5个研究背景和意义示例,教你写计算机模糊逻辑论文

今天分享的是关于模糊逻辑的5篇计算机毕业论文范文, 如果你的论文涉及到模糊逻辑等主题,本文能够帮助到你 结合模糊数学与多目标决策方法的混合多准则推荐系统 这是一篇关于混合推荐系统

今天分享的是关于模糊逻辑的5篇计算机毕业论文范文, 如果你的论文涉及到模糊逻辑等主题,本文能够帮助到你

结合模糊数学与多目标决策方法的混合多准则推荐系统

这是一篇关于混合推荐系统,多目标决策,模糊逻辑,DEMATEL,AHP,TOPSIS的论文, 主要内容为已过去的这几十年见证了信息爆炸这一问题的产生和发展。一方面,人们充分享受信息共享带来的便利;另一方面,人们也越来越普遍的意识到信息过载带来的不良后果。推荐系统被广泛运用于克服信息过载问题。 更为准确的用户偏好模型的建立对推荐系统的研究来说仍然是个挑战。在已有的研究中,大多数推荐技术都忽略了用户偏好和项目属性中的不确定性,它们大多基于单一推荐准则来产生推荐。因此,本文将主要关注两个有趣的研究热点:第一,应该使用精确的数字还是语义值来描述用户偏好信息;第二,应该使用单一还是多重属性值来描述项目信息。 首先,我们引用一个例子来说明在推荐系统中引入多准则评分体系的重要性。并进一步将这个例子延伸,用来说明如何用模糊逻辑收集用户的偏好信息。 接下来,我们介绍在本研究中会涉及到的各种算法及各种技术的背景。首先是推荐技术,包括协同过滤技术和基于内容的推荐技术。其次是语义变量与模糊数的基本知识。接下来介绍通过直接获取方式获取用户偏好的优点及原因。最后介绍三种将在本研究中使用到的MCDM(Multiple Criteria Decision Making)方法,分别是DEMATEL(Decision Making Trial And Evaluation Laboratory)、AHP(Analytic Hierarchy Process)及模糊TOPSIS(Technique for Order Preference bySimilarity to an Ideal Solution)方法。 在接下来的一章中,我们提出一种新的基于模糊多目标决策(Fuzzy MultipleCriteria Decision Making)方法的混合推荐技术。并结合三种多目标决策方法(DEMATEL,AHP和TOPSIS)以获得更好的推荐效果。 最后,为验证所提出的方法,我们通过在线实验收集真实用户数据。邀请豆瓣(Douban.com)活跃用户参加我们的在线实验。收集到了335位用户对200部电影的多准则评分(分别依据故事情节、导演指导、演员表演和视觉效果为电影评分)。平均绝对误差(MAE), TOP-K Hit Rate以及营销学中用于衡量用户满意度的量表被用来衡量算法表现。实验结果显示我们提出的方法在多准则环境下可以显著的提高推荐准确性和用户满意度。

