基于区间值模糊集的模糊区域拓扑关系模型

在GIS实际应用领域中,采样点的属性数据往往不是精确的数值,而是一个区间范围,对此类空间数据的建模、分析和推理越来越受到相关领域研究者的重视.利用区间值模糊集描述由不确定属性数据所圈定的模糊区域,基于区间值和区间值模糊集的运算性质,给出了模糊区域间拓扑关系的分析模型.该模型改进了基于经典模糊集及其截集的拓扑关系模型,对模糊区域拓扑关系的分析结果更符合人们的认知习惯,可以利用区间值结果进行推理和决策,能够有效地分析由区间值属性所确定的模糊区域间的拓扑关系,在地理信息系统和空间数据库等领域具有实际应用价值.     

一种不确定区域的扩展蛋黄模型

空间区域的拓扑关系建模是空间推理、地理信息系统(GIS)和计算机视觉等领域一个重要的研究内容,近年来不确定区域间的拓扑关系建模受到相关领域研究者的极大关注.基于三元组谓词给出了一种不确定区域的扩展蛋黄模型,该模型具有较高的认知合理性,将分明区域作为特例统一处理,分别基于RCC5和RCC8关系进行了扩展,能够实现多层次上的拓扑关系分析.     

基于遗传算法的动态Bayesian网结构学习的研究

动态Bayesian网是复杂随机过程的图形表示形式,从数据中学习建造动态Bayesian网是目前的研究热点问题.本文针对该问题提出了一种遗传算法.文中设计了结合数学期望的适应度函数,该函数利用进化过程中的最好动态Bayesian网把不完备数据转换成完备数据,使动态Bayesian网的学习分解为两个Bayesian网(初始网和转换网)的学习,简化了学习的复杂度.此外,文中给出了网络结构的编码方案,设计了相应的遗传算子.模拟实验结果表明,该算法能有效地从不完备数据序列中学习动态Bayesian网,并且实验结果说明了隐藏变量的作用和遗传控制参数对结果模型的影响.