基于单亲遗传算法和模糊C—均值算法的混合聚类算法

介绍了基于单亲遗传算法和模糊Ｃ－均值算法的混合聚类算法,克服了模糊Ｃ－均值算法的局部最优问题以及采用普通遗传算法聚类时搜索速度和聚类精度的矛盾。实际运算表明,算法是有效的。     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(PCM)算法和模糊对向传播神经网络相结合，解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题，在此基础上结合卫张(Sugeno Tanaka Kang)模糊模型，提出了改进的模糊对向传播神经网络Improved FCP，并给出了学习算法。对两种典型的非线性模型进行实验研究，实验结果表明Improved FCP网络具有良好的非线性逼近能力。     

一种基于遗传算法的模糊聚类算法及基与FCM算法的结合

在各种糊聚类算法中，模糊C－均值聚类算法FCM（Fuzzy C-Mean Clustering Algorithm）的应用最为广泛。但在实际的应用中，FCM算法却容易陷入局部最优解。因此，本文首先提出了一种基于遗传算法GA（Genetic Algorithm)的模糊聚类分析方法，它利用了遗传算法随机搜索的特点，可以避免陷入局部最优解。实验表明，将该遗传算法与FCM算法结合起来进行聚类分析，比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好。     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(FCM)算法和模糊对向传播神经网络相结合,解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题,在此基础上结合TSK(Sugeno Tanaka Kang)模糊模型,提出了改进的模糊对向传播神经网络Improved FCP,并给出了学习算法.对两种典型的非线性模型进行实验研究,实验结果表明Improved FCP网络具有良好的非线性逼近能力.     

基于单亲遗传算法和模糊C-均值算法的混合聚类算法

介绍了基于单亲遗传算法和模糊C-均值算法的混合聚类算法,克服了模糊C-均值算法的局部最优问题以及采用普通遗传算法聚类时搜索速度和聚类精度的矛盾.实际运算表明,算法是有效的.     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合，提出一种求解多传感器多目标跟踪数据关联问题的方法。该方法的目的是实现多传感器观测数据的模糊聚类，使源于不同目标的观测数据能正确划分到该目标中去。仿真结果表明，该算法可以实现数据与目标的正确关联，克服传统硬判断的一些缺点。     

α—模糊基函数系统及其确定问题研究

在Ｄｒ．Ｗａｎｇ的模糊逻辑系统基础上，提出了改进的α－模糊基函数系统，使其能充分表征语言信息和数据信息及其反馈作用。接着依据ＭＯＬＳ算法，提出了α－模糊基函数系统的确定算法。仿真结果表明，笔者提出的理论和方法是有效的。     

基于模糊聚类算法的船舶故障诊断技术

由于大型设备故障症状与故障原因之间关系十分复杂，使得传统诊断方法在实际应用中效果不理想。研究采用模糊C-均值聚类算法，将被诊断对象间故障和症状的特征通过建立模糊关系矩阵进行了故障分类，用当前所得的故障征兆群与过去该设备故障征兆结果相对照，找出最相似的结果，从而确定其故障。通过船舶主机轴系诊断的实例，充分证明了该方法的有效性。     

一种结构自适应模糊聚类神经网络分类器的研究

本文通过一种新的相似度度量概念，综合模糊Ｃ－ｍｅａｎｓ网、自适应谐振理论（ＡＲＴ－１）及模糊自组织映射网（ＦＣＮ）的诸多优势，提出了一种综合的结构自适应模糊聚类神经网络。该网络具有类内聚集性强，类间可分性好的特点。通过对声纳目标信号分类试验表明，本文提出的结构自适应模糊聚类网，对比于ＢＰ网，具有迭代次数少、识别率高等明显优点，是一种具有实际应用价值的分类器模型。     

电力监控系统中自适应模糊聚类算法的应用

船舶电力监控系统对于船舶的航行非常重要。本文针对C均值模糊聚类局部最优解的情况,从遗传和进化的角度出发,利用遗传算法对其改进,提出基于遗传算法的自适应模糊聚类算法,并将其应用于船舶电力负载监控中,最后通过实验对比说明本文改进算法的有效性。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合,提出一种求解多传感器多目标跟踪数据关联问题的方法.该方法的目的是实现多传感器观测数据的模糊聚类,使源于不同目标的观测数据能正确划分到该目标中去.仿真结果表明,该算法可以实现数据与目标的正确关联,克服传统硬判断的一些缺点.     