水凝物相态识别方法(HC)分析和参数改进

这是一篇关于模糊逻辑,粒子相态识别,双偏振雷达的论文, 主要内容为本文是在国家重点研究发展计划(项目编号:2018YFC1506101,2018YFC1507401)的资助下完成的。相较于常规多普勒雷达而言,双偏振雷达利用自身特性提取出反映两个通道信号差异的偏振参量,通过这些偏振参量能得到更多关于水凝物粒子的大小、相态和形状等信息[1-3]。并且,雷达观测资料具有较高的时空分辨度,利于观测云内部结构的变化和水凝物的生消。因此双偏振雷达成为了提高相态识别[4]和降水估测水平[5]的重要工具。目前基于双偏振雷达的相态识别方法中,模糊逻辑降水粒子相态识别方法应用最广泛。虽然该方法的研究和应用都已经取得了不错的成果,但是仍然存在问题和局限。为此,本文针对以下几个问题对方法展开分析,关于方法的稳定性,如何确定观测误差对识别效果的影响,关于方法的准确性,如何确定最优模糊逻辑规则,关于方法的可靠性,如何确定识别结果是否符合物理规律。针对双偏振雷达降水粒子相态识别的不确定性,本文围绕方法的识别结果检验和方法改进展开统计分析研究。利用2016—2017年暖季广州S波段双偏振雷达数据,提出以下3种方法检验广州暖季降水相态识别的效果:(1)利用累加值(模糊逻辑相态识别的判据)进行识别效果检验,单独的累加值是方法进行相态识别的依据,而相态的累加值统计则可作为判断识别效果的依据。(2)方法对误差的敏感性检验,通过引入适量误差再次进行识别,雷达误差分为系统偏差和随机噪声,检验误差的影响时分别进行两种噪声的模拟,用适当的固定数值模拟系统偏差,用高斯白噪声模拟随机噪声。统计各相态识别结果的变化,变化比例高的相态更容易受到误差的影响,据此系统分析误差对识别效果的影响。(3)相态时空分布检验,统计各相态在不同高度出现的面积,计算相态在各个高度的出现频率,绘制成相态出现的频次图。据此分析识别出的相态时空分布是否符合云物理规律。基于以上3种方法的检验结果找出影响识别的关键因素,对模糊逻辑相态识别方法得出以下结论和改进方法:(1)通过识别效果检验,得到相态累加值的统计特征,据此找出不合理的模糊规则,分析模糊规则存在问题的原因。针对发现的问题,通过统计的方法得到更合适的隶属函数和权重矩阵,通过修改模糊规则对方法进行改进。(2)通过方法对误差的敏感性检验,发现了反射率因子的误差在-0.5d BZ+0.5d BZ之间,差分反射率因子的误差在-0.1d B+0.1 d B之间,雷达相关系数的误差在00.02,差分相移率的误差在-0.3d B+0.9 d B的范围内,识别结果稳定性较好。(3)通过相态时空分布检验,分析各相态的时空分布特征,发现了低空有冰雹面积异常增加的问题。针对问题产生原因,提出了通过空间一致性检验的方法订正这些异常出现的识别结果。以上提出的识别效果检验方法为往后相态识别方法的应用提供了参考。改进方法提高了识别结果的可靠性和稳定性,主要表现在提高了隶属函数的可靠性,方法对相似相态(干雪和冰晶、大雨和冰雹等)的区分能力,以及冰雹识别的合理性。让方法能够更好地识别出降水粒子的相态,特别是强对流过程中的相态识别,这对于降水物理研究及临近预报有非常重要的意义。

