构设定合理的BP神经网络能很好地校准自建点PM_(2.5)浓度数据,提高自建点数据精度。

基于模糊隶属度函数的桥梁结构损伤状态评估

为评估桥梁结构的整体损伤状态,以模糊理论为基础,引入模糊隶属度函数,构建了桥梁结构损伤状态评估模型。依托某预应力混凝土梁桥工程实例,对桥梁结构中确定的多种因素采用正态分布函数的形式进行定量表示,然后分别计算各因素所对应的隶属度,再组合成结构的整体隶属度对结构损伤状态进行分级判断。所提方法与《公路桥涵养护规范》中的状况评估方法得到的桥梁结构状况评级一致,验证了基于模糊隶属度函数的桥梁结构损伤状态评估方法的可靠性。该方法可在一定程度上能降低人为主观因素对桥梁结构损伤状况评估的影响,可应用于同类型桥梁进行结构损伤状态的评估分析。

基于混合隶属度模糊PID的EGTS电机监控实验平台

针对A320飞机电动绿色滑行系统电机的快速精准、稳定运行及转速监测实验测试问题,设计了EGTS电机监控实验平台,基于飞升曲线,采用实验方法,建立稀土永磁直流电机驱动控制系统仿真数学模型。借助Matlab/Simulink平台,与传统PID控制算法对比,提出用混合隶属度模糊PID控制算法,实现EGTS电机闭环运行调速控制系统仿真。设计分压电路、信号调理电路、继电器逻辑控制电路及电气监控面板,在可编程逻辑控制器中实现混合隶属度模糊PID算法。以Kingview软件为平台,设计上位机监控显示界面,通过RS485通信方式,与下位机PLC互联,初步搭建了集系统状态监测,运动控制及上/下位机独立控制于一体的EGTS电机模拟监控实验平台。通过EGTS电机模拟监控测试实验,验证了控制算法及系统软、硬件设计的合理性。

基于模糊隶属度的船舶中断航迹关联识别方法

为实现对中断的航迹进行准确的关联识别,形成统一的海上态势,提出了基于航迹预测和模糊隶属度评价的航迹关联识别方法。采用多项式拟合方法进行航迹的双向推测,选取位置、航向、速度作为模糊因素集,采用岭型模糊隶属度函数计算预测的航迹点之间各模糊因素的隶属度并加权得到单时刻隶属度,构造加权函数计算综合隶属度,通过阈值门限判断两航迹是否关联。在仿真实验中,所提方法精确率大于90%,召回率大于80%,关联性能优于传统方法。为进一步研究该方法的场景适应性,仿真了不同场景下的船舶航迹雷达监测数据,包括中断区间内船舶运动稳定场景、速度变化场景、航向变化场景等,船舶运动状态稳定时关联结果的召回率大于90%,中断区间内速度变化小于8 km/h时召回率大于84%,航向变化低于25°时召回率大于88%。该方法为解决非合作船舶交叉环境下的中断航迹关联识别问题提供了有效途径。

基于ANP和优化隶属度函数的雷达质量评估研究

为检验雷达系统质量状况,依据其应用需求和功能特性,构建了雷达质量状况评价的指标体系。针对各层级指标因素间可能存在一定关联性的情况,文中采用网络层次分析法确定指标权重。针对单一隶属度函数可能产生隶属度突变的问题,提出了组合隶属度函数的方法,通过计算各指标在不同隶属函数下的评价信息,而后对多种隶属函数的评价信息进行优化组合,使得评估结果具有更高的可信性。运用模糊综合评判的方法,对某雷达系统质量进行了实例评价分析,结果表明该方法简易可行,能够较为准确地评估雷达装备的质量状况。

覆盖变精度粗糙区间直觉模糊集模型探究

概述区间直觉模糊集的基本理论,利用所定义的平均隶属度、平均非隶属度,建立基于覆盖的变精度粗糙区间直觉模糊集的4种模型,并讨论这4种模型的一些相关性质、与现有模型的关系以及4种模型之间的关系;最后,对4种模型进行实例分析。

