基于直觉模糊集多属性决策的灰色关联分析法

基于直觉模糊集理论,提出了一种新的灰色关联分析方法来研究模糊多属性决策问题.首先,根据直觉模糊集的几何意义,引入了两个直觉模糊集之间的距离,且每个备选方案的评价值用直觉模糊值表示.其次,依据传统灰色关联分析方法的基本思想,通过计算每个方案对直觉模糊正、负理想方案的灰色关联度.然后计算备选方案对直觉模糊正理想方案的相对关联度度.最后,通过一个具体实例说明该方法的有效性和具体应用过程.     

基于区间值直觉模糊集的距离测度

区间值直觉模糊集是直觉模糊集的进一步推广,具有比直觉模糊集更强大的模糊信息表达能力.基于区间值直觉模糊集理论,给出了三种基于海明距离、规范化海明距离、欧氏距离、规范化欧氏距离的扩展区间值直觉模糊集距离测度公式,对它们进行了比较分析,并给出了相应的定理和证明.     

基于模糊数直觉模糊集算子的多准则决策方法

定义模糊数直觉模糊数的一些运算法则,给出模糊数直觉模糊集两个改进算子,即加权算术平均算子(FIFWAA)和加权几何平均算子(FIFWGA).在此基础上,提出用精确函数解决记分函数无法决策的问题,以保证记分函数的严密性与合理性.提出一种属性权重确知且属性值,以模糊数直觉模糊数形式给出的多准则决策方法,通过实例分析结果证明了运用模糊数直觉模糊数改进算子进行多准则决策的有效性和正确性.     

一种新型的动态递归-直觉模糊神经网络及其学习算法

通过对直觉模糊集理论和动态递归神经网络理论的研究,提出了一种新型的动态递归-直觉模糊神经网络,并根据动态递归-直觉模糊神经网络的数学模型推导其改进的动态反向传播学习算法.     

基于直觉模糊集决策的多Agent敏捷车间调度

由于静态调度忽略了实际车间调度的不确定性,而动态调度则不一定能达到车间调度的敏捷性要求,为此,研究了基于直觉模糊集决策的多Agent敏捷车间调度方法。文中提出了具有自治性和全局优化性的多Agent敏捷调度生产控制结构。研究了基于粒子群算法的静态调度方案和基于直觉模糊集决策的合同网方法,并将两者进行结合,形成了新的敏捷车间调度策略。最后,进行了实例分析,结果表明该调度策略在敏捷车间调度问题的应用上是有效的。     

基于直觉模糊集的辐射源威胁评估方法

直觉模糊集理论扩展了经典模糊集的表达能力,给辐射源威胁评估问题提供了一种新的解决方法。在构建辐射源威胁评估指标直觉模糊隶属函数的基础上,重新明确了辐射源威胁评估问题中直觉模糊集的定义。然后基于从整个直觉模糊集的角度确定弃权部分再分配比例的研究思路,提出一种改进的加权记分函数方法,较好地解决了辐射源威胁评估问题。通过算例表明了方法的有效性。     

基于直觉模糊集的多波段图像融合

为解决微光探测条件下多波段图像融合效果差、信息丢失的问题,提出了基于直觉模糊集的多波段图像融合方法.首先利用最大化熵准则对源图像分别进行直觉模糊处理,其次对隶属度图像进行去模糊后进行非下采样剪切波变换(NSST),得到各自的高频图像和低频图像,然后对高频图像用绝对值取大融合,对低频图像用清晰度取大融合,最后对高频融合图像和低频融合图像进行NSST 逆变换得到最终融合图像.实验结果表明,本方法可对微光探测条件下多波段图像自适应处理,融合结果目标显著,对比度和清晰度大,主观和客观评价指标均优于其他方法.     