水凝物相态识别方法(HC)分析和参数改进

这是一篇关于模糊逻辑,粒子相态识别,双偏振雷达的论文, 主要内容为本文是在国家重点研究发展计划(项目编号:2018YFC1506101,2018YFC1507401)的资助下完成的。相较于常规多普勒雷达而言,双偏振雷达利用自身特性提取出反映两个通道信号差异的偏振参量,通过这些偏振参量能得到更多关于水凝物粒子的大小、相态和形状等信息[1-3]。并且,雷达观测资料具有较高的时空分辨度,利于观测云内部结构的变化和水凝物的生消。因此双偏振雷达成为了提高相态识别[4]和降水估测水平[5]的重要工具。目前基于双偏振雷达的相态识别方法中,模糊逻辑降水粒子相态识别方法应用最广泛。虽然该方法的研究和应用都已经取得了不错的成果,但是仍然存在问题和局限。为此,本文针对以下几个问题对方法展开分析,关于方法的稳定性,如何确定观测误差对识别效果的影响,关于方法的准确性,如何确定最优模糊逻辑规则,关于方法的可靠性,如何确定识别结果是否符合物理规律。针对双偏振雷达降水粒子相态识别的不确定性,本文围绕方法的识别结果检验和方法改进展开统计分析研究。利用2016—2017年暖季广州S波段双偏振雷达数据,提出以下3种方法检验广州暖季降水相态识别的效果:(1)利用累加值(模糊逻辑相态识别的判据)进行识别效果检验,单独的累加值是方法进行相态识别的依据,而相态的累加值统计则可作为判断识别效果的依据。(2)方法对误差的敏感性检验,通过引入适量误差再次进行识别,雷达误差分为系统偏差和随机噪声,检验误差的影响时分别进行两种噪声的模拟,用适当的固定数值模拟系统偏差,用高斯白噪声模拟随机噪声。统计各相态识别结果的变化,变化比例高的相态更容易受到误差的影响,据此系统分析误差对识别效果的影响。(3)相态时空分布检验,统计各相态在不同高度出现的面积,计算相态在各个高度的出现频率,绘制成相态出现的频次图。据此分析识别出的相态时空分布是否符合云物理规律。基于以上3种方法的检验结果找出影响识别的关键因素,对模糊逻辑相态识别方法得出以下结论和改进方法:(1)通过识别效果检验,得到相态累加值的统计特征,据此找出不合理的模糊规则,分析模糊规则存在问题的原因。针对发现的问题,通过统计的方法得到更合适的隶属函数和权重矩阵,通过修改模糊规则对方法进行改进。(2)通过方法对误差的敏感性检验,发现了反射率因子的误差在-0.5d BZ+0.5d BZ之间,差分反射率因子的误差在-0.1d B+0.1 d B之间,雷达相关系数的误差在00.02,差分相移率的误差在-0.3d B+0.9 d B的范围内,识别结果稳定性较好。(3)通过相态时空分布检验,分析各相态的时空分布特征,发现了低空有冰雹面积异常增加的问题。针对问题产生原因,提出了通过空间一致性检验的方法订正这些异常出现的识别结果。以上提出的识别效果检验方法为往后相态识别方法的应用提供了参考。改进方法提高了识别结果的可靠性和稳定性,主要表现在提高了隶属函数的可靠性,方法对相似相态(干雪和冰晶、大雨和冰雹等)的区分能力,以及冰雹识别的合理性。让方法能够更好地识别出降水粒子的相态,特别是强对流过程中的相态识别,这对于降水物理研究及临近预报有非常重要的意义。

水凝物相态识别方法(HC)分析和参数改进

这是一篇关于模糊逻辑,粒子相态识别,双偏振雷达的论文, 主要内容为本文是在国家重点研究发展计划(项目编号:2018YFC1506101,2018YFC1507401)的资助下完成的。相较于常规多普勒雷达而言,双偏振雷达利用自身特性提取出反映两个通道信号差异的偏振参量,通过这些偏振参量能得到更多关于水凝物粒子的大小、相态和形状等信息[1-3]。并且,雷达观测资料具有较高的时空分辨度,利于观测云内部结构的变化和水凝物的生消。因此双偏振雷达成为了提高相态识别[4]和降水估测水平[5]的重要工具。目前基于双偏振雷达的相态识别方法中,模糊逻辑降水粒子相态识别方法应用最广泛。虽然该方法的研究和应用都已经取得了不错的成果,但是仍然存在问题和局限。为此,本文针对以下几个问题对方法展开分析,关于方法的稳定性,如何确定观测误差对识别效果的影响,关于方法的准确性,如何确定最优模糊逻辑规则,关于方法的可靠性,如何确定识别结果是否符合物理规律。针对双偏振雷达降水粒子相态识别的不确定性,本文围绕方法的识别结果检验和方法改进展开统计分析研究。利用2016—2017年暖季广州S波段双偏振雷达数据,提出以下3种方法检验广州暖季降水相态识别的效果:(1)利用累加值(模糊逻辑相态识别的判据)进行识别效果检验,单独的累加值是方法进行相态识别的依据,而相态的累加值统计则可作为判断识别效果的依据。(2)方法对误差的敏感性检验,通过引入适量误差再次进行识别,雷达误差分为系统偏差和随机噪声,检验误差的影响时分别进行两种噪声的模拟,用适当的固定数值模拟系统偏差,用高斯白噪声模拟随机噪声。统计各相态识别结果的变化,变化比例高的相态更容易受到误差的影响,据此系统分析误差对识别效果的影响。(3)相态时空分布检验,统计各相态在不同高度出现的面积,计算相态在各个高度的出现频率,绘制成相态出现的频次图。据此分析识别出的相态时空分布是否符合云物理规律。基于以上3种方法的检验结果找出影响识别的关键因素,对模糊逻辑相态识别方法得出以下结论和改进方法:(1)通过识别效果检验,得到相态累加值的统计特征,据此找出不合理的模糊规则,分析模糊规则存在问题的原因。针对发现的问题,通过统计的方法得到更合适的隶属函数和权重矩阵,通过修改模糊规则对方法进行改进。(2)通过方法对误差的敏感性检验,发现了反射率因子的误差在-0.5d BZ+0.5d BZ之间,差分反射率因子的误差在-0.1d B+0.1 d B之间,雷达相关系数的误差在00.02,差分相移率的误差在-0.3d B+0.9 d B的范围内,识别结果稳定性较好。(3)通过相态时空分布检验,分析各相态的时空分布特征,发现了低空有冰雹面积异常增加的问题。针对问题产生原因,提出了通过空间一致性检验的方法订正这些异常出现的识别结果。以上提出的识别效果检验方法为往后相态识别方法的应用提供了参考。改进方法提高了识别结果的可靠性和稳定性,主要表现在提高了隶属函数的可靠性,方法对相似相态(干雪和冰晶、大雨和冰雹等)的区分能力,以及冰雹识别的合理性。让方法能够更好地识别出降水粒子的相态,特别是强对流过程中的相态识别,这对于降水物理研究及临近预报有非常重要的意义。