一种组合隶属度函数及其在电能质量模糊评价中的应用

在电能质量模糊评价中,选择不同的隶属度函数会导致评价结果出现差异,影响评价的可信度。为避免隶属度函数选择上的主观性,充分利用评价信息,本文提出了一种基于方差—协方差优选组合法的组合隶属度函数。首先选取五种典型的中间型隶属度函数作为优选组合的基础;然后通过方差—协方差优选组合法计算各函数权重并进行最优组合,构造出一个具有普遍适用性的组合隶属度函数;最后利用得到的组合隶属度函数进行模糊评价从而提高评价结果的可信度。应用本文算法对某变电站的电能质量数据进行实证分析和评价,验证了该算法的有效性。

运用模糊隶属度进行土壤属性制图的研究--以黑龙江鹤山农场研究区为例

通过传统土壤类型图所得的土壤属性图已不能满足精准农业和生态环境模型所需土壤属性的精度,而目前应用较多的统计方法和地统计方法均存在一定的局限性。鉴于此,本文探索了一种采用模糊聚类获取模糊隶属度进行土壤属性制图的方法。首先,采用模糊c均值聚类(Fuzzyc-means clustering,FCM)方法对环境因子进行聚类,通过野外采样(称为建模点)建立土壤-环境关系知识;然后,计算区域内各像元点对土壤类型的模糊隶属度;最后,对模糊隶属度采用加权平均的方法获取土壤属性值。将该方法应用于黑龙江鹤山农场老莱河流域的研究小区,以土体厚度和表层有机质为例进行土壤属性制图。为了评价该方法的有效性,将其与采用环境因子所建立的多元线性回归模型进行比较,通过野外验证点集评价两种模型所得的土壤属性,评价指标为观测值和预测值的相关系数、平均绝对误差(MAE)、均方根误差(RMSE)和准确度(AC)。结果表明,尽管通过建模点建立的多元线性回归方程R2较大,但该方程并不适用于研究区内的其他样本点,这表明多元线性回归方法在该区具有一定的局限性。与之相比,模糊隶属度加权平均的方法则可以通过较少的建模点得到更好的预测效果。

具有模糊隶属度的模糊支持向量机算法

针对传统支持向量机(SVM)由于样本中存在孤立点数据或噪声而导致的过学习问题,通过分析模糊支持向量机(FSVM)的特点,指出其关键在于如何构建模糊隶属度,为此结合k近邻法思想提出了一种新的隶属度函数构造方法.该方法不仅考虑了样本点到类中心的距离,而且对各样本点排列的紧密程度也进行了估计,与传统SVM相比,它对样本的分类更为清晰和准确.将该方法应用于汽车发动机的实际故障诊断中,结果表明:SVM与普通FSVM的分类正确率较低,而采用新的模糊隶属度的FSVM算法却有较高的识别率,当k为5时分类正确率达到了70.93%,因此验证了该算法的有效性.

机械产品方案设计模糊综合评价中隶属度转换的新方法

因为机械产品方案设计评价包含诸多模糊性,所以模糊综合评价成为机械产品方案设计评价的优势模型。在模糊评价矩阵确定后,模糊评价的核心计算是隶属度转换,但是,现有的隶属度转换算法不正确,因为各指标隶属度中原本对方案分类不起作用的冗余值,也被用于计算方案隶属度。要使构建的隶属度转换方法不受冗余数据干扰,关键是弄清楚各指标隶属度究竟提供给方案怎样的分类信息。为此,用基于熵的数据挖掘方法,通过挖掘隐含在指标隶属度中关于方案分类的知识信息,理清方案分类与各指标隶属度间的关系,通过定义区分权清除指标隶属度中对方案分类不起作用的冗余值,最终确定出各指标隶属度提供给方案的分类信息,正确实现隶属度转换。由此建立机械产品方案设计模糊综合评价中隶属度转换的新算法。

基于语义隶属度模糊推理的网络舆情监测预警实证研究

[目的/意义]挖掘网络舆情相关信息,构建基于语义隶属度模糊推理的网络舆情监测预警评估方法,对实现网络舆情危机监测和预警具有重要意义。[方法/过程]采用扎根理论提取、筛选指标要素,使用改进的AHP法确定指标权重,通过二级模糊综合评判方法判定舆情信息的语义隶属度,建立基于语义隶属度模糊推理的网络舆情监测预警模型。[结果/结论]能够对网络舆情事件进行有效监测和预警,为网络舆情预警评估的实现和应用提供一个整体、系统的科学依据,提高网络舆情实时监控能力和管理能力。[局限]诸多平台数据和隐性指标数据未能予以完全考虑。

