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．     

软件中的网络化特征及其对软件质量的贡献

现实世界中的许多复杂系统都可以使用网络模型进行描述,复杂网络的结构和性质研究已经成为引人注目的领域。软件作为一类复杂系统,也可以使用网络化的方法进行定量分析。文章首先介绍了度量网络特征的参数,然后将复杂网络理论引入人工设计和实现的软件中,把其中的实体和关系转换成为网络拓扑的形式,通过对四个不同规模并经过详细设计的Java类库进行实验验证和数值分析,发现其中的无尺度特征、小世界现象和脆弱性/鲁棒性并存的特点。根据这些结论,提出利用网络拓扑特征改善软件系统的设计、开发和测试方法。这些结果对提高软件质量具有有益的启示和指导意义。     

基于云模型的不确定性知识表示

云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型,论文通过对云模型数学性质的研究,分析云模型的产生背景,证明其表示不确定性知识的合理性和有效性,最后给出了一个应用实例。     

不确定性人工智能

在主、客观世界普遍存在的不确定性中,随机性和模糊性是最重要的两种形式.研究了随机性和模糊性之间的关联性,统一用熵作为客观事物和主观认知中不确定状态的度量,用超熵来度量不确定状态的变化,并利用熵和超熵进一步研究了混沌、分形和复杂网络中的不确定性,以及由此带来的种种进化和变异,为实现不确定性人工智能找到了一种简单、有效的形式化方法,也为包括形象思维在内的不确定性思维的自动化打下了基础.不确定性人工智能是人工智能进入21世纪的新发展.这个由多学科交叉渗透构成的新学科,必将使得机器能够具备人脑一样的不确定性信息和知识的表示能力、处理能力和思维能力.     

一种无确定度的逆向云算法

逆向云发生器实现了定量数据到定性概念的转化,有着重要的理论意义和应用价值.有确定度的逆向云算法缺乏实用性,而已有的无确定度逆向云算法由于估计误差的原因,会出现超熵为虚数问题.本文提出了一种基于统计方法的,无需确定度的逆向云新算法,合理改进了超熵估计方法,确保了逆向云发生器的有效性.最后通过应用实例验证了新算法的正确性和实用性.     

基于Agent的战争舆情演化模型研究

基于仿真实验研究战争舆情演化规律是战争复杂系统建模与仿真要解决的新问题.针对战争舆情演化仿真的需求,在界定舆论、舆论战、战争舆情的概念和分析影响战争舆情变化主要因素的基础上,提出了采用基于Agent的建模方法构建战争舆情演化模型的思路,探讨了基于Agent的战争舆情演化模型结构,研究了有关模型设计与实验的前端、内核、输出等问题.建立了模型原型,进行了有关的仿真实验.仿真实验结果表明,基于Agent的战争舆情演化仿真具有可信性和可用性.     

联合信息作战目标价值的分析方法研究

分析了联合信息作战目标选择问题的特点,提出了一种用于实现网络化目标体系中目标价值分析的计算模型.作战目标选择是联合信息作战模拟与辅助决策研究中的重要问题,而目标价值分析是进行目标选择的基础.研究了进行信息作战目标价值比较的不同尺度,确定了信息网络中作战目标价值的量度标准并应用图论的方法分别建立了节点型目标、节点组目标和链路型目标价值的计算模型.算法实例分析结果表明模型可以解决以信息网络为攻击对象的信息作战目标选择问题,是一种在网络化目标系统中进行目标价值分析和目标选择的新方法.     

基于Agent的网络舆论传播模型研究

网络舆论传播是以互联网为载体的舆论传播行为.研究了网络舆论传播中新闻跟帖与BBS传播,分析了网民Agent、新闻网站Agent以及BBSAgent的属性,建立了网民Agent与新闻网站Agent以及BBSAgent的交互规则,研究了网络舆论的可视化表示方法,并与人际传播相结合,建立了基于Agent的网络舆论传播仿真模型,为利用复杂性理论和Agent技术研究网络舆论传播提供了有益的思路和方法.     

论正态云模型的普适性

分布函数是分析随机现象的重要工具，正态分布是最重要的概率分布，在自然科学和社会科学中应用广泛；隶属函数是模糊集合的基石，正态隶属函数也有广泛的应用。但是，精确确定一个模糊概念的隶属函数已经成为模糊学应用的瓶颈。云模型把随机性和模糊性结合起来，用数字特征熵，揭示随机性与模糊性的关联性，并用来表示一个定性概念的粒度。正态云模型通过期望、熵和超熵构成的特定结构发生器，生成定性概念的定量转换值，体现概念的不确定性。这种特定结构不但放宽了形成正态分布的前提条件，而且把精确确定隶属函数放宽到构造正态隶属度分布的期望函数，因而更具有普遍适用性，更简单、直接地完成了定性与定量之间的相互转换过程。     

一种时序数据的离群数据挖掘新方法及其应用

在许多数据挖掘应用中,例外情况或者离群点的监测比常规知识的发现更有意义。文章在自回归AR(p)模型和统计诊断的基础上,建立了一种时序数据的离群点检测模型。并将该模型的应用于海表水温的预测,建立海表水温的时间序列预测模型,动态地掌握海洋的变化规律,并且利用该模型可以得到海表水温的异常之处,从而为厄尔尼诺年的预测提供了良好的方法。实验结果表明AR模型及相应的score检验可以较好地用于时序数据的离群数据挖掘问题。