基于云模型的规则提取算法研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (2): 63-66.

基于云模型的规则提取算法研究

徐飞¹,朱伟兴¹,李众²

1.江苏大学电气信息工程学院，江苏镇江 212013
2.常州信息职业技术学院，江苏常州 213164

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-11 发布日期:2008-01-11
通讯作者: 徐飞

Cloud model based rules extraction algorithm

XU Fei¹,ZHU Wei-xing¹,LI Zhong²

1.School of Electrical and Information Engineering，Jiangsu University，Zhenjiang，Jiangsu 212013，China
2.Changzhou Vocational College of Information Technology，Changzhou，Jiangsu 213164，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-11 Published:2008-01-11
Contact: XU Fei

摘要/Abstract

摘要： 提出了尺度云变换的新方法。该方法采用“半正态云”作为基本云，并引入位移因子，使基于数据的规则提取算法中的数据划分能充分反映数据的实际分布，减少提取的规则数量，提高规则的推理精度；通过引入数据关键点及最佳分割点以保证规则库的完备性。还首次提出T-S型云控制器的概念，并将尺度云变换方法应用到T-S型云控制器的设计中。仿真结果表明，该方法简单有效，由该方法提取的规则构建的T-S型云控制器能较好地复现原数据分布，误差能控制在给定范围内。

关键词: 定性推理, 云模型, 规则提取, 云控制器

Abstract: A new scale cloud transform method is proposed firstly.Both the normal semi-cloud model and the shift operator are introduced to that method to make sure that data partition in the method can reflect some information about the actual data distribution，to reduce the number of rules generated by the new method，and to increase the rules’ fitness.Because key points and best breakpoints are exploited，the rules base generated by the proposed method is complete.This paper first presents T-S cloud controller，and gives the simple design process of this new type of intelligent controller based on scale cloud transform.The simulation results show the new method is simple，powerful，and the T-S cloud controller consisted of the rules generated by scale cloud transform can reproduce the original data very well，and can reduce the control error to any degree theoretically.

Key words: qualitative reasoning, cloud model, rules extraction, cloud controller

徐飞¹,朱伟兴¹,李众². 基于云模型的规则提取算法研究[J]. 计算机工程与应用, 2008, 44(2): 63-66.

XU Fei¹,ZHU Wei-xing¹,LI Zhong². Cloud model based rules extraction algorithm[J]. Computer Engineering and Applications, 2008, 44(2): 63-66.

[1]	王运成，周春华，陈楚湘，吴善明，陈冰. 基于二叉知识树推理的可扩展智能排课系统[J]. 计算机工程与应用, 2021, 57(5): 251-257.
[2]	王丽丽，申燚，徐玉松，袁明新. 融合云模型和反向学习的克隆选择算法[J]. 计算机工程与应用, 2021, 57(17): 68-74.
[3]	谢晖，李松月，孙永河，韩玮. 基于云模型求解属性权重的DEMATEL方法研究[J]. 计算机工程与应用, 2018, 54(7): 257-263.
[4]	徐士东，耿秀丽，董雪琦. 基于云模型的改进FMEA风险评估方法[J]. 计算机工程与应用, 2018, 54(2): 228-233.
[5]	纪蕾1，郭树荣2，丛旭辉3，刘彩霞1. 基于OWA算子和可拓云模型的PPP项目绩效评价——以经营性PPP项目为研究对象[J]. 计算机工程与应用, 2018, 54(16): 220-226.
[6]	肖子涵，耿秀丽，徐士东. 基于云模型的不确定性大群体多属性决策方法[J]. 计算机工程与应用, 2018, 54(11): 254-259.
[7]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[8]	李珣1，2，邓乾旺2，刘俊武2. 不确定条件下报废汽车回收率云模型仿真研究[J]. 计算机工程与应用, 2018, 54(10): 256-266.
[9]	崔丽群，黄殿平，宋晓. 基于云模型鱼群算法的多阈值图像分割研究[J]. 计算机工程与应用, 2017, 53(6): 204-208.
[10]	王建国，董泽宇，张文兴，卢丹. 基于回归树的支持向量机规则提取及应用[J]. 计算机工程与应用, 2017, 53(6): 236-240.
[11]	郑皎1，2，章恒全1，焦俊3，徐士东4，肖子涵4. 云模型与VIKOR集成的多属性群决策方法[J]. 计算机工程与应用, 2017, 53(24): 94-99.
[12]	陈志旺1，黄兴旺2，陈志兴3，赵子铮2，黄丽芳4. 区间多目标优化非支配排序云模型算法[J]. 计算机工程与应用, 2017, 53(22): 143-149.
[13]	柳赛男. 仓库物料运输系统多目标调度方法[J]. 计算机工程与应用, 2017, 53(18): 224-229.
[14]	冯彦卿，王伦文. 基于构造型云神经网络的电磁环境评估方法[J]. 计算机工程与应用, 2017, 53(16): 211-215.
[15]	李絮，刘争艳. 基于云模型的模糊自适应蚁群算法研究[J]. 计算机工程与应用, 2016, 52(2): 24-27.