结合模糊数学与多目标决策方法的混合多准则推荐系统

这是一篇关于混合推荐系统,多目标决策,模糊逻辑,DEMATEL,AHP,TOPSIS的论文, 主要内容为已过去的这几十年见证了信息爆炸这一问题的产生和发展。一方面,人们充分享受信息共享带来的便利;另一方面,人们也越来越普遍的意识到信息过载带来的不良后果。推荐系统被广泛运用于克服信息过载问题。 更为准确的用户偏好模型的建立对推荐系统的研究来说仍然是个挑战。在已有的研究中,大多数推荐技术都忽略了用户偏好和项目属性中的不确定性,它们大多基于单一推荐准则来产生推荐。因此,本文将主要关注两个有趣的研究热点:第一,应该使用精确的数字还是语义值来描述用户偏好信息;第二,应该使用单一还是多重属性值来描述项目信息。 首先,我们引用一个例子来说明在推荐系统中引入多准则评分体系的重要性。并进一步将这个例子延伸,用来说明如何用模糊逻辑收集用户的偏好信息。 接下来,我们介绍在本研究中会涉及到的各种算法及各种技术的背景。首先是推荐技术,包括协同过滤技术和基于内容的推荐技术。其次是语义变量与模糊数的基本知识。接下来介绍通过直接获取方式获取用户偏好的优点及原因。最后介绍三种将在本研究中使用到的MCDM(Multiple Criteria Decision Making)方法,分别是DEMATEL(Decision Making Trial And Evaluation Laboratory)、AHP(Analytic Hierarchy Process)及模糊TOPSIS(Technique for Order Preference bySimilarity to an Ideal Solution)方法。 在接下来的一章中,我们提出一种新的基于模糊多目标决策(Fuzzy MultipleCriteria Decision Making)方法的混合推荐技术。并结合三种多目标决策方法(DEMATEL,AHP和TOPSIS)以获得更好的推荐效果。 最后,为验证所提出的方法,我们通过在线实验收集真实用户数据。邀请豆瓣(Douban.com)活跃用户参加我们的在线实验。收集到了335位用户对200部电影的多准则评分(分别依据故事情节、导演指导、演员表演和视觉效果为电影评分)。平均绝对误差(MAE), TOP-K Hit Rate以及营销学中用于衡量用户满意度的量表被用来衡量算法表现。实验结果显示我们提出的方法在多准则环境下可以显著的提高推荐准确性和用户满意度。

本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:毕设向导 ,原文地址:https://m.bishedaima.com/lunwen/55210.html

相关推荐

发表回复

登录后才能评论