简介:不确定性是数据的固有属性,在实验过程中由于仪器的限制或者收集过程中的误差都会造成数据的不确定性。数据挖掘算法在处理不确定数据的相关研究尚处于初级阶段,不确定数据聚类是不确定数据研究中的典型问题,已有一些聚类算法被应用到处理不确定数据,如UK-means等。无论是UK-means还是FDBSCAN都仅仅考虑了不确定数据之间的几何距离,而没有考虑到不确定数据之间的概率分布差异。然而,概率分布特征是不确定数据的本质特征,考虑不确定数据的概率分布能够更准确度量不确定数据间的距离,从而提高聚类算法的性能,本文使用核函数度量不确定数据与类中心的距离,然后使用UK-means算法聚类不确定数据,通过大量实验验证了本文提出的距离函数优于使用欧式距离期望的UK-means方法。
简介:研究了线性时滞系统的可靠保性能控制问题,该系统含有不确定性和执行器故障问题。考虑范数有界的不确定性和连续模型执行器故障,根据Lyapunov稳定性理论袁给出状态反馈保性能控制器的存在条件,使得无论是否存在不确定性因素和执行器故障因素,均使得闭环系统是渐近稳定的,且控制器满足的性能指标有上界遥运用LMI方法,提出了控制器的设计方法遥最后通过数值算例验证了设计方法的可行性。
简介:把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中.首先给出了区间数两两比较的可能度的一个公式,证明了该公式与现有的公式是等价的,并给出了该公式的一些优良性质.其次,研究了不确定有序加权几何平均算子,这里算子的权重参数不能够确定,但是值的范围是给定的,并且不确定OWGA算子的集结值是已知的.建立了一个线性目标规划模型,求解该模型,不仅可以得到不确定OWGA算子的权重向量而且可得到方案的估计值,然后用可能度公式通过对估计集结值的比较来对方案进行排序.最后通过实例说明了该方法的有效性和可行性.