基于犹豫模糊语言决策信息的被执行人聚类算法

针对法院“执行难”现状，将模糊聚类分析方法应用于司法执行领域，聚类的数据类型拓展为犹豫模糊语言信息，构建了一套完整的被执行人隐匿财产行为评估体系。通过估测被执行人隐匿财产的量化概率，为执行法官确定查控重点提供了决策支持。对当前的犹豫模糊语言距离测度存在的局限性进行了分析，给出了犹豫模糊语言犹豫度的定义和新的犹豫模糊语言距离计算方法。采用离差最大化思想确定最优属性权重，提出了一种基于离差最大化的犹豫模糊语言凝聚式层次聚类算法。犹豫模糊语言决策信息环境下的被执行人聚类分析算例验证了评估体系和聚类算法的有效性。     

区间模糊ISODATA动态聚类算法

目前模糊技术已经应用于许多智能系统,如模糊关系与模糊聚类.聚类是数据挖掘的重要任务,它将数据对像分成多个聚类,在同一个聚类中,对象的属性特征之间具有较高的相似度,有很大研究及应用价值.结合数据库中的挖掘技术,对属性特征为区间数的多属性决策问题,提出了一种基于区间数隶属度的区间模糊ISODATA动态聚类方法.     

稀土安全评价:集成算法改进与实证

稀土作为我国战略性矿产资源,其安全问题一直是政府和学术界关注与研究的重要课题.建立了稀土安全的概念框架与评价体系,针对传统AHP中九标度法的不足,基于熵值法、加速遗传算法及扩充标度值的层次分析法,提出了一种改进的层次分析法(EV-AGA-EAHP),通过集成模糊C-均值聚类算法和模糊综合评价法,研究提出了一种模糊综合集成评价方法(EV-AGA-EAHP-FCM-FIJ),给出了集成算法及步骤,对2001-2013年我国稀土安全水平进行了评价,提出了保障我国稀土安全的建议.     

模糊蕴涵格理论

模糊蕴涵代数,在文献中简称为FI代数,最初由吴望名先生于1990年提出,至今已经有许多研究成果.文中综述有关FI代数的概念,性质等主要研究工作,同时给出这类代数的一些新的性质.重点强调构成格结构的FI代数,称之为模糊蕴涵格,简称为FI格.这类代数结构与模糊逻辑中几个重要的代数系统具有紧密的联系,文中将揭示这些联系,一些重要的模糊逻辑代数系统都是FI格类的子类.另外,所有正则FI格构成代数簇,即等式代数类.这个代数簇将在模糊逻辑与近似推理中发挥重要的作用.     

基于AFS拓扑和AFCM的模糊聚类分析

在分析AFS方法和AFCM算法的基础上,设计了一个新的模糊聚类算法.它首先应用AFS拓扑理论计算得到数据的相对距离,然后将相对距离应用于改进后的AFCM算法中,并进行了聚类实验.实验结果证明这样的聚类算法优于传统的HCM、FCM聚类算法,而且该方法能应用于含有布尔值或模糊概念的聚类分析中.     

FAHP中基于概念格的加权群体决策

在一些群体决策问题中,由于决策者个人的经验、才智、权力等因素的不同,因而拥有不同决策权重,将概念格聚类的方法嫁接于群体决策之中,提出FAHP中一种加权群体决策模型,并给出一个应用该群体决策模型的例子.     

基于模糊覆盖的模糊聚类

提出了ε水平最优模糊覆盖的新思想,结合推广的价关系概念,通过三角模糊算子（本文简称为Ｔ算子）,研究了一种 模糊聚类方法,不仅能够充分利用已有数据信息,而且解决了聚类的评价性问题。     

基于加权相似性的BIRCH聚类算法

BIRCH方法是一个集成的层次聚类方法.它克服了凝聚层次聚类方法所面临的两个难点:可伸缩性和不能撤销前一步工作的问题.基于BIRCH聚类的多阶段聚类算法思想,结合基于权重的欧式距离度量和基于划分的K-means算法,提出了一种基于加权相似性的BIRCH聚类方法,并将方法应用在时间序列的气象数据分析中.     

模糊美学的一种认知结构

美学问题存在大量的模糊性现象。本文分析了建立在处理狭义模糊性的L.A.Zadeh模糊集合论基础上的传统的模糊美学。运用模糊性层次的分析方法探讨了模糊美学问题,提出了模糊美学的一种认知结构,提出了结构性模糊美学的概念,讨论了它的本质、特征、研究对象和范围、研究任务和方法。     

一种基于子集测度的FCM聚类加权指数计算方法

在模糊C均值(Fuzzy C-Means,FCM)聚类应用过程中,针对目前模糊加权指数的确定缺乏理论依据和有效评价方法这一问题,提出了一种基于子集测度的模糊加权指数计算方法.首先根据子集测度理论定义了一个聚类有效性函数,然后依据该函数在聚类过程中通过循环进化迭代来计算聚类结果的有效性,并将其值反馈到模糊加权指数m的变化中,而使m收敛到一个稳定解,即得到最佳模糊加权指数.理论分析和实验表明,该算法是有效的,为模糊加权指数m的探讨研究提供了一种新的思路和途径.     

