径流中长期预报模糊识别优化模型及应用

对水文中长期预报模糊识别方法进一步研究,基于模糊环境下的目标函数,提出了具有主观监督因子和稳定系数的模糊识别预报模型.根据已知样本的最优模糊划分建立预报模型,利用已知样本的指标和样本的最优模糊划分计算预报模型的参数,给定模型的稳定系数,再通过调整主观监督因子对预报模型参数进行优化.径流中长期预报实例的模型检验平均相对误差为7.84%.     

基于模糊聚类分析的小波神经网络模型在径流预测中的应用

提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集类别变量特征值与观测值之间的局部预测模型,并设计了特征值分类识别器,自动搜寻相适应的局部网络模型进行预测.通过西南某水库2011年日平均入库来流的计算实例对简单小波神经网络预测模型和所建的基于FCM与小波神经网络的预测模型进行了比较,结果较为满意.     

模糊聚类与模糊识别理论模型研究

指出文 [1]模糊聚类与模糊识别模型的局限性 ,进一步研究模糊环境下的目标函数 ,修改模糊聚类中心的计算公式 ,提出计算权重的一个公式 ,拓广模糊聚类与模糊识别理论模型的应用范围     

模糊数学理论在水库长期径流预报中的应用

本文运用模糊数学的理论方法对汛期径流预报进行了探讨 ,即首先对汛期来水的理论实测资料 ,运用最大树法和软化分法进行了模糊聚类分析 ,得到汛期来水的多个预报模式 ;进而利用Gamma分布和模糊概率的方法 ,预报出汛期的来水流量及其实现的概率     

模糊聚类循环迭代理论与模型

给出模糊聚类循环迭代理论与模型，与国内外同类模型相比，笔者模型的优点是考虑了指标权重，并给出确定指标权重的循环迭代计算公式与方法。     

基于模糊聚类的语音识别

指出模糊聚类方法影响语间识别的正确率 ,提出用基于分解构造的模糊聚类方法设立语音模式的参考向量 ,说明该方法能提高语章识别的正确率。     

一种基于模糊信息的距离测度及应用

通过借用Shannon信息理论中的相关概念,提出了基于模糊信息测度的模糊对称交互熵(FSCE)这一距离测度。接下来证明了它是度量空间中的度量,满足非负性、对称性、三角不等式三个条件。最后利用数值例子说明了在模糊模式识别中,FSCE与常见的模糊贴近度可以得到一致的识别结果,并有其优势和实际意义,为模糊模式识别提供了新的研究方法。     

硬聚类和模糊聚类的结合——双层FCM快速算法

模糊c均值(FCM)聚类算法在模式识别领域中得到了广泛的应用,但FCM算法在大数据集的情况下需要大量的CPU时间,令用户感到十分不便,提高算法的速度是一个急待解决的问题。本文提出的双层FCM聚类算法是一种快速算法,它体现了硬聚类和模糊聚类的结合,以硬聚类的结果对模糊聚类的初始值进行指导,从而明显地缩短了迭代过程。双层FCM算法所用的CPU时间仅为FCM算法的十三分之一,因而具有很强的实用价值。     

模糊有界变差函数全变差的积分表示与距离导数

定义和讨论了模糊数值函数的距离导数,给出了模糊有界变差函数全变差的积分表示.发现模糊绝对连续函数是几乎处处距离可导的,距离导数的积分等于其原函数的总变差,从而给出了模糊有界变差函数全变差的积分表示.     

基于模糊覆盖的模糊聚类

提出了ε水平最优模糊覆盖的新思想,结合推广的价关系概念,通过三角模糊算子（本文简称为Ｔ算子）,研究了一种 模糊聚类方法,不仅能够充分利用已有数据信息,而且解决了聚类的评价性问题。     

基于TFWPA算子的模糊优化组合预测模型及其应用

传统的组合预测中,预测对象往往是实数或区间数,实际上,三角模糊数则更能刻画不确定环境下复杂事物的某些量的特征。因此,本文提出一种预测信息为三角模糊数的模糊优化组合预测新方法。定义了两个三角模糊数的相对误差,同时考虑到预测数据之间的交叉影响,基于三角模糊加权Power平均(TFWPA)算子、三角模糊加权Power几何(TFWPG)算子和max-min准则,分别构建模糊优化组合预测模型。提出非劣性和优性组合预测的概念,证明所提模糊组合预测模型具有非劣性质。最后通过实例分析说明了该模糊组合预测方法的有效性,并对参数做了灵敏度分析。     

