导读:本文包含了模糊数据模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模糊,数据,算法,粒子,卡尔,井筒,内积。
模糊数据模型论文文献综述
姚亚锋,程桦,荣传新,蔡海兵[1]（2019）在《大数据下冻结井筒整体结构模糊随机可靠性模型建立》一文中研究指出为解决传统可靠性模型在表征深部地下结构稳定性时的不足,利用大数据挖掘算法对可靠性一次二阶矩法进行模糊随机改进,提出了更加符合实际工况的井筒整体结构的模糊随机可靠性模型。研究结果表明:将两淮矿区钢筋混凝土冻结井筒工程数据作为样本数据集,结合大数据隐马可夫(HMM)模型和最大期望(EM)算法,研究井筒整体外荷载和极限抗力的模糊随机表达式,可有效建立该区钢筋混凝土冻结井筒整体结构的模糊随机可靠性解析模型,获得其整体结构的模糊随机可靠性。此外,大数据模糊随机可靠性以区间值表示不同埋深井段整体结构的可靠程度,实例中井深426～483 m段的模糊随机可靠性区间极值分别比常规可靠性计算结果值偏小0.45%和偏大0.53%。该方法考虑了地下工程结构存在从有效状态到失效状态的渐变模糊过程的受力特点,相比常规可靠性的单值表现方法能更准确反映深井整体工况,其形式更具合理性。(本文来源于《煤炭科学技术》期刊2019年11期）
任建龙,赵巧娥,严志伟,高金城[2]（2019）在《大数据下基于IPSO优化模糊PSR-KELM模型预测风功率》一文中研究指出该文利用改进粒子群算法分别优化模糊C均值聚类算法以及基于相空间重构技术和核极限学习机组合模型(PSR-KELM模型)的四参数预测风速。首先,利用优化之后的模糊C均值聚类算法计算风电场实际采集风速数据的模糊隶属度并进行分类,形成代表性强的预测风速模糊样本数据;其次,对PSR-KELM模型的四参数(τ,m,γ,σ)进行优化;最后,基于风速模糊样本数据以及优化四参数的PSR-KELM模型预测风速。以晋北风场作为实例,通过分析其现场实际运行数据,与四参数优化的PSR-KELM模型、模糊四参数优化的PSRKELM模型相比,改进移动平均平滑算法可以有效滤除异质值,拟合出更接近风电场实际运行状况的风速-功率曲线。(本文来源于《自动化与仪表》期刊2019年08期）
荆汝铎,张丽慧,吴明煌[3]（2019）在《基于模糊模型的分布式采样数据控制研究》一文中研究指出研究了大规模模糊互联系统的分布式采样控制问题。在每个模糊子系统中,传感器的采样时刻与执行器的更新瞬间是异步的。基于Wirtinger不等式的Lyapunov Krasovskii能量函数,结合矩阵不等式的一些线性化技术,推导出分布式采样数据模糊控制器的线性矩阵不等式的设计结果。通过一个直流微电网模型及其仿真结果,验证了该方法的有效性。(本文来源于《福建农机》期刊2019年01期）
张慧妍,段瑜,王小艺,许继平,郑蕾[4]（2019）在《数据驱动的模糊支持向量农业水质评价模型》一文中研究指出[目的]针对在线农业水质综合评价中的监测数据噪声及边界模糊问题,建立具有良好抗扰性和等级划分的综合评价模型。[方法]提出了基于数据确定投影寻踪指标权重及模糊隶属度参数的支持向量评价模型。采用改进遗传算法对投影寻踪函数进行了优化求解,获得相对客观的指标权重向量,而后结合数据优化模糊隶属度参数,构建模糊支持向量综合评价模型,以使得监测噪声对评价模型泛化能力的影响减小。此外,考虑到通用的离散化评价等级分辨率较低,提出了区域划分信度的概念,用以辅助说明样本所属区域划分等级的可信程度,实现对综合评价结果进行细化补充说明的目的。[结果]评价模型与专家意见及传统评价方法的结果吻合程度较高,且在监测数据迭加10%至30%的随机噪声时,模型仍能保持85%以上的一致率,样本的区域划分可信度均大于临界值,抗扰效果优于传统模糊综合评价及灰色聚类法。[结论]本文构建的模型具有较好的可行性与鲁棒性,能为后续噪声存在条件下农业水质在线实时综合评价提供借鉴与参考。(本文来源于《水土保持通报》期刊2019年01期）
徐红梅,唐纪芳[5]（2019）在《基于改进模糊分类模型的光纤网络数据调度研究》一文中研究指出针对光纤网络中由于色散导致的双向传输时延不对称,易产生数据锐变等问题,传统调度方法采用模糊聚类方法进行光纤数据信息属性聚类和调度,对数据聚集中心敏感、光纤数据个体间的子空间配对容易使数据访问过程陷入局部最优解,造成数据聚集延迟长、通信性能差的问题。提出一种基于改进模糊分类模型的光纤网络数据调度方法。在综合考虑性能指标、服务能力以及服务质量等指标的基础上,给出光纤数据的综合评价模型,将任务和网络资源构成混合矩阵进行数据格式化,并构造相应的光纤数据模糊近似度矩阵进行聚类,调度策略引入光纤数据紧急度、稀缺度来选取网络数据调度的优先级,并利用离散粒子群算法对整体的调度方案进行优化,找出最优数据调度策略集。实验结果表明,所提方法能够高效地实现光纤网络数据调度,且与其它方法比较,降低了数据聚集延迟,实现了整个光纤网络通信性能最优化。(本文来源于《激光杂志》期刊2019年01期）
