基于优序关系的犹豫模糊语言多准则决策方法

犹豫模糊语言集是语言集和犹豫模糊集的扩展,受传统Electre方法的启发,构建基于优序关系的犹豫模糊语言多准则决策方法. 首先,给出犹豫模糊语言数的Hausdorff距离公式;然后,基于每一准则下方案评价的对比,建立犹豫模糊语言数的优序关系,并在此基础上,提出一种基于优序关系的犹豫模糊语言多准则决策方法;最后,通过算例表明了所提出方法的有效性和可行性.     

基于梯形模糊隶属函数的复合语言多目标决策

对于一些复杂的决策问题, 使用比较语言比单一语言更能准确地表达专家的看法. 据此, 提出一种同时使用单一语言和比较语言的新算法. 根据上下文无关文法将比较语言表达转换为犹豫模糊语言术语集(HFLTS), 并应用有序加权算子(OWA) 计算出由梯形隶属函数表示的模糊语言术语集的模糊包络, 有效地简化了基于HFLTS 的词计算过程. 最后应用逼近理想解排序(TOPSIS) 方法进行决策.

     

海水淡化系统反渗透膜故障诊断研究

故障树分析是一种图形演绎的故障诊断方法,在能源工程和航天器可靠性等领域已得到成功应用。基于反渗透系统,对系统中关键元件反渗透膜的结构和系统工作机理进行研究,给出了"脱盐率下降"作为顶事件的故障树,并求出了最小割集和最小径集,完成了对故障基本事件的结构重要度分析。针对传统故障树分析中不确定事件得不到有效解决以及知识获取困难的这一问题,提出将粗糙集与故障树分析相结合的混合的方法。     

基于区间二型模糊粗糙集的连续属性约简算法

一型模糊粗糙集可以直接处理连续属性集,但不能处理高度不确定性数据,而区间二型模糊集可以增强系统处理不确定性的能力。为了提高处理噪声数据的精确度,在一型模糊粗糙集的基础上,定义区间二型模糊粗糙集。基于区间二型模糊粗糙集模型研究了连续域决策信息系统的属性约简,通过紧计算域给出了新的约简算法。由于拒绝变量集合的存在,提出的约简算法可在有限时间内收敛,并且得到了更加合理的结果。数值仿真验证了约简算法的可行性与有效性。     

基于粗糙集约简的图像插值方法

提出了一种基于粗糙集约简的支持向量机图像插值方法,目的在于提高基于学习的插值方法的插值效率,改善放大图像边缘模糊现象。首先在原始图像上利用已知的像素灰度值及邻域内像素间的相关性构造训练样本集;然后利用粗糙集约简算法约简掉其中重要度较小的特征,并用约简后的样本集训练支持向量机;再用测试样本及训练好的支持向量机估计偶行偶列的像素灰度值;最后利用测试样本及训练好的支持向量机估计剩余的未知像素灰度值。仿真表明,所提方法有效提高了插值效率,获得了较好的客观指标,得到了满意的插值图像。     

改进的对象间差异度的限制容差关系模型

不完备信息系统不能直接用经典的粗糙集理论来处理,为此,容差关系、非对称相似关系、限制容差关系、限制非对称相似关系、对象间差异度的限制非对称相似关系等扩充的粗糙集模型被相继提出。通过分析这些模型的优点和不足之处,定义了新的对象间差异度,提出了一种改进的对象间差异度的限制容差关系模型,实例结果表明基于所提出模型的划分更精确,更符合实际。     

高校科研能力的协同IWD粗糙集-块神经网络评估模型

针对高校科研能力评估过程中存在的多因素、高非线性特点,经典评估模型主观性较强,导致模型评估准确性不高的问题,提出基于协同智能水滴算法IWD和粗糙集块神经网络RBNN的高校科研能力评估模型。首先,引入智能水滴算法,并针对传统智能水滴算法固定旁域搜索范围不利于提升算法搜索效率的问题,提出一种局部空间自动缩放算法LSAS,该算法根据当前种群最优个体,自动调整下一步搜索空间大小,对进化过程进行指导,提高算法的进化效率;其次,基于粗糙集理论对高校科研能力数据进行特征预处理,简化数据计算量;最后,对块神经网络和粗糙集参数进行编码,并对高校科研能力模型进行评估。仿真结果表明,此评估模型具有较高的准确性和较快的计算效率。     

3D-HEVC深度图像快速帧内编码方法

目的 新一代3D视频采用了多视点加深度图像的格式,其编码测试模型3D-HEVC(3D高效视频编码)为深度图像引入了一些新的编码技术,包括深度模型模式、分段直流(DC)残差编码模式和帧内跳过模式等,但是同时也显著地增加了帧内编码器的复杂度,严重制约了3D视频的实时应用,因此本文提出了一种深度图像帧内模式选择方法。方法 首先,分析在分层编码结构中,父层帧内模式和子层帧内模式的关系,并依据父层的帧内模式对子层的候选模式进行修剪;其次,通过分析粗略候选帧内模式,把当前块分为平滑块、方向块和边界块,并根据不同块进行候选帧内模式的选择。结果 与高效3D视频编码标准的测试模型相比,本文的深度图像帧内模式选择方法可以节省约44%的编码时间。本文方法有效地减少了计算率失真代价的候选帧内模式数目,从而降低了帧内编码器的复杂度。结论 该方法能在保证虚拟视点质量的前提下,有效地降低深度图像帧内编码的复杂度。     

一种基于倒排索引树的增量更新关联挖掘算法

增量更新关联规则挖掘主要解决事务数据库中交易记录不断更新和最小支持度发生变化时关联规则的维护问题。针对目前诸多增量更新关联规则挖掘算法存在效率低、计算成本高、规则难以维护等问题,提出一种基于倒排索引树的增量更新关联挖掘算法。该算法有效地将倒排索引技术与树型结构相结合,使得交易数据库中的数据不断更新和最小支持度随应用环境不同而不断改变时,以实现无需扫描原始交易数据库和不产生候选项集的情况下生成频繁项集。实验结果表明,该算法只需占用较小的存储空间、且检索项集的效率较高,能高效地解决增量更新关联规则难以维护的问题。     

Joint underwater target detection and tracking with the Bernoulli filter using an acoustic vector sensor

In this paper, we study the problem of joint underwater target detection and tracking using an acoustic vector sensor (AVS). For this challenging problem, first a realistic frequency domain simulation is set up. The outputs of this simulation generate the two dimensional FRequency–AZimuth (FRAZ) image. On this image, the random finite set (RFS) framework is employed to characterize the target state and sensor measurements. We propose to use the Bernoulli filter, which is the optimal Bayes filter emerged from the RFS framework for randomly on/off switching single dynamic systems. Moreover, to increase the performance of detection and azimuth tracking in low signal-to-noise ratio (SNR) scenarios, a track-before-detect (TBD) measurement model for AVS is proposed to be used with the Bernoulli filter. Sequential Monte Carlo (SMC) implementation is preferred for the Bernoulli filter recursions. Extensive simulation results prove the performance gain obtained by the proposed approach both in estimation accuracy and detection range of the system.