连续值域决策表的一种属性权重确定方法

结合模糊聚类技术与粗糙集中属性重要性思想,针对连续值域决策表,提出一种属性权重的确定方法.该方法首先将连续值域决策表转化为模糊决策表,然后求出对象之间关于条件属性的相似度矩阵,再采用平方法将相似度矩阵化为等价矩阵,最后根据模糊聚类技术与粗糙集中求属性重要性方法求各连续属性的权重.实例说明了该方法的合理性和有效性.     

基于格值逻辑的模糊概念格

从逻辑的角度,将非经典逻辑之一的格值逻辑引入概念格,建立了格值模糊形式背景,通过格结构来刻画对象与属性之间的模糊关系,证明了由蕴涵算子诱导的算子对是伽罗瓦连接,并讨论了相关的一些性质,进而给出了格值模糊概念格的构造算法.格值模糊概念格的建立为模糊性与不可比较性信息的处理提供了可靠的数学工具.     

模糊软格

将模糊软集的概念与格相结合,引入了模糊软格和模糊软格的模糊软子格的概念,给出了它们的若干代数性质.定义了格的模糊软同态概念,证明了模糊软格在格的一个模糊软同态下的像与原像仍为模糊软格的结论.     

利用矩阵行秩生成概念格的一种算法

概念格是根据二元关系提出的一种概念层次结构,它描述了对象和属性的关系,利用矩阵行秩的层次思想提出了一种基于矩阵行秩的概念格生成算法,并用实例描述了对象和属性之间的概念关系.     

基于随机采样模糊聚类和卡尔曼滤波方法的模糊辨识

提出一种新的基于模糊聚类和卡尔曼滤波方法的模糊辨识算法 .该方法是基于快速模糊聚类 ,计算给定样本在各类中的隶属度 ,并利用卡尔曼滤波方法辨识模糊模型的结论参数 .整个辨识过程与一般的模糊聚类方法 [1 ]相比 ,需要的 CPU时间大大缩短 .最后通过仿真实例验证了该方法的有效性 .     

效应代数中的模糊滤子

在效应代数中引入模糊滤子和模糊理想的概念,讨论了它们的性质;引入并研究了强模糊滤子;在全序效应代数中提出了一个模糊同余关系并证明了这样生成的同余类是一个全序格效应代数.     

土壤分类的模糊集成算法与应用

土壤是一个多性状的连续体,其分类的首选方法是模糊聚类分析.但是模糊聚类分析中现有的基于模糊等价关系的动态聚类法和模糊c-均值法各有利弊,采用其中一种方法聚类肯定存在不足.为此集成两种聚类方法的优点,避其缺点,提出了用基于模糊等价关系的动态聚类方法和方差分析方法确定聚类数目和初始聚类中心,再用模糊c-均值法决定最终分类结果的集成算法,并将其应用到松花江流域土壤分类中,得到了较为切合实际的分类结果.     

基于集值统计的直觉模糊聚类

针对聚类问题中样品属性值不能或很难直接给出的情况,提出了一种基于集值统计的直觉模糊聚类方法,讨论了四种情况下的属性直觉模糊相似矩阵的公式,给出了聚类方法的步骤,最后通过算例 对该方法进行了说明和分析.     

自适应约束模糊C均值聚类算法

针对经典C均值聚类算法和模糊C均值聚类算法所存在的对初始聚类中心过分依赖以及需要预先知道实际聚类数目的问题,基于模糊C均值聚类算法提出了一种新算法:自适应约束模糊C均值(ACFCM)聚类算法,它在模糊C均值聚类算法的基础上,给目标函数加入了一个惩罚项,使得上述问题得以解决.并通过仿真实验证实了新算法的可行性和有效性.     

基于自适应模糊聚类的T-S模糊辨识方法

针对模糊建模在进行结构辨识时需事先设定聚类数的问题,本文在改进模糊分割聚类算法的基础上,对算法中聚类数c给出优选方法,提出了参数自适应模糊聚类算法,并结合递推最小二乘法构建T-S模糊辨识算法。为了验证本文提出的模糊辨识方法的有效性,采用该算法对熟知的Box-Jenkins煤气炉数据和实际的电液位置伺服系统数据进行建模,结果显示该辨识方法具有较高的逼近精度和较好的泛化能力。