基于改进隶属度函数的电能质量模糊综合评价

通过分析电能质量模糊综合评价中的隶属度函数问题,提出了一种改进的隶属度函数来量化刻画电能质量评价指标各质量等级的模糊特性,从而实现更为细致的电能质量的模糊综合评价,解决了电能评价指标两质量等级之间难以建立联系和量化刻画的问题.文中首先对电能质量指标的权重、确定隶属度函数参数的指标限值及质量等级划分问题进行了分析;然后以传统的岭形函数为基础进行改进,得到基于评价指标质量等级的隶属度函数,并对电能质量的各项评价指标建立了模糊模型;最后运用所设计的算法对某地区的电能质量数据进行评价,结果验证了文中方法的实用性和有效性.

模糊支持向量机中隶属度的确定与分析

针对目前模糊支持向量机方法中,一般使用特征空间中样本与类中心之间的距离关系构建隶属度函数的不足,提出了一种新的有效地反映样本不确定性的隶属度计算方法———基于样本紧密度的隶属度方法。在确定样本的隶属度时,不仅考虑了样本与类中心之间的关系,还考虑了类中各个样本之间的关系,并采用模糊连接度来度量类中各个样本之间的关系。将其应用于模糊支持向量机方法中,较好地将支持向量与含噪声或野值样本区分开。实验结果表明,采用模糊支持向量机方法,其分类错误率比采用支持向量机方法的错误率低,在使用的3种隶属度函数中,采用基于紧密度隶属度的模糊支持向量机方法抗噪性能最好,分类性能最强。

基于模糊C均值隶属度约束的图像分割算法

模糊C均值算法(FCM)是图像分割中应用最为广泛的一种模糊聚类算法,但是传统的模糊C均值算法并没有考虑到任何空间信息,这使得传统的模糊C均值算法对噪声非常敏感。尽管许多改进的模糊C均值算法采用调节空间信息影响程度的因子,但是这些因子不仅需要人为设定而且对强噪声仍缺乏足够的鲁棒性。针对FCM噪声敏感问题,提出一种基于FCM隶属度约束的图像分割算法,算法根据图像中的像素点自身的隶属度信息来自动调节算法对噪声的鲁棒性和对图像细节保持性的平衡度,不需要人为设定空间信息的影响程度。通过和FCM的改进算法在自然图像的实验分割效果比较,验证了该算法在去除强噪声的同时能够保持更多的图像细节,从而实现较理想的图像分割结果。

基于多尺度核模糊聚类的图像分割算法

针对现有的模糊聚类算法容易受到噪声影响,难以实现精准分割的问题,提出一种基于多尺度核模糊聚类的图像分割算法。首先,利用高斯滤波对分割图像进行多次模糊,构建多尺度空间。然后,利用图像的局部空间信息和权重信息来修改局部模糊因子,同时引入核函数,用内核诱导距离替换原始欧式度量,增加了其对噪声点和离群值的鲁棒性。将全局隶属度和局部隶属度加权,二次修正隶属度的划分。最后,使用滤波后的上层图像聚类结果依次指导下层图像聚类,避免了随机初始化,有效抑制噪声,提升算法的分割性能。为验证算法的有效性,与其他8种聚类算法进行对比分析,结果表明:所提算法在噪声污染和复杂图像中能够取得较好的分割结果。

一种新隶属度函数的模糊支持向量机

传统的模糊支持向量机隶属度函数都是基于样本与类中心距离进行设计,这对非球形分布数据很不合理。使用类内超平面代替类中心,提出基于样本到超平面距离的新隶属度函数设计方法。该方法克服传统方法的不足,降低隶属度函数对样本集几何形状的依赖,提高模糊支持向量机的泛化能力。数值实验表明,与支持向量机和三种不同隶属度函数的模糊支持向量机相比,新隶属度函数的模糊支持向量机达到最好的分类效果,而且新隶属度方法的简单易行,计算时间少。