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.     

基于AFS拓扑和FCM的模糊聚类分析

聚类分析是数据挖掘的一个重要研究课题,模糊聚类是聚类分析的一个有效手段。本文在分析AFS方法和FCM算法的基础上,设计了一个基于AFS拓扑和FCM的模糊聚类算法,进行iris数据的聚类实验证明它聚类结果优于传统的FCM聚类算法,具有很好的推广性和实际应用价值。     

单侧贴近度,双侧贴近度及其与普通贴近度的转换

本文引入了两类有直观实际背景的特殊贴近度，单侧贴近度和双侧贴近度，同时给出了由任意普通贴近度出发构造单侧贴近度，双侧贴近度，及其单双侧贴近度相互之间转换的一般方法。     

基于AFS逻辑的模糊聚类分析

应用 AFS结构[8] 和 EI代数 [8] 给出一个新的模糊聚类分析方法。它和人类根据某些模糊特征对一些对象进行聚类分析的过程类似。并通过例子说明该方法分类的结果与用直觉分类的结果相似。     

直觉模糊决策信息系统属性约简

由属性值贴近度和阈值λ可构建λ-容差关系,利用此λ-容差关系可定义直觉模糊决策信息系统属性约简的λ-可辨识矩阵,进一步可定义λ-辨识公式,最后通过λ-辨识公式的极小析取范式可以唯一确定直觉模糊决策信息系统所有的相对约简,从而可成功地解决求解直觉模糊决策信解息系统属性约简问题.     

基于区间数贴近度的不确定多属性决策模型

针对只有部分权重信息且属性值以区间数形式给出的多属性决策问题,提出了一种基于区间数贴近度的决策方法.首先讨论了区间数贴近度的定义和性质;然后给出了解决不确定多属性决策问题的一般步骤.并依据传统的逼近理想解的基本思路,以实际评价值与理想解之间的贴近度最大化为目标建立优化模型,从而得到指标权重.进而计算出每个方案与正理想解的相对贴近度,即可得到所有方案的排序结果.方法能充分利用规范化评价的先验信息,评价结果客观可靠,不具有主观随意性.最后通过实例分析验证了该方法的有效性和实用性.     

基于粗糙模糊度属性约简的教学质量评价

教师教学质量评价对提高教学质量具有积极意义和重要作用.教师教学质量评价指标的科学性及合理性是对教师的教学质量进行客观公正评价的重要前提,本文利用粗糙模糊度属性约简方法对教师教学评价指标进行分析、约简.所得结果对教师提高教学水平和教学质量,简化教学测评具有一定的指导意义.     

基于粗糙模糊度属性约简的教学质量评价

教师教学质量评价对提高教学质量具有积极意义和重要作用.教师教学质量评价指标的科学性及合理性是对教师的教学质量进行客观公正评价的重要前提,本文利用粗糙模糊度属性约简方法对教师教学评价指标进行分析、约简.所得结果对教师提高教学水平和教学质量,简化教学测评具有一定的指导意义.     

关于模糊数贴近度问题的研究

利用模糊集和区间数的贴近度理论,讨论了模糊数的贴近度问题.通过区间数与模糊数之间的关系,根据区间数贴近度的一般表示形式,给出了构造一些模糊数贴近度的具体计算公式的方法;并通过实例说明了所得到的贴近度公式的有效性和实用性,解决了常用贴近度公式所不能解决的问题.     

