基于云变换的混合计算模型在水淹层识别中的应用

目前为止,现有的自动判别方法难以反映定量指标和定性指标相结合的混合信息对水淹层识别的影响.因此,为提高水淹层判别的准确度,本文提出基于云变换的定量与定性混合计算神经网络模型来实现水淹层判别.一方面,利用云模型将提取测井相数据中的定性信息,保证了原始数据的完整性与客观性;另一方面,将输入信息中的定性概念通过正向标准云变换转换为量化的数值信息,保证了数据的科学性;最终将混合信息输入混合计算神经网络模型中进行判别,从而得出结论.实验证明采用基于云变换的混合计算神经网络模型对水淹层进行识别,具有精度高、速度快的特点,是水淹层识别的一种比较实用的方法.     

基于数据拟合的有确定度逆向云算法

逆向云算法实现了定量数据到定性概念的转化,对云模型的研究有着重要的理论意义和应用价值。现有的有确定度逆向云算法采用均值法求期望Ex的估计值,当云滴样本数较少时将会出现较大误差。本文提出了一种通过非线性最小二乘法数据拟合高斯云的期望曲线求得期望Ex的估计值的方法,再通过高斯分布参数估计法得到熵En和超熵He的估计值。通过误差比较实验,验证了改进的算法能减小参数估计误差提高算法精度。     

基于二维云模型的规则提取算法研究

从定量数据到定性概念的转换必然涉及到样本数据的划分问题,当样本数据维数较高时,对其合理划分是从中提取定性规则的难点问题。针对此问题,改进了尺度云变换算法,提出二维尺度云变换算法,使之可以处理二维数据。还给出了二维T-S型云控制器的设计,并结合一组实例数据,验证了算法的有效性。仿真结果表明,该算法可以较好地实现对原始数据空间的划分,提取的定性规则数量少,易于理解;由该方法提取的规则构建的T-S型云控制器能较好地复现原始数据分布,误差较小。     

逆向云在定性评价中的应用

现有的定性评价存在主观性和随意性大的缺点，缺乏客观性和精确性,云模型是一种定性与定量之间相互转换的有效工具，逆向云可以实现定量数值与定性概念的自然转换，从而得出一个用精确数值表示的定性概念．该文分析并给出了逆向云发生器的具体算法，并对还原的各特征值进行了误差分析．最后将该算法应用到射击评判上，评价结果不仅有射击准确度的评价，而且有运动员心理素质的分析，比仅仅用环数来评价一个运动员更准确、更具体．     

基于云模型的不确定性推理方法

云模型实现了定性概念与其定量表示之间的不确定转换,在云模型基础上构建的规则发生器能有效描述用自然语言表示的定性规则.在单条件单规则发生器基础上,进一步提出双条件单规则发生器的实现算法,给出了云推理系统的体系结构.将基于云模型的不确定性推理方法用于设计电机转速控制系统,并且与模糊推理方法进行了比较,验证了云推理方法的有效性和实用性.     

一种交互式的云模型图像分割方法

论文针对图像分割中存在的不确定性问题,通过研究不确定性人工智能中定性和定量的转换模型—云模型,提出一种新的基于云模型的图像分割方法。该方法采取交互式的方式选择训练样区,利用训练样区中的像素生成云模型,并通过泛概念树生成算法生成泛概念树,最后通过极大判定法判定像素所属类别,实现图像分割。这种方法能较好地描述图像目标的不确定性。通过几组实验,证明该方法可以准确地分割出目标,并优于传统的图像分割算法。     

一种新的逆向云算法

云模型是一种可以有效地实现语言值表示的定性概念与其定量表示之间不确定性转换的模型。文章对正态云作了较深入地概率统计分析,指出了现有逆向云算法的不足,并提出了一种新的精确度更高的逆向云算法,最后通过模拟实验比较了新算法与原逆向云算法。     

基于云模型的可信软件可靠性度量模型

针对可信软件可靠性定性评估问题,将云模型理论与GB/T16260中软件可靠性度量指标相结合,提出了一种基于云模型的软件可靠性度量模型.模型根据可靠性度量指标提取样本信息,通过云发生器生成云模型,运用合并云算法将多个属性云合并为一个综合云模型,使用带权重的欧氏距离云决策算法确定综合云模型的可靠性等级.通过某安全关键软件验证,该模型能够更加客观、真实地反映软件的可靠性.     

