多对象多指标多级别模糊模式识别模型的构建

给出对象指标相对隶属度矩阵和标准指标值相对隶属度矩阵的建立方法;提出如何构建一种新的模糊模式识别模型.     

基于区间数贴近度的水环境质量评价模型研究

针对基于区间数的水环境质量评价问题,提出了基于区间数贴近度的水质评价模型.首先讨论了区间数贴近度的定义,给出了求贴近度的具体公式.然后给出了水质评价模型的一般步骤,并通过实例验证了模型计算方法简单且能较完整地反映水环境质量污染程度,是一种合理实用的评价方法.同时分析了评价指标因子的赋权法,给出了一种基于等权赋权法和指数赋权法的几何平均组合赋权法.     

基于改进粒子群算法的模糊聚类-概率神经网络模型的企业财务危机预警模型研究

为了充分发挥概率神经网络在企业财务危机预警中的作用,克服概率神经网络平滑参数难以确定和空间复杂度高的不足,本文提出一类新的参数动态调整的粒子群算法优化概率神经网络的平滑参数,进而采用改进粒子群算法优化初始隶属度矩阵的模糊聚类方法实现对样本的选择,解决了概率神经网络平滑参数的确定及空间结构复杂的问题。提出了基于改进粒子群算法的模糊聚类-概率神经网络企业财务危机预警模型,并以我国上市公司作为研究对象进行了实证研究。结果表明,经过模糊聚类和改进粒子群算法优化的概率神经网络具有更优的预测性能,并在企业财务危机长期预警方面具有一定效用。     

水质评价中的冗余理论与去余算法

水质评价在算法层面上解决的问题是,通过实现指标隶属度到目标隶属度转换确定目标水体的污染等级;存在的实质性问题是,如何界定隶属度转换不是简单的线性转换以及如何解决隶属度转换的非线性计算.为此,通过计算由隶属度向量表征的分类信息的信息熵、确定指标对水体分类所做贡献的大小;借助区分权概念揭示指标隶属度中包含对目标水体分类的冗余值.以"冗余"为切入点,建立以冗余定理、非线性转换等定理推论为基本内容的冗余理论.用冗余理论界定隶属度转换的非线性,建立基于区分权滤波的去余算法实现隶属度转换.所建模型在指标隶属度只取"0或1"两个数值时,将退化为通常的"加权平均"线性模型.     

模糊综合评判加权平均模型的误导性阐释

模糊综合评判在不能界定隶属度转换是线性转换条件下,硬性用加权平均线性模型实现隶属度转换.通过揭示指标隶属度中通常包含确定目标隶属度不起作用的非线性冗余值,建立区分权滤波的冗余理论,用冗余理论界定隶属度转换不是线性转换,并构建近似推理逻辑支撑的隶属度转换模型.阐述所建模型为什么是当前条件下人们能构建的最优近似模型.当指标隶属度只取1或0两个值时模型将退化成模糊综合评判的"加权平均"模型.     

四层参数自调整BP神经网络模型及其在人口死亡率预测中的应用

为有效提高神经网络的学习效率并降低其陷入局部极小值的概率,文章构建了四层参数自调整BP神经网络模型,该模型具有四层特殊的网络结构,采用附加动量法与自适应法调整参数.数值试验表明,与常规的BP神经网络相比,该方法的学习收敛速度与预测精度均有较大改进.鉴于人口死亡率的复杂变化趋势,使用单个模型无法准确预测,文章同时建立了GM(1,1)模型与ARMA(2,2)模型,结合三种模型的优势,应用模型平均方法预测了中国人口的死亡率.结果显示,2018-2020年中国人口的死亡率分别为7.1042‰,7.1040‰。和7.1045‰.     

基于组合权重-隶属度转换算法的物流园区绿色度评价

采用一种科学合理的方法评价物流园区的绿色度对促进区域经济绿色发展具有重要意义.在建立物流园区绿色度评价指标体系基础上,将改进的AHP与熵权法相结合确定指标组合权重,并融入隶属度转换算法构建评价模型,其优势是减少评价过程的主观因素影响与信息失真.通过算例验证了所建模型的可行性和实用性.     

基于贝塞尔曲线理论的备件需求模糊隶属度函数构建模型

用模糊理论描述备件需求是一种科学适用的方法,针对现有模糊变量隶属度函数构建方法的不足, 设计了基于贝塞尔曲线理论的备件需求模糊隶属度函数构建方法,给出了隶属度求解算法,分析了使拟合误差最小的控制点选择方法.同时通过实例验证以及与最小二乘法的对比分析,验证了贝塞尔曲线方法在构建备件需求模糊隶属度函数方面的有效性.此方法无需事先假设隶属度函数的形态,简单易用、使用灵活并且精度较高.     

基于可变模糊集理论的城市用地适用性评估

依据可变模糊集理论,构造了城市用地适用性评估的相对差异函数模型和相对隶属函数模型,建立了求解综合相对隶属度的可变模糊评估模型,并应用该模型对2组待开发利用用地适用性进行了评估.研究表明:可变模糊评估是依据对立相对隶属函数来描述模糊概念,通过参数的可变性,自我验证可变模糊评估方法的可靠性,并通过级别特征值表达了评估对象属于某级别的程度,使评估结果更为精细,从而为城市用地适用性评估提供了一种有效的新方法.     

