基于FEBM和模糊神经网络的模糊概念识别

在基于解释的机器学习问题上,近期提出的模糊模型FEBM(Fuzzy Explanation-Based Model)为模糊概念的识别和分类提供了一种很好的解决手段.在对该模型当对象的解释谓词在[0,1]上取确值的情况时,计算"对象属于概念C的真值"的公式进行适当调整的基础上,结合神经网络可以用于模式识别和分类的特点,提出了一种基于模糊神经网络和FEBM的模糊概念识别方法.实验表明,该方法是有效的和可行的,是关于该模型应用的一个极为有意义的尝试.     

基于概念层次树的例外挖掘方法研究

例外检测能够在诸如电子商务、信用卡欺骗及气象数据分析等领域中挖掘真正未预料到的知识,人们注意到,已有发现例外的方法只能处理数值型属性,同时不允许用户动态地改变参数。在此,文章基于“概念层次树”、“语义距离”及“语义贴近度”等概念,研究了SDB—例外及FCB—例外,并给出了挖掘这些例外的有效算法。     

基于三元模糊数Vague集的SPA方法及应用

在结合集对理论（SPA）与Vague集理论的基础上,提出了一种新的三元模糊数Vague集。并采用集对联系数同、异、反来表示Vague集的函数,这种不确定信息的表示要比Vague集的表示更加合理、准确和有效。在此基础上,通过一个具体的实例来验证该方法的可行性和实用性。     

基于案例的解释研究

解释是专家系统中一个重要环节,优秀的解释技术可以帮助用户增强使用系统的信心,帮助用户进一步理解系统的推理过程和结果.介绍基于案例解释的相关概念,然后从不同角度对近年来国内外研究进展做出综述与评价,并对基于案例的解释技术做出总结与展望.     

解释学习中模糊概念的学习

本文提出了一种模糊知识的表示模式，给出了在模糊意义下的基于解释的学习的一种描述，以及解释、学习机制，使在解释学习中能够学习到一些带有模糊修饰词的新概念．本文描述形式同算子模糊逻辑而语义与其不同．     

基于知识利用的迁移学习一般化增强模糊划分聚类算法

针对非充分数据集及噪声对聚类分析的干扰,基于模糊C均值(FCM)框架下的聚类技术,即一般化的增强模糊划分聚类算法(GIFP-FCM),探讨具有迁移学习能力的聚类方法--融入迁移学习机制的GIFP-FCM算法(T-GIFP-FCM)。该算法通过有效利用历史相关场景(域)总结得到的知识来指导当前场景(域)中信息不足时的聚类任务,从而提高聚类效果。通过在模拟数据集及真实数据集上的仿真实验,结果显示文中算法较之传统算法在处理信息不足任务时具有更佳的性能。     

基于模糊概念网络的信息检索模型研究

提出一种基于模糊概念网络的信息检索模型,模型采用自学习算法完成模糊概念网络的自动构建,实现基于概念的信息检索。性能测试实验的结果表明：提出的检索模型具有较好的性能。     

基于改进SPIHT算法的多光谱图像数据的压缩

针对多光谱图像的特点,采用小波零树编码算法进行压缩.由于SPIHT算法对存储空间要求大,不利于硬件实现,对其进行改进,提出了一种新的改进算法,降低了存储空间,减少了时间消耗.通过对采集到的多光谱数据进行的仿真显示,算法与SPIHT算法相比在压缩比下降不大的情况下,有效地降低了存储空间和计算的复杂度,使其更易于用硬件来实现.     

基于概念全信息空间的文本知识挖掘算法

提出了用非负矩阵因子分解法(NMF)得到的基向量作为概念空间,并用其代替原特征向量空间来表示文本特征的方法,该方法不仅降低了特征空间的维数而且弥补了传统表示法无法体现特征相关性的不足.在此基础上,提出了基于概念全信息空间的文本知识挖掘算法.实验结果表明,与单纯的基于语义的知识挖掘方法相比,提出的算法具有更好的精度与效率,提取的知识既包含具体内容又体现知识的价值,能够为智能决策的合理性提供可靠的依据.     