基于模糊贴近度的多目标分类算法

本针对多目标分类中线性聚合模式存在的问题，提出了一种基于贴近度分析的多目标分类新算法。在非对称贴近度分析的基础上，通过确定决策对象评价的参考等级，并依据它们与评价等级集合中各评价等级的贴近程度，来进行多目标聚合与分类。本的算例说明了该算法的可行性。     

AFS结构分解算法及其在复杂系统故障诊断中的应用

通过复杂系统上AFS结构的分析，进一步研究了复杂系统上AFS结构如何分解为若干个相互独立的子AFS结构，给出了AFS结构直和分解算法。在对复杂系统进行分析和故障诊断时，这种算法有效地降低了系统的复杂程度，从而减少了系统的故障判断和处理的难度，并应用Matlab给出了一种船用柴油机的系统分析和故障诊断的应用实例。     

基于属性约简的分类及其应用

约简是粗糙集用于数据分析的重要方法和手段,也是粗糙集理论的核心内容之一.论域U上的等价关系可以确定U的划分,U上的不可区分关系是等价关系.利用不可区分关系定义信息系统的划分协调集及划分约简集,而且证明了划分约简集的判定定理,并将其应用于实际分类问题.     

粗糙集理论在属性约简及知识分类中的应用

本针对不完备信息系统属性约简的两种定义，证明了两的等价性。在此基础上结合粗糙集理论提出了相似矩阵、相似区间的概念，并将其应用于不完备信息系统知识分类的问题中。     

AFS结构上矩阵的幂等指数估计

在应用AFS结构(M,τ,X)研究故障诊断问题中,需要寻找正整数r使其满足M2γτ=Mγτ.由于复杂系统对应的AFS结构上矩阵Mτ的阶数较大,为了减少计算量,需要估计出最小的γ.本文给出了基于集合M上的布尔矩阵的概念,并得出其传递闭包的相关性质,在集合M上的布尔矩阵与(0,1)布尔矩阵之间建立一种同态映射并给出其证明,最后运用该映射对r的范围进行了估计.     

基于证据理论的作战群体类型建模与识别方法

作战群体的类型识别是兵力聚合中的一个重要问题,针对类型识别所处理的情报及所使用的知识的不确定性,尤其是情报与知识在观点上的不明确性,本文提出了基于证据理论的情报表示及组合方法,并给出了群体类型的模板表示方法,进而提出了基于组合情报与模板模糊匹配的作战群体类型识别方法。该方法能应用于各个层次的兵力聚合过程,以辅助各个指挥层次的军事决策,提高决策的速度及效率。     

基于模糊模式识别的动态联盟伙伴选择模型

在基于模糊模式识别的伙伴选择方法中,将TOPS IS方法借助于一个多属性决策问题的“理想解”和“负理想解”去排序的思想应用到其伙伴选择过程中,根据贴近度的公理化定义对TOPS IS方法作以修改,构造出“相对”贴近度,以此折衷地衡量动态联盟合作伙伴的优劣。避免了传统模糊模式识别单纯利用“绝对”贴近度所造成的结果均一化、可比性差的现象,从一定程度上减少了因贴近度选用的不同而造成的结果差异。从某种意义上来说,该种方法可以作为TOPS IS方法的拓展,是本文具有新意之处。     

基于D-S证据理论的Bayes信息融合

在Bayes统计中,验前分布的获取和表示是一个关键问题,尤其在验前信息多源型的情况下,更需要合理客观地综合利用这些信息.针对实际现实中信息的多源性和不确定性,本文给出了一种基于D-S证据理论的多源总体验前分布的融合方法,并通过实例说明了该方法在Bayes先验信息融合中的应用.     

基于模糊理论的软件寿命周期费用评价模型

软件寿命周期费用评价模型涉及到软件开发、使用和维护过程中各种资源最有效利用的权衡分析。由于软件开发不是一门严谨的精确科学,往往存在大量具有不确定性的需求以及许多未知和不确定因素,所有这些都给软件寿命周期费用评价带来模糊效用。本文将模糊理论应用于软件寿命周期费用的评价,给出了从评价属性模糊值的确定、模糊评价模型的建立,到模型求解和最优方案选择的模糊评价方法,并通过对一个算例的分析,证明了该模型的可行性。     

基于粗糙集理论的多维定性变量约简方法

基于粗糙集理论中的属性约简方法,提出了一种基于信息熵进行多维定性变量的约简方法,并进行了实证分析.