一种遗传模糊神经网络数据挖掘算法

数据挖掘是近年来信息处理领域出现的新的研究方向。本文探讨了扩展型TS模糊神经网络和遗传算法在数据挖掘中的应用,并提出了一种把模糊神经网络与遗传算法相结合的数据挖掘方法。在该方法中由遗传算法自适应地构造和优化TS模型,TS模型完成预测,这种预测是建立在遗传算法的聚类结果之上的。二者的结合,提高数据挖掘的应用效果。文章最后给出该方法的应用实例。     

解决矛盾问题的可拓模型与可拓知识的研究

可拓学是解决矛盾问题的学科,在可拓学的可拓模型原型的基础上,明确了计算机解决矛盾问题的可拓模型,它包括三部分:关联函数、可拓知识和推理算法,其中关联函数和可拓知识对不同的问题需要利用不同的原理,且它们是逐步变化的.在可拓知识中,关联函数的可拓变换需要通过计算证明其值是逐步增加的.这样,矛盾问题在计算机中才能得到解决.本文通过多个实例来说明解决矛盾问题的可拓模型及可拓知识的建立和实现.     

基于粒度计算的探索性分析建模研究

从现有探索性分析模型建模方式的局限性出发,提出了探索性分析模型的粒度原理,建立了基于粒度计算的探索性分析模型,给出了该模型的因素集粒化、因素水平值域粒化以及混合粒化三种粒度获取方式,针对探索性分析模型的追溯问题,分析并建立了粒度空间各层次间的层级关联映射和软构层映射.在此基础上,能够建立探索性分析模型的一般性数学描述.     

基于神经网络的模糊推理

为了使模糊推理符合推理原则，目前已定义了１０多种模糊关系，但各种模糊关系定义都存在一定的缺陷。本文提出的基于神经网络的模糊推理，能很好地符合模糊推理原则。