基于四个维度的绩效定量考核模型及模糊分类

从四个新维度划分了绩效考核指标内容及其绩效分数的类别,这四个维度指定性、定量、投票和附加分等四个方面,分别涵盖了目前党政领导班子和领导干部综合考核评价中大部分指标,是不同类别考核指标的综合反映.本文通过原始考核数据拟合和变量相关性分析挖掘其变化规律,给出了基于特定地区考核原始数据的绩效考核定量模型,测算各个变量之间的弹性系数值,并使用一种具有模糊关系的区域绩效考核方法,对考核指标体系本身做出评估.     

粒子群优化模糊神经网络在语音识别中的应用

针对模糊神经网络训练采用BP算法比较依赖于网络的初始条件,训练时间较长,容易陷入局部极值的缺点,利用粒子群优化算法(PSO)的全局搜索性能,将PSO用于模糊神经网络的训练过程.由于基本PSO算法存在一定的早熟收敛问题,引入一种自适应动态改变惯性因子的PSO算法,使算法具有较强的全局搜索能力.将此算法训练的模糊神经网络应用于语音识别中,结果表明,与BP算法相比,粒子群优化的模糊神经网络具有较高的收敛速度和识别率.     

基于模糊GM(1,1)模型的时间序列预测

提出了一种模糊GM(1,1)预测模型,即FGM(1,1)模型,该方法是在GM(1,1)模型中引入模糊成员函数,通过模糊成员函数对时间序列数据进行模糊化,达到数据优化选择,实现历史数据"重近轻远"的预测效果.仿真结果表明所提出的预测方法有效可靠,为提高预测精度提供了新的途径.     

A Nonlocal Total Variation Model for Image Decomposition: Illumination and Reflectance

In this paper, we study to use nonlocal bounded variation (NLBV) techniques to decompose an image intensity into the illumination and reflectance components. By considering spatial smoothness of the illumination component and nonlocal total variation (NLTV) of the reflectance component in the decomposition framework, an energy functional is constructed. We establish the theoretical results of the space of NLBV functions such as lower semicontinuity, approximation and compactness. These essential properties of NLBV functions are important tools to show the existence of solution of the proposed energy functional. Experimental results on both grey-level and color images are shown to illustrate the usefulness of the nonlocal total variation image decomposition model, and demonstrate the performance of the proposed method is better than the other testing methods.     

基于直觉模糊熵权和CC-OWA算子的雷达目标识别模型

为更完整的描述和表达雷达目标类型识别中的目标特征和目标类型之间的关系复杂性和知识缺乏性,通过直觉模糊关系描述,进而将目标识别特征信息转化为直觉模糊集信息.分析了基于直觉模糊集理论的雷达目标类型识别知识建模,揭示了直觉模糊信息的价值可以通过直觉模糊熵刻画,进而提出应用直觉模糊集的熵构造特征直觉模糊信息的权重(直觉模糊熵权),充分利用了目标类型识别知识中隐含的权重信息,并结合CC-OWA算子建立雷达目标类型识别模型与识别步骤,利用一个雷达目标识别实例说明了模型的有效性.     

基于ANP与模糊TOPSIS-CRITIC方法的不确定多属性决策模型

随着多属性决策问题的日益流行,处理决策问题的复杂程度也逐渐增加,针对其中权重不确定,难以量化各影响因素主观权重与客观权重以及指标排序不精确的问题,提出了一种将网络层次分析法(ANP)与模糊指标相关性的指标权重确定法(CRITIC)、逼近理想解排序法(TOPSIS)相结合的不确定多属性决策模型首先,在分别使用ANP方法和...     

雷达船目标的模糊智能识别

模糊集理论和技术给复杂的模糊背景下的模式识别问题提供了一种简易有效的处理手段。基于模糊集理论,定量地分析和处理识别过程中的各种不确定性信息,以提高识别系统的可靠性和智能度,便是我们研究舰船雷达目标识别系统中识别算法的一重要内容。本文通过舰船雷达目标识别这一典型的模糊模式识别问题,系统地论述了模糊模式识别系统的一般性框架、模糊特征抽取和隶属函数的建立、模糊特征选择和匹配分类、层次化模糊分类系统构造等一系列关键性问题。本文提出的各种方法具有通用性,已建立的识别系统在试验中具有良好的目标识别能力。