控制系统中基于映射云的不确定性表示

为合理地描述仪器仪表、执行机构输出的不确定性,提出了一种映射云概念.映射云具体是通过随机变量簇将输入量变换到输出的可能取值空间,并对若干给定输入值分别建立输出的隶属云片;然后估计输入输出映射的期望函数、熵函数和超熵函数,并建立输入输出映射云,用来定量描述输出的模糊性、随机性及其变化情况.应用实例表明,映射云能有效描述仪器仪表和执行机构的输出不确定性.     

隶属云和隶属云发生器

本文针对模糊集理论基石的隶属函数，提出了隶属云的新思想，给出了用数学特征描述隶属云的方法和正态隶属云的数学模型，探讨了隶属云发生器的实现技术及应用场合，从而为社会和自然科学中的诸多问题用定性和定量相结合的处理方法奠定了基础。     

基于云模型的隶属概念判定算法的改进

在人工智能领域中，李德毅教授等提出的定性定量不确定性转换模型——云模型，把概念的模糊性和随机性完全集成到一起，构成定性数据和定量数据的相互映射。但是，在利用云模型进行隶属概念的判定的算法中，不论对象是否明确属于某个概念，一律进行不确定性判定，过分地强调了模糊性和随机性。这不符合人类的认识规律，而且增加了算法的时间复杂度，甚至导致隶属概念判定的明显错误。该文根据人类认识规律对上述算法进行了改进。对那些可以明确确定属于某概念的对象，不再进行不确定性判定，直接被认定为属于该概念，只对处于多个概念边缘的不能确定属于某个概念的对象进行不确定性判定，使其符合人类的认识规律，降低了算法的时间复杂度。     

基于云模型的隶属概念判定算法的改进

在人工智能领域中,李德毅教授等提出的定性定量不确定性转换模型——云模型,把概念的模糊性和随机性完全集成到一起,构成定性数据和定量数据的相互映射。但是,在利用云模型进行隶属概念的判定的算法中,不论对象是否明确属于某个概念,一律进行不确定性判定,过分地强调了模糊性和随机性。这不符合人类的认识规律,而且增加了算法的时间复杂度,甚至导致隶属概念判定的明显错误。该文根据人类认识规律对上述算法进行了改进。对那些可以明确确定属于某概念的对象,不再进行不确定性判定,直接被认定为属于该概念,只对处于多个概念边缘的不能确定属于某个概念的对象进行不确定性判定,使其符合人类的认识规律,降低了算法的时间复杂度。     

基于云模型的虚拟人摇头动作不确定性控制*

以虚拟人摇头表达否定性信息为例,设计了最大摇头角否定云、摇头次数否定云和摇头速度否定云。分别运用正向云生成算法产生云滴,获得摇头动作序列的最大摇头角度、摇头次数和摇头速度。三个控制参数均以各自的期望值为中心正态分布。仿真实验表明,所提出的基于云模型的虚拟人摇头控制算法能够产生呈规律性差异的摇头动作序列控制曲线。给出了三类云模型数字特征的建议值。     

基于云模型的网络计划建模方法

项目建设过程中的不确定性因素对预测项目完工时间有较大影响,项目中的不确定性主要是随机性和模糊性.将云模型以及云运算引入到网络计划建模方法中,提出基于云模型的网络计划建模方法,可以将随机性和模糊性结合起来处理;这种基于云模型的网络计划建模方法,比传统的方法更真实地反映了项目的不确定性,能够提供更多有价值的信息.使用基于云模型的网络计划建模方法来计算整个项目完工的时间,充分考虑了项目建设过程中的不确定性,更加符合工程实际.     

网络入侵危险性评估的云理论实现

由于任何网络安全手段都无法完全阻止网络攻击,保护网络的绝对安全,因此对网络入侵危险性进行评估,进而采取相应的防御手段就非常重要。传统的评估方法都无法同时评估网络入侵的不确定性(模糊性和随机性),基于此,利用云模型理论把模糊性和随机性有效集成在一起的优点,提出了一种基于云理论的网络入侵风险评估方法。本文给出了方法的理论基础、设计思想和关键实现技术及评估过程,并提出了一种改进的逆向云生成算法。该模型通过对系统资源监控,并对得到的数据进行处理,然后输入到云控制器,云控制器根据设定的规则做出评估结果。实验结果表明,该方法最大限度地保留了网络入侵评估过程中固有的不确定性,提高了评估结果的科学性和准确性。     

网络安全风险评估的云决策

为了更合理地评估网络安全风险,利用云模型集成随机性和模糊性的优点,提出一种基于云模型的网络安全风险评估和决策方法。首先,通过采样系统正常状态信息,构造标准概念云;在进行风险评估时,采样处于风险状态时的信息,计算其云数字特征;然后利用改进的基于云滴距离的云相似度算法,计算与标准概念云的相似度,相似度最大的即为最终输出结果。最后,通过Kddcup99数据集进行模拟攻击及性能采样仿真实验。结果表明,该方法最大限度地保留了风险评估过程中固有的不确定性和模糊性,提高了评估结果的可信性。     

