基于灰色关联分析的模糊支持向量机中隶属度的确定

本文用灰色关联分析来替代模糊隶属度的求解,提出了一种新的有效地刻画样本不确定性的隶属度计算方法,理论上表明它是解决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的方法之一,在一些特定条件下分类性能要强一些.     

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.     

清晰集构造模糊集的简易方法及其在模糊评判中的应用

运用清晰集合的交、并运算、模糊集的分解定理,本文提出了一个用多个清晰集合构造一个模糊集合的简易方法,并将这个方法应用于模糊综合评判.本方法能将模糊综合评判中取值范围不同的指标的取值范围归一化为区间(0,1).实例表明,本方法在模糊综合评判领域是有效的、且易于操作,可以广泛应用于工程、社科等领域.     

A connection between cutting plane theory and the geometry of numbers

In this paper, we relate several questions about cutting planes to a fundamental problem in the geometry of numbers, namely, the closest vector problem. Using this connection we show that the dominance, membership and validity problems are NP-complete for Chvátal and split cuts. Received: August 28, 2001 / Accepted: March 2002?Published online May 8, 2002     

一类广义模糊控制系统及其特征

在具有再生核的希尔伯特空间中(简记为r．k.h，以下同)，以一组修正化的再生核作为输入空间的隶属函数，建立了一种广义的模糊控制系统，在一定条件下，该系统事实上包含着是r．k.h中函数的最佳插值逼近．就对未知控制曲线的逼近而言，典型的模糊控制器^[1]不可能比这种广义的模糊控制系统做得更好．广义的模糊系统具有以下优点：对样本的学习一次完成，克服了一般模糊控制器学习时所面临的解一个非线性最优化问题的困难；能估计出对待逼近实际控制函数误差的一个确定的上界；从Kosko B所揭示的模糊逼近本质特征^[2]，即确定性的角度来看它也是最优的．     

基于最大隶属原则的核磁共振波谱模糊识别

介绍了基于最大隶属原则的核磁共振(NMR)波谱模糊识别原理与方法. 提出了关于核磁共振波谱模糊集合的概念,并给出了相应的隶属函数. 通过建立标准谱数据库和相应的模糊识别算法,实现了核磁共振波谱的快速自动定性分析. 对苯酚、邻苯二酚、间苯二酚及对苯二酚4种化合物及其11种混合物样品的¹H NMR谱进行了定性分析. 结果表明,在粗略找峰和隶属度阈值在0.45~0.85之间较大范围内取值的情况下,方法均给出了准确的识别结果.     

Supervised learning algorithms for multi-class classification problems with partial class memberships

In several application domains such as biology, computer vision, social network analysis and information retrieval, multi-class classification problems arise in which data instances not simply belong to one particular class, but exhibit a partial membership to several classes. Existing machine learning or fuzzy set approaches for representing this type of fuzzy information mainly focus on unsupervised methods. In contrast, we present in this article supervised learning algorithms for classification problems with partial class memberships, where class memberships instead of crisp class labels serve as input for fitting a model to the data. Using kernel logistic regression (KLR) as a baseline method, first a basic one-versus-all approach is proposed, by replacing the binary-coded label vectors with [0,1]-valued class memberships in the likelihood. Subsequently, we use this KLR extension as base classifier to construct one-versus-one decompositions, in which partial class memberships are transformed and estimated in a pairwise manner. Empirical results on synthetic data and a real-world application in bioinformatics confirm that our approach delivers promising results. The one-versus-all method yields the best computational efficiency, while the one-versus-one methods are preferred in terms of predictive performance, especially when the observed class memberships are heavily unbalanced.     

变革型领导、知识共享与研发团队创造力:团队成员异质性的倒U型调节作用

本文基于变革型领导理论、知识共享理论、团队创造力理论及团队异质性理论,研究变革型领导对高新技术企业研发团队创造力的影响,及知识共享在这一作用过程中的中介效应,并提出带倒U型调节的混合模型,探索团队成员异质性的倒U型调节效应。通过对162家高新技术企业的实证研究,得出以下主要结论:变革型领导对研发团队创造力有显著正向影响;知识共享在变革型领导与研发团队创造力之间起部分中介作用;团队成员异质性在变革型领导与知识共享之间起倒U型调节作用,在知识共享与研发团队创造力之间起倒U型调节作用。     

从坐标隶属度到点隶属度转换的数学方法

在多指标不确定决策中,如果选用隶属函数描述各维指标值关于状态的不确定性,必然涉及坐标隶属度到点隶属度的转换问题.现有的隶属度转换方法受到冗余数据的干扰,影响了决策结果的可信性.为此,通过挖掘隐藏在坐标隶属度中关于点分类的知识信息,厘清点分类与坐标隶属度间的关系;定义指标区分权清除坐标隶属度中对点分类不起作用的冗余值,构建从坐标隶属度到点隶属度转换的数学方法,为多指标不确定决策提供方法依据.     

关于有限论域上模糊度定理的一个注记

设F（U）为有限论域U={u1,u2,…,un}上的模糊幂集.令D：F（U）→[0,1],AaD（A）=g（∑i=1^n ci fi（A（ui）））,其中ci〉0,fi：[0,1]→[0,＋∞）满足（1）fi（x）=fi（1-x）,（2）fi（0）=0,（3）fi在[0,0.5]上严格递增.又设a=∑i=1^n ci fi（0,5）,且g：[0,a]→[0,1]严格递增,g（0）=0,g（a）=1.某教材中的定理断定具有上述性质的映射D为F（U）上的模糊度函数.本文构造出具有上述性质的D,但D不满足模糊度函数定义中的可加性条件,故不为F（U）上的模糊度函数.本文进一步指出,若将g的定义域扩展为[0,2a],并再假定g是可加的,则可使D为F（U）上的模糊度函数.