分享到:

模糊因果关系

在社会经济系统中的决策问题,多需考虑并评价与系统整体目的有关的诸因素及其间存在的相辅相成的关系,依据评价信息,分析,确定其中对整体目的起根本制约的作用的因素,为决策者提供改良系统的决策依据。 由于,与整体目的有关的诸因素间存在的相辅相成关系是基于因果律的一种关系、而评价信息,多是专家依据经验及对实际情况的分析、提出的定性意见,这自然是一种模糊信息。因而,建立一个基于因果律的收集并处理这类模糊信息的数学方法,是有意义的。一掌只冰图早琴亥 、/目二工二毛二司z娜、/、习、 设与系统整体目的有关的因素集为 X={x,,x:,…,x。} 对X中任两因素x‘,xj之间,以x:为因,xj为果的完全因果关系“一‘’,可表示为n锥Boole矩陈B=(b:j):x二 其中b‘s=协。(x,,xs)=x*一xj时其它依据完全因果律的推理法则,因素集X上的二元关系B,应具有 1.自反性Vx;〔X林。(x,,x。)=l2.反对称性Vx;,xj〔Z林B(...  (本文共6页) 阅读全文>>

华南理工大学
华南理工大学

高维因果网与高校资产管理的模糊推理研究

贝叶斯网络作为处理变量间因果关系表达和推理的有效工具,在人工智能与数据挖掘领域受到广泛的应用。但传统的贝叶斯网络也存在以下三个问题,制约进一步的发展。首先是传统贝叶斯网络只能处理离散变量,处理其它类型变量时需要先进行离散化,这样容易产生―边缘锐化‖问题。特别是面对模糊变量时,会造成大量的信息丢失,影响推理精度。然后是贝叶斯网络的结构学习是NP-HARD问题,在高维数据下,其网络结构的搜索空间会呈指数增长,常用结构学习算法的效率都会变得低下。最后是传统的结构学习算法无法识别马尔科夫等价类,当搜索空间存在大量的马尔科夫等价类,搜索效率就会很低,且很难收敛到最优解中。针对问题一,本文根据模糊理论对传统贝叶斯网络进行扩展,给出了能兼容模糊变量的混合贝叶斯网络的完整方案。对于问题二,则提出了一种新型的约简组合方案通过把建网问题分割为多子网的构建,降低高维数据的影响。同时该方法在聚类的过程同时确定子网间的连接点,避免了二次搜索,与同类算法相...  (本文共66页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

汉语文本中突发事件因果关系抽取方法研究

突发事件作为一个复杂系统,对其定性建模首先要分析内部各要素之间的因果关系,这是建立其他突发事件预测和仿真模型的基础。然而,基于专家知识的方法中因果关系的获取采用向领域专家发放问卷和访谈的方法,存在耗时、耗力和操作性差等局限性。而基于数据的方法需要依赖于一定规模的和完备的数据样本,而应急领域许多突发事件的数据往往存在没有系统积累、缺乏完整性和连续性等问题。但伴随着我国各级政府应急管理机制建设和学术研究的不断深入,形成了海量的有关突发事件的文本资源。这些文本资源中蕴含了大量有关突发事件演化规律的定性知识,特别是能反映各类突发事件系统中要素间的因果关系,这就是本文所指突发事件因果关系。这些文本可代替专家和数据成为突发事件因果关系的来源。因此,如何从应急领域文本中抽取突发事件内部要素间的因果关系,并建立突发事件因果关系模型是需要亟待解决的科学问题。针对汉语文本中因果关系抽取方法在国内外未进行系统研究和缺乏有效的抽取于文本的因果关系的集成...  (本文共146页) 本文目录 | 阅读全文>>

重庆大学
重庆大学

复杂系统因果图推理理论与算法研究

复杂系统是由大量相互作用的单元构成的系统。复杂性科学这一门被科学家誉为“21世纪的科学”,正逐渐为人们所理解和接受,并且有一批国际和国内著名学者加入到这一领域的研究中。1999年4月美国刊物Science出版了一个题目为“复杂系统”的专集,对复杂系统进行了专门研究,内容涉及物理、化学、生物、经济、生态、地理环境、气象、神经科学等方面。国内以钱学森教授为首的一批科学家致力于复杂系统的研究。复杂系统包括的子系统很多,它具有以下性质:整体性、系统性、开放性、复杂性、层次性、动态性、不确定性。复杂系统的故障诊断是人工智能技术应用于实际问题的重要领域之一。现在的系统非常复杂,使故障诊断问题复杂化。因此,研究如何能够切实保障现代工业复杂系统可靠、安全地运行,显得十分重要。复杂系统故障诊断具有层次性、时间性、延时性、相关性、模糊性、随机性、不确定性和放射性等特性。随着人工智能技术的不断发展,智能诊断技术开始在故障诊断领域发挥着越来越重要的作用...  (本文共170页) 本文目录 | 阅读全文>>

《中国科学技术大学学报》2003年01期
中国科学技术大学学报

概率模糊认知图

0 引言因果关系表示与推理是人工智能中非常重要的研究领域 .认知图 (cognitivemap ,CM) [1 ]是表达和推理系统中概念间因果关系的图模型 ,节点和边分别表示概念及概念间的因果关系 .它首先由Tloman在 1 948年提出 ,Kelly在 1 95 5年将其引入因果关系的定性分析中 ,Ax elord在 1 976年将其具体应用于政治分析中[1 ] .由于认知图模型仅能表示概念间关系增加与减少两种定性状态 ,不能量化因果关系的变化程度 ,故Kosko于 1 986年在概念间因果关系中引入模糊测度 ,把概念间的三值 {- 1 ,0 ,1 }逻辑关系扩展为区间 [- 1 ,1 ]上的模糊关系 ,提出模糊认知图模型[2 ] (fuzzycognitivemap ,FCM) ,用于概念间模糊因果关系的表达与推理 .模糊逻辑显然比三值逻辑能携带更多的信息 ,因此FCM的表达和推理能力更强 ,是目前认知图研究的主流 .在各...  (本文共8页) 阅读全文>>

华南理工大学
华南理工大学

基于Type-Ⅱ型模糊认知图的时序数据预测

目前,时间序列分析技术被广泛运用于工业、商业、科研等领域,以支持决策需要。在时间序列分析中,时间序列预测是一个非常重要的研究内容。该工作的主要任务是通过分析历史数据,建立预测模型,来预测未来值。一般而言,时序预测模型可分为两类:线性预测模型和非线性预测模型。其中,线性预测模型受限于自身结构及回归机制,对复杂系统产生的时序数据预测结果不够准确;非线性预测模型采用如人工神经网络等机器学习技术,在构建模型过程中需要经过反复的训练迭代,降低了模型构建的效率。另外,两者在建模过程中,过分依赖样本数值数据,构建的模型缺乏“可解释性”。而有时候可解释性是决策者比较关心的一个点。模糊认知图是一种知识表示图,在其因果网络中,神经元和权值对于问题域具有精确的意义。因此,结合模糊认知图建立的预测模型可具有可解释性。但是,传统的基于模糊认知图的预测模型(称之为Type-I型模糊认知图预测模型)在建模过程中没有考虑因果的不确定性。为解决上述问题,本文的主...  (本文共85页) 本文目录 | 阅读全文>>