基于多维动态隶属度的模糊时间序列的天然气月负荷预测

准确的天然气负荷预测对于完善城市燃气供需系统与提高能源利用效率都大有裨益。由于燃气负荷序列受到多种不确定因素的影响,为了捕捉月度负荷的模糊性和非线性等复杂特征,本文结合模糊理论和长短时记忆神经网络(LSTM)的特性,提出了一种基于多维动态隶属度的模糊时间序列的预测新方法。首先,利用模糊C均值聚类(FCM)从原始数据中构建多维隶属度序列;其次,利用LSTM对多维隶属度序列同时进行预测,得到其动态隶属度;最后,去模糊化得到燃气负荷的预测值。应用该模型对四川成都某地区的天然气月度负荷进行了未来三个月的预测,并与经典模糊时间序列(FTS)、ARIMA模型、BP神经网络(BPNN)、LSTM等模型进行对比。实验结果表明,新模型的MAE、RMSE以及MAPE均优于其他模型。因此,本文提出的模型可对城市燃气供给和调度提供有价值的参考。     

基于深度学习的直觉模糊集隶属度确定方法

直觉模糊集隶属度、非隶属度和犹豫度的确定方法是直觉模糊集理论与应用研究中一个十分重要的问题,其直接影响着相关方法的可扩展性及应用结果。然而,现有方法存在主观性强、标准难以统一等问题,并且大多基于模拟数据进行实验,难以应用至实际数据。针对上述问题以及大规模非结构化数据,提出一种基于深度学习的直觉模糊集隶属度、非隶属度和犹豫度确定方法。新方法克服了传统方法的技术和思维局限,拓展了直觉模糊集相关问题的研究思路,为其实际应用提供了更多可能。     

偏最小二乘回归的贝叶斯正则化神经网络集成模型在证券分析预测中的应用

神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.利用Bagging技术和不同的神经网络算法生成集成个体,并用偏最小二乘回归方法从中提取集成因子,再利用贝叶斯正则化神经网络对其集成,以此建立上证指数预测模型.通过上证指数开、收盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好.     

基于BP模型的优化方法研究及其应用

首先根据BP算法的基本原理,推导出了BP模型中输出对输入的偏导.然后基于已有数据,利用BP模型进行拟合,保留训练后的BP模型的权值和阈值.在此基础上,利用变步长梯度法实现了BP模型的最优化.本文是对BP模型优化方法的一种新的理论探讨.     

基于相对隶属度的织物风格模糊聚类分析

分析比较了统计数学、模糊数学和灰色数学在织物风格分析中的缺陷.特别针对模糊数学需人为确定隶属函数的缺陷提出采用基于相对隶属度的织物风格模糊聚类分析方法.以相对隶属度矩阵和模糊聚类中心矩阵的迭代求解为依据,对苎麻等十种织物的风格测试参数进行了聚类分析.通过聚类计算得到了织物相对类别特征值的聚类结果.经验证认为该结果符合客观实际和人们的感知经验.     

基于GRNN神经网络的变权组合预测的权重确定方法

为使组合预测的组合权重随样本数据不同而改变,从而使误差平方和达到最小,我们使用二次规划对样本每期组合权重进行确定.利用所得权重样本对广义神经网络训练使其对样本外组合权重进行确定.结果表明:这是一种可行得组合预测方法,能够提高预测精度,为变权组合预测增添了一种可行方法.     

Data Mining with Enhanced Neural Networks-CMMSE

This paper presents a new method to extract knowledge from existing data sets, that is, to extract symbolic rules using the weights of an Artificial Neural Network. The method has been applied to a neural network with special architecture named Enhanced Neural Network (ENN). This architecture improves the results that have been obtained with multilayer perceptron (MLP). The relationship among the knowledge stored in the weights, the performance of the network and the new implemented algorithm to acquire rules from the weights is explained. The method itself gives a model to follow in the knowledge acquisition with ENN.     

乡村绿色生态旅游适宜等级VIKOR评估方法

针对乡村绿色生态旅游特征,并考虑旅游者个体感受与群体效益,本文从乡村绿色生态旅游开发与适宜评级概念出发,提出乡村绿色生态旅游适宜等级VIKOR评估模型与方法。首先,从等级评估的概念与内涵出发,刻画乡村绿色生态旅游适宜评级问题,避免混淆旅游适宜评级和排序两个本质不同的问题。然后,构建乡村绿色生态旅游适宜等级评估指标及隶属函数,提出评估指标的熵权确定方法。其次,提出乡村绿色生态旅游适宜等级VIKOR评估模型与二元语义等级评估方法。最后,通过案例研究和比较分析,说明本文所提模型与方法的合理性、可行性与实用性。     

基于自适应延时神经网络的短时交通流预测

为了提高交通流诱导系统的性能,研究了一种基于自适应延时神经网络算法的短时交通流量预测模型,该算法与传统的神经网络方法相比在神经网络的结构和神经网络的训练方法两个方面进行了改进,更适用于预测具有不确定性、非线性、动态性等特征的短时交通流,同时用Matlab7.0编写程序对算法进行了仿真实现,根据仿真结果的分析验证了算法时实性和精确性.     

On computation of the steady-state probability distribution of probabilistic Boolean networks with gene perturbation

Given a Probabilistic Boolean Network (PBN), an important problem is to study its steady-state probability distribution for network analysis. In this paper, we present a new perturbation bound of the steady-state probability distribution of PBNs with gene perturbation. The main contribution of our results is that this new bound is established without additional condition required by the existing method. The other contribution of this paper is to propose a fast algorithm based on the special structure of a transition probability matrix of PBNs with gene perturbation to compute its steady-state probability distribution. Experimental results are given to demonstrate the effectiveness of the new bound, and the efficiency of the proposed method.