基于映射关系的云模型控制器研究

首先介绍了云模型的基本概念和规则推理,分析了云模型的线性映射关系和非线性映射关系,然后设计出基于多种映射关系的不同云模型智能控制器。最后与常规PID控制系统进行了对比,仿真结果表明了本文设计方法的有效性。     

基于云模型的人—虚拟角色思想交互模型

基于情感、动机的非语言交互是影响人—虚拟角色交互效果的重要因素,提出了基于云模型的人—虚拟角色非语言交互模型。以尊敬的交互为例,设计了基于云模型的三级尊敬分级模型,提出了基于云模型的交互按钮设计方法。提出了尊敬按钮云滴归属算法,使虚拟角色理解尊敬的过程符合人类认知的不确定性;提出了基于二维鞠躬尊敬云的鞠躬控制算法,随机产生鞠躬最大角和低位保持时间,刻画鞠躬表达尊敬的不确定性。算法分析和交互合成效果表明,所提方法能够刻画交互双方对非语言信息理解的模糊性和随机性。     

基于隶属度理论的云服务行为信任评估模型研究

针对云用户难以在大量性能特征不同的云服务提供者中找到满足自己性能偏好和特定信任等级的云服务的问题,建立了一个合理的、科学的云服务行为信任评估系统。设计了云服务行为信任评估系统框架,基于隶属度理论建立了云服务行为信任评估模型,利用综合信任云重心评价法来计算云服务行为信任度,经过实验分析,该模型能够根据用户性能需求,对云服务进行更准确、科学的信任评估。     

基于云模型的网络安全态势分析与评估

为了更合理地分析和评估网络安全态势,提出了一种基于云模型的网络安全态势分析方法,给出了算法实现的基本思想、关键技术和实现步骤。在标准概念云的生成过程中,提出一种改进的未知确定度的逆向云生成算法,并证明了该算法对云数字特征的估计偏差更小,精度更高。最后,通过kddcup99数据集进行仿真实验。结果表明,该方法兼顾了风险分析的模糊性和随机性,可以较好地对网络安全态势进行分析和预测,为采取正确的预防措施提供了有力参考。     

一种改进的基于隶属云模型的蚁群算法

为了解决传统蚁群算法的收敛速度慢和易陷入局部最优等缺陷,做出如下改进：首先采用云模型来自适应控制蚂蚁的随机性;其次缩小了后继城市的搜索范围;最后引入2-opt局部搜索策略。对城市规模从50到高达1 000的TSP问题进行仿真,并与先前提出的改进蚁群算法进行对比,结果表明,该算法不仅偏离率更小,而且运行时间短。随着城市规模的增大,优势更明显。     

云环境下基于模糊隶属度的虚拟机放置算法

虚拟机放置问题是云数据中心资源调度的核心问题之一,它对数据中心的性能、资源利用率和能耗有着重要的影响。针对此问题,以降低数据中心能耗、改善资源利用率和保证服务质量(QoS)为优化目标,借助模糊聚类的思想提出了一种基于模糊隶属度的虚拟机放置算法。首先,结合物理主机过载概率和虚拟机与物理主机之间的相适性放置关系,提出了新的距离度量方法;然后,根据模糊隶属度函数计算得出虚拟机与物理主机之间的相适性模糊隶属度矩阵;最后,借助能耗感知机制,在模糊隶属度矩阵中进行局部搜索从而获得迁移虚拟机的最优放置方案。仿真实验结果表明,提出的算法在降低云数据中心能耗、改善资源利用率和保证QoS方面表现比较优异。     

云模型的隶属概念判定中阈值生成

在基于云模型的隶属概念判定算法中,人工给定的阈值不能根据对象隶属的多个概念的特征进行调整,从而影响到判定算法的适应性。基于云模型的“[3σ]规则”,提出一种自适应阈值生成算法。由其得到的阈值用于基于云模型的隶属概念判定算法,不仅使得原有的隶属概念判定算法可适用于不同特征的概念,而且使其更加符合人们的认识规律。阈值生成算法在不确定性的定性定量转换方面也具有较高的应用价值。     

基于隶属云模型蚁群算法与LK搜索的TSP求解

提出一种求解TSP的算法,采用“问题无关的进化算法与问题相关的局部搜索相结合”的策略。采用基于云模型的蚁群算法来产生足够好的解;改进传统的LK算法,新加入5种搜索删除集与添加集元素的准则,以此细化搜索。将该算法用于求解TSPLIB中不同类型、城市数从48到33 810内变化的TSP,比较该学派与其他学派算法的偏离率与运行时间,结果均显示该算法更优,有效求解了TSPLIB中的非对称TSP、哈密尔顿圈问题。