为了更好地体现时间序列的形态特征,并探索更适合于较长时间序列之间相似性度量的方法,在动态时间弯曲算法的基础上进行改进,提出了基于分层动态时间弯曲的序列相似性度量方法。对时间序列进行多层次分段,并从分段
直觉模糊集概念产生于模糊集概念,自Atanassov提出这个概念以来,已得到了众多研究者的关注并被应用到不同的领域。作为直觉模糊理论的一个重要研究内容,研究者已在不同文献中提出多种不同的直觉模糊集相似
针对交通流时间序列具有高维、高噪声的特性,设计了基于趋势变动、拟合优度和最小距离和百分比原则的联机分割算法用于时间序列维约简。对分割后的时间序列进行5元组分段线性表示,并据此定义五种常见的时间序列形状
在综合几种现有算法优点的基础上,提出一种新的道路提取策略。首先以角度纹理特性法分割原始影像;接着利用直线匹配原理剔除初始分割结果中的非道路地物,得到更为规则的道路条带;然后通过形态学手段获得道路中心线
软件开发技术是信息技术的核心,如何提高软件的质量始终是计算机科学领域研究的重要方向之一,基于度量的量化管理是最有效的质量保证手段。阐述了度量的概念和范围,提出了一种软件度量模型,并对相关度量模型方法进
粒子群优化聚类算法具有参数简单,收敛快等优势,但也有局部极值问题。为解决此问题,提出一种基于捕食-被捕食的粒子群优化模糊聚类算法且聚类中心采用密度函数初始化。捕食者追逐被捕食者中心,加速收敛,而被捕食
通过对Vague集的模糊度本质分析,指出现有模糊熵构造方法的不足,给出了符合人们直觉的Vague集的模糊熵的公理化定义,相应地提出了一种新的Vague集的模糊熵计算公式,并通过定理证明和实例对比分析,
针对覆盖粗糙集仅适用于单一数据类型的论域覆盖的问题,提出复合覆盖粗糙集模型。在研究邻域覆盖粗糙集、集值覆盖粗糙集、区间值覆盖粗糙集的基础上,在复合数据模型下,通过建立多种覆盖关系(邻域覆盖、集值覆盖、
以Z.Pawlak粗集理论为基础,将动态模糊近似概念引入Dubois模糊粗糙集中。提出了双向S-模糊粗糙集概念,给出了双向S-模糊粗糙集的结构与性质。分析了双向S-模糊粗糙集与Z.Pawlak粗集、D
:Vague 集的模糊熵既要有Vague 集的未知性又要有fuzzy 集的不确定性,首先介绍Vague 集的相关代数性质,然后通过分析现有Vague 熵构造方法上的不足,提出一种同时考虑以上两种特性新