以直觉模糊熵改进权重的模糊数据关联算法.pdfVIP

第27卷第4期 模糊系统与数学 V01．27，No．4 andMathematics 2013年8月 FuzzySystems Aug．．2013 文章编号：1001—7402(2013)04—0173—06 以直觉模糊熵改进权重的模糊数据关联算法+ 魏书堤，赵辉煌 (衡阳师范学院计算机科学与技术系，湖南衡阳421008) 摘要：针对多中心点的观测数据存在不确定性的问题，首先将观测数据和预测数据进行直觉模糊化， 然后利用直觉模糊熵改进直觉模糊集的数据权重，再计算直觉模糊集之间的加权距离以获得观测与预 测数据的隶属度，最后依次搜索最大隶属度实现观测与预测的关联。通过实例将改进的直觉模糊C一均 值聚类(IFCM)算法应用于数据关联计算，计算结果表明，存在模糊观测数据情况下，可以比较好的处 理距离的权重信息，并得到更好的处理结果，实例证明算法是可行的。 关键词：数据关联；直觉模糊集合；模糊C一均值聚类；直觉模糊熵 中图分类号：C934 文献标识码：A 数据关联是数据融合中最重要的问题之一，也是实现多传感器多目标的前提。常用的数据关联算 法有最近邻域法、概率数据关联、联合概率数据关联和模糊数据关联。 DataAssocia 贺正洪提出模糊数据关联(Fuzzy C—Means， tion，FDA)算法是以模糊C一均值(Fuzzy FCM)聚类算法[1]为基础的，该算法通过使目标函数最小把观测数据分别划分到以目标预测位置为中 心的类中，从而实现关联，在数据关联中引人模糊理论，自从Aziz等将数据关联问题看做是模糊聚类问 计算模糊距离的权重(Ⅳt)取1／2m并不能完全反映出各聚类中心点的直觉模糊信息，通常来说聚类中 心信息权重应该是有差异的。确定权重方法有多种，本文采用直觉模糊熵来计算权重，再计算直觉模糊 集之间的加权距离以获得观测与预测数据的隶属度，最后依次搜索最大隶属度实现观测与预测的关联。 通过实例将改进的直觉模糊C一均值聚类(IFCM)算法应用于数据关联计算。计算结果表明，存在模糊观 测数据情况下，算法是可行的。因此利用直觉模糊熵来计算模糊距离的权重，就比较客观反映出各聚类 中心点的直觉模糊信息。 1 基本算法介绍 1．1聚类算法 设被分类对象的集合为： A一{A1，A2，…，A。) (1) 其中每一个对象A都为直觉模糊集，由m个特征指标描述，用式(2)表示： (2) ÷收稿日期：2012—07—11；修订日期：2012-10—28 基金项目：国家自然科学基金资助项目 作者筒允：魏书堤(1969一)，男，湖南衡阳县人，衡阳师范学院计算机科学与技术系主任，高级工程师，研究方向：计算机应用；赵辉 煌(1982一)，男，湖南衡山人，衡阳师范学院，博士。 万方数据 模糊系统与数学 “，(z)一1一心，(X)一％，(X)为对象A，的不确性即犹豫度。 如果进行模糊分类，把A分成C类，则认为分类对象集合A中的对象A以一定的隶属度属于某 一类，所有的对象分别以不同的隶属度属于某一类。对A的每一种这样的分类，对应一个模糊分类矩 阵u一(／墨．i)cXn，其中2≤c≤，2，且满足以下三个条件： (1)肛，∈[o，1]；1≤i≤c，1≤歹≤，z J (2)∑心一1，V l=1