邹岩,张娜,严小军,耿振野[6]（2018）在《精密导航系统监测数据的模糊综合评价模型设计》一文中研究指出为保证精密导航系统测试的客观性和科学性,针对现有导航系统的测试环境,设计了以AHP-模糊综合评价为架构的监测数据模糊评价模型。同时提出了综合模糊算子的方法,用以改善多个监测指标在评价结果合成时由于部分评价指标权重不突出而导致的整体评价不严谨的问题。最后利用最小置信度准则来验证评价结果,保证其有效性。通过算例验证可知,评价结果可以反映监测数据所对应的测试状态及性能,这为精密导航系统的测试提供了有效的测试分析和调试建议。(本文来源于《导航与控制》期刊2018年03期）
冯唱[7]（2018）在《基于模糊粗糙集的数据分析模型与算法研究》一文中研究指出今天的我们正处于信息化时代,信息化时代是当今时代发展的大趋势,随之发展的网路信息技术,正以前所未有的发展速度伴随这我们生活的日常,大数据问题的实际应用问题亟待解决。对于大数据的处理已经成为数据挖掘方面的焦点问题。模糊粗糙集是一个用于特征选择的重要的粗糙集模型。经典模糊粗糙集使用模糊依赖函数作为特征选择的准则。然而,这个准则函数只能保持样本到决策类的最大隶属度,不能保证分类误差最小。在本文中,我们引入了新的特征选择标准来克服这个弱点。为了表征分类错误率,首先引入一类模糊二元关系来构造决策的模糊下近似和上近似。然后,引入新的依赖关系概念:错分率和内积依赖度来描述分类错误。基于此,提出了新的特征选择标准来度量候选属性的重要性。提出的准则在保持最大依赖函数的同时还能保证最小分类误差。本文中所提出的属性约简算法理论推论和实验结果都可以证明,该特征选择算法明显优于其他的经典算法,特别是对于不同类别表现出很大程度重迭的数据集,降低了特征选择的复杂度的同时提高了样本的分类精度,具有一定的现实意义。(本文来源于《渤海大学》期刊2018-06-01）
陈倩莹[8]（2018）在《基于模糊理论的金融数据预测模型与交易策略算法研究》一文中研究指出随着信息时代的到来,为得到我们所需要的信息,人们在各个方面对数据处理的要求也越来越高,通过数据之间特有的相关联系能更好地帮助我们进行分析并作出判断,以便采取适当行动。而在金融领域,经济全球化持续发展的大环境下,金融投资已逐渐成为社会生活的一个重要组成部分,金融数据的信息化也正发挥着日益重要的作用。但是金融数据,包括日常股票交易在内,往往受到许多因素的影响,比如人的短期情绪、心理因素与产业发展趋势。因此,每日股票交易数据是高维且不确定的,其特点是固有的非线性,这些特点对股票交易决策提出了巨大的挑战。本文基于短期投资者角度围绕单只股票投资和多只股票组合投资展开了研究和分析,主要研究成果如下:(1)提出了一种基于模糊收益与波动的投资策略(简称FSPVIS),并进一步构建了基于BP神经网络的投资策略(简称NN-FSPVIS)。在第一个策略中,FSPVIS构造了一个全新的模糊推理机制。为了更好的进行股票交易决策,该机制将波动率和利率作为输入变量以引入经典操作交易规则,降低数据的不确定性。在此基础上,由于目前大多数现有的方法。只关注个股,很少考虑影响股票交易的社交网络关系,考虑股票市场的影响,建立了股票行业关系数学模型,并利用BP神经网络实现了模型参数的学习。相比日股票交易策略的现有计算方法,本文首次结合了波动率、利率、相关行业股票、买入和卖出份额等诸多因素,基于模糊理论,计算/获得股票交易的决策信息,并采用香港证券多家银行股票数据进行实验,结果表明本文方法有效提高了投资决策的准确性,且具有良好的稳定性。(2)提出了一种基于模糊推理机制的多目标组合投资策略。考虑到收益率的不稳定性,用历史收益率无法很好的预测未来收益率,而FSPVIS中模糊推理机制的输出变量DA(Decision Acceptance)结合了收益率和波动率,并且吸收了投资者多年投资经验。为此本文利用DA替代历史收益率去预测未来收益,从而构建一个新的多目标组合投资模型。进一步利用模糊多目标优化算法,将其转化成一个单目标线性规划问题,并通过仿真实验证实了该策略的有效性。(本文来源于《湖南大学》期刊2018-05-15）