直觉模糊集理论及其在模糊信息处理中的应用

介绍直觉模糊集(IFS)基本概念和运算及其表示形式,讨论了直觉模糊集(IFS)与Fuzzy集之间的区别和联系,回顾了直觉模糊集理论的研究进展及其在决策、近似推理领域的应用现状,最后指出直觉模糊集理论存在的一些问题和发展趋势。     

基于直觉模糊集和直方图均衡的图像增强方法

针对模糊增强不能改善图像的对比度和直方图均衡增强存在过度增强、图像细节信息丢失的缺陷,提出了基于直觉模糊集和直方图均衡的图像增强算法.由于待增强图像包含大量的不确定性信息,给出了一种新的直觉模糊增强图像的算法,该方法通过合成像素的直觉模糊隶属度和非隶属度的方式来实现,能够显著增强图像的细节信息,但不能改善图像对比度.因此,将直觉模糊增强和直方图均衡进行融合,以直觉模糊增强为主,同时抑制直方图均衡的不足,既增强了图像的细节信息,又改善了图像的对比度.最后,通过典型的图像增强实例验证了算法的有效性和可靠性.     

基于直觉模糊集的红外图像伪装评价研究

提出一种利用直觉模糊集评价红外伪装性能的方法.建立了伪装目标和背景红外图像的灰度值与直觉模糊集隶属度、非隶属度的关系;提出用Gamma函数作为隶属度函数,并用直觉模糊集方法重新描述红外图像;通过计算伪装前后直觉模糊集描述图像的三种模糊距离(Euclidean距离、Hamming距离以及Hausdoff距离)评价伪装效果.实验证明,用Gamma函数作为隶属度函数的直觉模糊集方法评价红外图像伪装具有很好的稳定性,且简单有效.     

基于粒子群优化的直觉模糊核聚类算法研究

针对现有基于核方法的直觉模糊聚类算法对初始值敏感、收敛速度慢等缺陷,利用粒子群优化算法全局搜索能力强、收敛速度快的优势,对直觉模糊核聚类算法的初始聚类中心进行优化,并提出了一种基于粒子群优化的直觉模糊核聚类算法。该算法在提升聚类性能的同时,有效增强了算法的收敛速度。在实验阶段,采用4组标准数据集对该算法进行了分类实验及有效性测试,并将其与模糊c均值聚类算法及直觉模糊c均值聚类算法的分类效果及运行时间进行对比,实验结果充分表明了该算法的有效性及优越性。     

基于Vague集的动态多目标模糊决策方法

提出了一种基于Vague集的动态多目标模糊决策方法。根据支持（反对、中立）目标集的定义,将单时段中的各方案表示成一个Vague值,各个时段的Vague值即构成了方案的Vague集描述,通过定义理想最优方案,利用Vague集之间的加权相似度量,计算各方案Vague集与理想最优方案Vague集的相似度,按照相似度的大小对方案进行排序,从而选出最优方案。算例验证了方法的有效性。     

基于DTW的长期直觉模糊时间序列预测模型

针对现有直觉模糊时间序列模型中直觉模糊关系组和确定性转换规则过度依赖训练数据规模的问题,提出一种基于动态时间弯曲（DTW, dynamic time warping）距离的长期直觉模糊时间序列预测模型。通过直觉模糊C均值（IFCM, intuitionistic fuzzy C mean）聚类构建直觉模糊时间序列片段库,动态更新和维护规则库,减少系统复杂度。提出基于DTW距离的直觉模糊时间序列片段相似度计算方法,有效解决不等长时间序列片段匹配问题。通过对合成数据以及包含不同时间序列模式的气温数据的实验,与其他相关模型比较,说明该模型对于不同时间序列趋势变化模式中均具有较高的预测能力,克服传统模型提高模型只能满足单一模式时间序列预测,提高模型的泛化性能。     

Infrared image segmentation algorithm based on distribution information intuitionistic fuzzy c-means clustering

Due to the sensitivity of the traditional intuitionistic fuzzy c-means (IFCM) clustering algorithm to the clustering center in image segmentation,which resulted in the low clustering precision,poor retention of details,and large time complexity,an intuitionistic fuzzy c-means clustering algorithm was proposed based on spatial distribution information suitable for infrared image segmentation of power equipment.The non-target objects with high intensity and the non-uniformity of image intensity in the infrared image had strong interference to the image segmentation,which could be effectively suppressed by the proposed algorithm.Firstly,the Gaussian model was introduced into the global spatial distribution information of power equipment to improve the IFCM algorithm.Secondly,the membership function was optimized by local spatial operator to solve the problem of edge blur and image intensity inhomogeneity.The experiments conducted on Terravic motion IR database and the data set containing 300 infrared images of power equipment show that,the relative region error rate is about 10% and is less affected by the change of fuzzy factor m.The effectiveness and applicability of the proposed algorithm are superior to other comparison algorithms.     