梯形云模型在概念划分及提升中的应用

云模型是定性概念与其定量表示之间进行不确定性转换的有效工具.目前对正态云模型已有较多研究,但对梯形云模型方面的研究很少.相对于正态云模型而言,梯形云模型在生活中更具一般性,用梯形云表示数值型语言概念有其特有的优势.给出了梯形云的一些相关定义,并且在分析了云理论中现有的基于正态云的概念划分和概念提升方法的基础上,提出了引入梯形云模型后新的云变换和软或操作方法,这些方法为解决数据发掘中许多关键问题提供了基础.     

内部威胁云模型感知算法

利用系统访问控制关系,定义了主体、客体两个偏序结构和二者间的映射关系,建立了分层映射内部威胁模型;利用此模型定义了表征系统内部威胁状态的内部威胁云模型,并设计了基于云模型的感知算法,实现了对系统内部威胁的评测感知.基于云模型的内部威胁感知算法,利用云模型从多角度将系统的定性、定量内部威胁特征融合分析、决策,克服了原有方法不能同时定量定性分析内部威胁的缺陷,提高了感知的准确性和客观性.实验结果表明,此算法能够实时、有效地感知系统的内部安全威胁.     

相似云及其度量分析方法

云模型把自然语言中定性概念的模糊性和随机性有机地综合在一起,实现了定性语言值与定量数值之间的自然转换.本文在此基础上,提出了相似云的概念及其度量分析方法,然后加以实验验证,分析了实验结果,最后指出相似云及其度量分析方法有一定的理论价值和实际意义.􀁱     

基于云理论的学习评价模型研究

云理论是定量与定性之间转换的有效工具。基于云理论本文提出了一种新的学生学习评价模型。该模型能客观、准确地将学生平时科目测试成绩转化为对科目知识掌握程度的定性评价,并且能够对学生心理素质及发挥的稳定性进行分析,挖掘出更多有价值的信息。实验证明该模型的可行性和有效性。     

多源信息融合的测井曲线分层算法研究

测井数据解释中,针对单一测井曲线无法真实反映地层属性问题,提出以多条测井曲线的滤波因子为权值,融合出一条综合特征曲线,对该特征曲线相继采用层内差异法细分层与模糊聚类校正分层,实现特征曲线的合理分层。实验结果表明:该方法避免了海量数据处理过程,剔除了噪点数据的影响,提高了分层的速度与精度,能够为应用测井资料进行岩性识别、测井相分析、储层划分等研究提供有利的技术支撑。     

多维加权密集连接卷积网络的卫星云图云检测

云检测是多光谱卫星云图分析的前提。传统云检测方法不能很好地对多光谱卫星云图进行特征表示,导致了云检测不是很准确。卷积神经网络虽然能有效地提取特征,但训练时会产生梯度扩散,训练效率低,优化困难等问题。针对这些问题,提出多维加权密集连接卷积神经网络模型实现对多光谱卫星云图的云检测。跨层连接能够实现网络中所有层之间的信息流,从而减少训练过程中的梯度消失导致收敛困难的问题。特征图之间连接的权值不同使得网络能够更高效地利用特征信息。通过实验结果对比,该模型可以很好地提取云图特征,提高多光谱云图检测的准确率,具有更好的泛化性能和优化效率。     

数值型数据的泛概念树的自动生成方法

概念层次在数据挖掘中有着重要的作用 .通过自动生成概念层次 ,可有效地提高数据挖掘的效率 ,在不同层次上发现知识 .文中介绍基于云模型的数值型概念表示方法 ,通过云模型的期望值、熵和超熵三个数字特征有效地表达定性概念 ,并实现定性和定量的不确定转换 .通过云变换实现了泛概念树中叶结点的自动生成 ,并自动构造数值型数据的泛概念树 .同时 ,进一步研究了泛概念树中的概念爬升和跳跃的方法 ,为通过数据挖掘发现各层次知识提供了基础 .     

人工免疫系统中危险信号的云方法定义

对“危险”的定义是将危险理论用于人工免疫系统所需要解决的核心问题。云模型是一种定性与定量之间相互转换的有效工具。论文借鉴云模型的概念对计算机系统中系统变量的变化进行判定,从而给出危险信号的定义;综合多种危险信号,进而给出“危险”的定义。最后,提出了利用“危险”和nonself的识别共同激发免疫响应的协同识别模型框架。