谓词概念连通度的中文实体关系抽取策略

中文实体关系抽取是开放域文本检索与知识发现的研究热点,传统的抽取策略普遍存在人工标注量大,模式通用性受限,关系抽取粒度相对固定等问题,限制了其在开放领域的关系抽取效果。基于概念的结构分层和关系连通,面向中文实体关系构建了谓词概念模型(predicate concept model,PCM),在此基础上,提出了增量学习的谓词概念获取策略PCIA和基于谓词概念连通的关系抽取策略PCCS,由此进行了开放域非紧密的、远距离实体关系的抽取。各谓词概念的构建相对独立,概念组合更为灵活,对关系的描述具有更好的通用性和可解释性,为开放域未知关系的识别与抽取提供了有效手段。实验结果表明,PCCS有效提升了中文实体识别及实体连通路径选择的质量,获得了良好的关系抽取性能。     

参考模糊集合构造方法及模糊模型辨识

本文提出了一种基于参考模糊集的模糊模型辨识方法,探讨了模型结构和模糊关系的辨识问题.在隶属函数的定义上引入了优化算法,最终将辨识问题转化为优化问题.文中给出了具体的辨识算法,仿真实例表明该模型辨识方法具有满意的精度.     

Sugeno模糊模型的辨识与控制

提出了一种新的Sugeno模糊模型辨识算法和对非线性系统进行并行化设计的方法.在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行,减少了计算量;对于非线性系统的控制,Sugeno模糊模型实际上是动态系统的局部线性化,可采用并行设计的方法设计控制器,然后通过模糊推理得到全局控制量.最后通过倒立摆系统的控制说明了本文算法的有效性.     

一种FCMAC及在Wiener模型辨识中的应用研究

本文将模糊算法和小脑模型神经网络有机地结合在一起，提出了一种单输入单输出(S ISO)的模糊小脑模型神经网络(FCMAC)．它在对输入进行分级量化的同时进行模糊量化，利 用Takagi Sugeno模糊算法进行推理，并将模糊算法引入CMAC的权值训练，具有输入量化级 数少、函数逼近精度高等特点．这种FCMAC用于Wiener模型辨识具有结构确定、计算量小、 训练速度快、辩识效果好等特点．     

CONCEPTS OF FUZZY INFORMATION MEASURES ON CONTINUOUS DOMAINS

Measures of information based on fuzzy sets (possibility distributions) had been defined only for finite domains of discourse. This paper presents a method of defining such information functions on a continuous universe of discourse—a domain which is a measurable space of measure 1. The method is based on the concept of “rearangement” of a function, used in lieu of sorting discrete possibility values. For technical reasons, it is preferred to express information value as information distance to the most “uninformed” (constant possibility 1) distribution. The final form of the information for possibility distribution f is

The paper then discusses related information distances and approximations using discrete information functions.     

具有三种否定的模糊集FScom的模糊度与贴近度

文献[1]从概念层面上提出并区分模糊概念中存在的三种不同否定关系,即矛盾否定关系、对立否定关系和中介否定关系,由此定义了能够刻画这些不同否定的一种新的模糊集FScom。研究模糊集FScom的模糊度与贴近度,提出模糊集FScom的模糊度、距离贴近度以及格贴近度计算公式,并讨论了它们的应用。     

ON MEASURES OF FUZZINESS AND FUZZY COMPLEMENTS

An axiomatic framework for formalizing the most general class of fuzzy complements is introduced in this paper. It is then used for investigating a general class of measures of fuzziness based on the view that the degree of fuzziness of a fuzzy set should characterize the lack of distinction between the set and its complement. It is shown that the various measures of fuzziness described previously in the literature are special cases of this general class. A class of so-called distance-based measures of fuzziness is also introduced. These measures are described in terms of the notion of an aggregation function of differences between the membership grades characterizing a fuzzy set and those of its complement. It is shown that the class of distance-based measures is equal to the class of general measures of fuzziness. It is also shown that, given a particular fuzzy complement, aggregation functions which differ only in a multiplication constant represent the same measure of fuzziness.     

模糊双曲正切模型的建模方法与控制器设计

首先提出一种新型模糊双曲正切模型.这种模型是一种本质非线性模型,可以很容易由一组模糊规则基构成.这种模型也可以看作是线性模型的扩展,因此可以应用线性控制理论的成果来设计控制器.同时给出了基于此模型的两种控制器的设计方法及仿真实例.     

ON THE INTERPRETATION AND CHAINING OF FUZZY IF-THEN RULE BASES USING FUZZY EQUALITY INDICATORS

An interpretation of fuzzy IF-THEN rule bases using certain classes of indicators for fuzzified set inclusion and set equality is defined. Some properties of this interpretation and the chaining of fuzzy IF-THEN rule bases are investigated from a theoretical point of view.     

基于模糊理论与覆盖技术的诊断模型

本文提出了一个基于模糊理论与覆盖技术的模糊覆盖集诊断模型,并解决了模糊覆盖程度的度量、广义节约准则的选择以及同时性诊断问题与序贯诊断问题的求解算法等关键技术.最后,讨论了诊断解的不完全覆盖问题.