基于直觉模糊c均值聚类核匹配追踪的弹道中段目标识别方法

针对核匹配追踪算法(KMP, kernel matching pursuit)进行全局最优搜索导致学习时间过长这一缺陷,汲取直觉模糊c均值聚类(IFCM, intuitionistic fuzzy c-means)算法的动态聚类特性优势,提出一种基于直觉模糊c均值聚类的核匹配追踪(IFCM-KMP, intuitionistic fuzzy c-means kernel matching pursuit)算法,且对UCI库中4组实际样本数据进行了分类实验及有效性测试.最后,选取高分辨距离像(HRRP)这一弹道中段目标识别常用的特征属性,对其进行特征提取获得子像,并分别采用FCM,KMP,IFCM-KMP 3种算法对真弹头进行目标识别仿真实验及结果对比分析,充分表明了IFCM-KMP算法用于弹道中段目标识别较之FCM、KMP的优越性及有效性.     

基于模糊聚类特征化软件零水印算法研究

为了得到软件的关键特征,提出把模糊集理论和数据挖掘中的聚类方法用于软件水印的研究中,用来分类软件碎片集,基于其＂最大化内部相似性,最小化类之间的相似性＂对特征码进行聚类或分组,以提高软件特征的可信度和鲁棒性,进而提高零水印的鲁棒性。     

基于矩阵的模糊信息系统的属性约简算法

基于模糊粗糙集的知识获取方法在模糊粗糙集的研究中具有十分重要的作用,通过矩阵来刻画粗糙集理论,用模糊矩阵定义了模糊粗糙集和粗糙模糊集的上（下）近似、重要度等概念,给出模糊信息系统的属性约简算法,并用UCI数据集说明算法的可行性。     

基于蝙蝠算法的模糊综合评价的英语教学质量评价研究

针对模糊综合评价法权重分配缺乏理论基础和完全凭经验的缺点,提出一种基于蝙蝠算法(Bat Algorithm,BA)的模糊综合评价模型。通过BA优化模糊综合评价法的权重,实现权重的最优化选择。运用模糊评价矩阵构建确定各个评价指标权重的判断矩阵,运用BA算法对判断矩阵的权重进行自适应选择。研究结果表明,BA优化模糊综合评价法的结果更加符合实际情况,效果较好。     

一种基于L-M算法的组合神经网络模糊控制器

提出了一种基于L-M算法的神经网络模糊控制器。用两个相同的三层前向神经网络①和②来生成E和EC的隶属度,用三层前向神经网络③来实现模糊控制规则并生成控制输出,经过研究和对比选择了对于这3个网络来说最好的训练算法Levenberg-Marquardt算法。仿真结果表明了该控制器极好的控制性能。     

基于动态模糊积分的决策层融合识别算法

模糊积分是一种常用的信息融合方法,融合中最关键的问题是确定反映各信源重要程度的模糊测度。在此将该算法用于多传感器目标识别系统,首先介绍了Choquet模糊积分以及模糊测度的定义,再建立了基于动态模糊积分的决策层融合目标识别模型,将该过程转化为多个传感器的身份识别结果关于各自重要程度的广义Lebesgue积分。目前已有的确定模糊测度的方法几乎都只利用了训练样本的先验知识,适应性较差,难以全面地反映问题。该文在此基础上提出了一种基于动态模糊积分的决策层融合算法,可在判决过程中对结果进行动态的自适应修正,并给出了具体衡量各传感器重要程度的标准和方法。