李京华[9]（2018）在《基于混合式不平衡数据处理的模糊神经分类模型》一文中研究指出在人工智能上升到国家战略的今天,数据作为推动人工智能智能化发展的重要因素,对人工智能的发展起着重要作用,人们日常生活中面临的很多问题都可以简单的转化为数据分类问题,由神经网络和模糊推理系统相互渗透、相互合作而成的神经模糊分类器在解决数据分类问题方面是一种比较流行的方法。由于互联网技术的高速发展、事物内部及事物间的互相关联性,以及现实生活中太多不确定性因素的干扰,收集到的数据往往是充满不确定性。模糊推理系统可以很好处理不确定性信息,从而得到相对较好的分类效果。而神经网络具有很多方法所不具备的学习能力,通过在大数据训练过程中对权值的调整,能够区分出测量值相近但是所属类别不同的类的样本。但是现有的分类算法包括模糊神经分类器在内,更侧重于整体分类效果,但现实数据多大多存在分布不均衡问题且少数类样本起着更为重要的作用。传统分类器在分类建模时更容易受到多数类样本影响,忽略少数类样本,导致分类器对少数类分类效果不佳,分类器的整体分类效果也会在一定程度上受影响。针对以上问题,为提高模糊神经分类器的性能,本文通过对现有不平衡数据处理方法进行分析,提出基于数据和算法层面的混合式不平衡数据处理算法,在解决了数据不平衡问题的同时,提升分类器对对少数类的分类效果。且本文方法处理后的数据更符合原始样本特点,并降低了样本噪音,因此可提升分类器整体分类准确率。为保证较低计算复杂度,在参数生成阶段,本文采用K均值聚类算法,在·.降低计算复杂性的同时保证较好的初始分类效果。最后,为了使模型的识别率能够达到一种更为理想的状态,考虑到全局优化算法不易陷入局部最优并且易于实现,用粒子群全局优化算法对系统的参数进行优化,并用UCI标准数据对模型进行实验验证。结果证明,本文提出的方法对不平衡数据进行了合理处理,且基于该方法的模型对数据分类准确率远高于其他方法。.(本文来源于《云南大学》期刊2018-05-01）
刘基余,陈小明[10]（2018）在《基于附加模糊度参数的卡尔曼滤波模型──GNSS动态载波相位测量的数据处理方法之叁》一文中研究指出基于附加模糊度参数的卡尔曼滤波模型,是一种获得较高的GNSS动态定位精度的数据处理方法,本文论述了它的基本数学模型。并进行了实际验算。(本文来源于《数字通信世界》期刊2018年S1期）
模糊数据模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
该文利用改进粒子群算法分别优化模糊C均值聚类算法以及基于相空间重构技术和核极限学习机组合模型(PSR-KELM模型)的四参数预测风速。首先,利用优化之后的模糊C均值聚类算法计算风电场实际采集风速数据的模糊隶属度并进行分类,形成代表性强的预测风速模糊样本数据;其次,对PSR-KELM模型的四参数(τ,m,γ,σ)进行优化;最后,基于风速模糊样本数据以及优化四参数的PSR-KELM模型预测风速。以晋北风场作为实例,通过分析其现场实际运行数据,与四参数优化的PSR-KELM模型、模糊四参数优化的PSRKELM模型相比,改进移动平均平滑算法可以有效滤除异质值,拟合出更接近风电场实际运行状况的风速-功率曲线。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊数据模型论文参考文献
[1].姚亚锋,程桦,荣传新,蔡海兵.大数据下冻结井筒整体结构模糊随机可靠性模型建立[J].煤炭科学技术.2019
[2].任建龙,赵巧娥,严志伟,高金城.大数据下基于IPSO优化模糊PSR-KELM模型预测风功率[J].自动化与仪表.2019
[3].荆汝铎,张丽慧,吴明煌.基于模糊模型的分布式采样数据控制研究[J].福建农机.2019
[4].张慧妍,段瑜,王小艺,许继平,郑蕾.数据驱动的模糊支持向量农业水质评价模型[J].水土保持通报.2019
[5].徐红梅,唐纪芳.基于改进模糊分类模型的光纤网络数据调度研究[J].激光杂志.2019
[6].邹岩,张娜,严小军,耿振野.精密导航系统监测数据的模糊综合评价模型设计[J].导航与控制.2018
[7].冯唱.基于模糊粗糙集的数据分析模型与算法研究[D].渤海大学.2018
[8].陈倩莹.基于模糊理论的金融数据预测模型与交易策略算法研究[D].湖南大学.2018
[9].李京华.基于混合式不平衡数据处理的模糊神经分类模型[D].云南大学.2018
[10].刘基余,陈小明.基于附加模糊度参数的卡尔曼滤波模型──GNSS动态载波相位测量的数据处理方法之叁[J].数字通信世界.2018
论文知识图
