云模型（含matlab代码）
发布时间：2022-10-12 11:37:40 所属栏目：云计算 来源：
导读： 云模型由中国工程院院士李德毅于1995年提出。云模型由若干云滴组成。其中每个云滴是确定的点，构成一个负责不确定的云。对于一个云的描述饱含三个元素，记作：（Ex，En，He）。
基本概念：Ex，云滴在论域
基本概念：Ex，云滴在论域
|
云模型由中国工程院院士李德毅于1995年提出。云模型由若干云滴组成。其中每个云滴是确定的点，构成一个负责不确定的云。对于一个云的描述饱含三个元素，记作：（Ex，En，He）。 基本概念：Ex，云滴在论域空间的期望。 En，熵。用来表示云团的不确定性程度。 He，超熵。用来表示熵的不确定性程度。一个云模型记作。 正向云发生器：由（Ex，En云模型计算，He）生成云团。 逆向云发生器：从复杂混乱云团中提取云的核心元素（Ex，En，He）。 主要目的：实现定性概念与定量描述直接的转换。 应用范围：自动驾驶、智能控制、复杂网络建模、语义控制、综合评价等 理论基础：概率论、模糊数学、混沌理论等 一、云模型定义 在此参考 二、云发生器及Matlab代码： 2.1.正向云发生器 代码如下： function [fval]=cloud_TO(Ex,En,He,N) %正向云发生器 % EX为生成云滴的均值 % En为生成云滴的熵 % He为生成云滴的超熵 % N为生成云滴数量 for i=1:N En_r(i)=randn(1)*He+En; %生成随机熵 Ex_r(i)=randn(1)*En_r+Ex; fval(i)=exp(-(x(q)-Ex).^2./(2.*Enn.^2)); end 返回值是各云滴的隶属度。 2.2逆向云发生器 2.2.1 SBCT-1stM算法 SBCT-1stM是首个无确定度的逆向云算法，也是最初的算法，虽有有些过时，但对于云模型的理解很重要。 代码如下： function [Ex,En,He]=cloud_SBCT_1thM(A) Ex=mean(A); En=mean(abs(A-Ex)).*sqrt(pi/2); He=sqrt(var(A)-(En).^2); end 2.2.2 SBCT-4stM算法 function [Ex,En,He]=cloud_SBCT_4stM(A) Ex=mean(A); S_2=var(A); miu_4=(sum((Ex-A).^4))/(length(A)-1); En=((9*S_2.^2-miu_4)/6).^(1/4); He=sqrt(S_2-En); end 2.2.3 MBCT-SR算法 由于SBCT-1stM算法与SBCT-4stM算法都会出现超熵为虚数的情况，因此许昌林和王国胤提出了一种新算法MBCT-SR算法。 function [Ex,En,He]=cloud_MBCT_SR(A,n,m) %n为抽取样本个数，m为每个样本包含元素个数 Ex=mean(A); for i=1:n X{i}=datasample(A,m); DY(i)=var(X{i}); end En=sqrt(0.5*sqrt(4*mean(DY).^2-2*var(DY))); He=sqrt(mean(DY)-En.^2); 2.3 关于三种逆向云发生器的双向认知研究成果 3. 其他 关于云模型的相适应衡量方法、应用研究、瓶颈问题、外来展望等，感兴趣的小伙伴们可以看看杨洁等老师发表在计算机学报上的论文《正态云模型研究回顾与展望》 （编辑：均轻资讯网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