基于遗传模糊聚类的东北内陆港选址规划

介绍了内陆港的含义、功能及意义,将遗传算法和模糊目标函数C-均值算法(FCM)相结合,对东北地区内陆港候选城市进行了聚类分析,并对内陆港的建设提出了建议.     

Pearson分布混响下模糊CFAR检测器性能分析

为改善主动声呐的检测性能,研究了Pearson混响背景下的目标恒虚警检测问题,提出一种分布式模糊检测算法,并应用到CA,GO和SO三种均值类CFAR检测器中。全面分析3种均值类模糊检测器在均匀背景和非均匀背景下的检测性能,蒙特卡罗仿真结果证明,CA和SO检测器采用"代数和"融合逻辑时,在均匀背景和多目标干扰情况下具有最好的检测性能,而GO检测器在混响边缘情况下,利用"代数积"融合逻辑具有更好的虚警控制能力。     

基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK（Sugeno-Tanaka)模糊系统的优点，提出了改进的模糊对向传播神经网络Improved-FCP，并给出了其学习算法，实验结果表明Improved-FCP网络之FCP网络对样本有更高的逼近精度。     

疲劳寿命的随机-模糊估计方法

本文指出疲劳寿命试验数据是同时含有随机性和模糊性的随机-模糊变量，提出了相应的疲劳寿命分布参数的随机-模糊统计方法，包括随机-模糊均值和方差，以及随机-模糊概率分布的估计等。结果表明本文方法能同时考虑疲劳寿命分布的概率不确定性和模糊不确定性。     

一种改进的模糊统计方法

模糊理论可以广泛地应用在控制工程中，如何准确的确定隶属函数，是模糊控制的关键技术之一。文章首先介绍确定隶属函数的方法——传统的模糊统计算法，通过确定“年轻人”的隶属函数为例对算法加以说明，并分析了它的缺点；随后提出了一种改进的模糊统计的方法，同样以“年轻人”的隶属函数为例对算法作了说明。最后，通过比较和分析两种算法的实验结果来说明改进的模糊统计算法的优越性。     

基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK(Sugeno-Tanaka)模糊系统的优点，提出了改进的模糊对向传播神经网络Improved-FCP，并给出了其学习算法。实验结果表明Improved-FCP网络较之FCP网络对样本有更高的逼近精度。     

模糊逻辑控制在传统军事跟踪问题上的应用

模糊逻辑是理论与应用方面新出现的领域，对控制系统的发展提供了广阔的前景－－特别是那些不能用数学描述的系统或者是那些本质上为非线性的系统，模糊逻辑优势在于其对控制的启发式推断的方法，模糊逻辑不要求用复杂的数学方程式来功述系统的行为，而是允许系统设计师使用一套常识性的普通的英语规则来引起所要求的系统做出反应。本项目的是将模糊逻辑作为能影响对目标跟踪系统的控制的一个方法来研究的，人们已广泛深入地研究过了     

模糊聚类算法在船舶火灾探测中的应用

在火灾探测时,由于火灾对象的非确定性,以及现场环境的复杂性,存在许多困难.火灾与非火灾数据并不存在明确的差异,人们也不能把这种差异用函数来表示.本文提出了采用模糊C均值聚类算法对船舶火灾数据进行分类.计算结果表明该算法能有效地区分各种火灾现象.     

一种基于遗传算法的模糊聚类算法及其与FCM算法的结合

在各种糊聚类算法中,模糊C-均值聚类算法FCM(Fuzzy C-Mean Clustering Algorithm)的应用最为广泛.但在实际的应用中,FCM算法却容易陷入局部最优解.因此,本文首先提出了一种基于遗传算法GA(Genetic Algorithm )的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解.实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好.