导读:本文包含了认知图论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模糊,认知,神经网络,需水量,算子,不确定性,交通安全。
认知图论文文献综述
韩慧健,宋馨芳,张慧[1]（2019）在《一种城市需水量预测的模糊认知图方法》一文中研究指出系统运作的状态数据是复杂因素相互作用的产物,需水量的变化受到多种因素相互影响。传统的基于时间序列预测方法预测变量较单一,忽略了系统各因素的因果关系。因此,文中提出了一种新的预测方法—模糊认知图(FCM),其恰好拥有这种特性,它是一种带权重值的模糊反馈推理机制,量化表示概念间的因果关系,模拟整个系统运转。文中将模糊认知图和遗传算法相结合构建城市需水量模型,搜集整理了2001-2010年间的数据进行训练,最后采用2011-2015年间的数据来进行验证与测试。结果表明:在五年平均相对误差方面,非线性趋势模型为5.91%,BP神经网络为1.83%,提出的方法为1.34%,因此所提方法的预测精度较高、泛化性能良好。根据实验数据分析可得,未来济南市对于水资源进行管理时,要在合理把控万元国内生产总值用水量和万元工业增加值用水量的同时,加大城市工业用水重复率和居民生活用水回收率。该模型为城市需水量的预测和分析提供了一种更有效的方法。(本文来源于《计算机科学》期刊2019年S2期）
杨佳宇,段文杰,李廷文,吴兵,汪洋[2]（2019）在《基于模糊认知图的水上交通事故涌现分析》一文中研究指出为更深入认识水上交通事故发生的规律,本文面向事故的发生和演化过程,从人员、船舶、环境和管理4个角度分析了影响水上交通安全的10个主要因素。按照因素之间的相互关系构造邻接矩阵,通过赋值专家权重改进最大值函数法,并结合重心法聚合专家意见,以此构建水上交通事故模糊认知图模型。基于模糊认知图模型描述水上交通事故涌现的不同阶段,根据案例场景中因素节点风险值的变化来分析水上交通事故涌现性。研究结果表明,在船舶密度过大或监管强度不足的水上交通场景中,船舶航速和船舶设备状况对事故涌现风险的贡献率达到0.99,是可能导致水上交通事故涌现的最直接因素。同时对于下游因素节点数量较多的源节点,需要通过控制其风险传递效应,有效降低节点风险涌现的同步范围。(本文来源于《交通信息与安全》期刊2019年04期）
刘迪昱,解登高,向泽熙[3]（2019）在《基于模糊认知图的数字出版人才培育研究》一文中研究指出信息科学技术的进步使人们的生活发生着巨大的变化,而数字图书相关技术的出现以及该技术的快速发展,不仅冲击传统的出版业生态,也将提供人们全新的阅读方式。数字出版可以说是出版产业中最重要的出版型态之一,因此,深入了解有哪些因素会影响数字出版产业变革中的人才培养,便成为数字出版产业中极具挑战的课题。应用基于模糊认知图理论分析数字出版业人才培育,有助于进一步理解数字出版面对数字图书市场需求的相关人才培养,更能厘清影响数字出版人才培养的重要因素及其各因素间的关系。(本文来源于《吉林广播电视大学学报》期刊2019年07期）
韩慧健,韩佳兵,张锐[4]（2019）在《基于模糊认知图的物流需求预测模型研究》一文中研究指出准确地预测社会物流需求,在政府对物流行业政策制定、企业物流活动规划中有着重要意义.本文提出一种基于模糊认知图的物流需求预测模型构建方法,综合考虑国内生产总值、进出口总额等五个经济要素与物流需求之间的相互影响关系,通过对历史数据机器学习获得相互影响权重,构建了物流需求预测模型,可对未来物流需求进行推算和预测.实验证明,该模型对物流需求的预测精度较高,效果较好.(本文来源于《系统工程理论与实践》期刊2019年06期）
李莉[5]（2019）在《基于Pythagorean模糊逻辑的认知图模型构建》一文中研究指出作为一种人工智能的模型和软计算的方法,模糊认知图(Fuzzy cognitive map,FCM)是最近几年一个热点研究领域,被广泛应用在工程项目管理、供应商选择、风险评估以及疾病诊断与预测等领域。由于FCM模型是模糊逻辑与神经网络的结合,所以随着模糊集和模糊逻辑的发展,FCM也应该进一步延伸和拓展以适应新的模糊决策环境。目前有学者对经典的FCM进行了拓展,提出了直觉模糊环境下的 FCM,即直觉模糊认知图(Intuitionistic fuzzy cognitive map,IFCM)。然而直觉模糊集隶属度和犹豫度之和小于等于一,这一苛刻的约束条件限制了专家决策意见合理表达,造成了一定程度的信息失真,也限制了 IFCM的使用范围。为克服这IFCM的缺陷,本文在Pythagorean模糊环境下研究认知图模型,提出了 Pythagorean模糊认知图(Pythagorean fuzzy cognitive map,PFCM)。作为直觉模糊集的一种拓展形式,PFS的约束条件更加宽泛。所以PFCM可以给决策专家更大的自由度,也因此拥有更加广泛的适用范围。构建PFCM需要解决两个主要问题:(1)如何在Pythagorean模糊环境中合理集结专家的意见;(2)如何重新定义PFCM的结构和推理机制。因此本文的研究内容如下:(1)研究Pythagorean模糊决策信息的集成方式。基于毕达哥拉斯模糊数的交互式运算法则和幂平均算子,提出一系列Pythagorean模糊集成算子,并且给出基于提出的算子的Pythagorean模糊信息集成方法,能有效规避专家意见极值对结果的影响。(2)构建Pythagorean模糊环境下的认知图模型。当概念之间的因果关系以Pythagorean模糊信息给出时,提出Ⅰ型PFCM,即PFCM-Ⅰ。当概念节点状态和它们之间的因果关系均以Pythagorean模糊信息给出时,提出Ⅱ型PFCM,即PFCM-Ⅱ。进一步研究这两种类型的PFCM的结构和推理机制.(3)研究PFCM在疾病诊断中的应用。以肺炎风险评估为例,分别给出两类PFCM的结构、专家意见的转化、专家意见的集成以及模型的推理过程和计算结果。将新提出认知图模型与其他模糊认知图模型进行比较,以验证新模型的有效性和优势。(本文来源于《北京交通大学》期刊2019-06-01）
林松,刘小弟,朱建军,张世涛,饶成龙[6]（2019）在《基于模糊认知图的航天商业发射服务竞价影响因素分析》一文中研究指出影响航天商业发射服务市场竞价的因素相互关联。根据航天商业市场竞价特点及影响因素的划分原则,将航天商业发射服务市场竞价影响因素分为宏观环境、成本、市场需求、竞争需求、品牌因素。运用模糊认知图对各影响因素进行推理分析,并借助灰关联计算各影响因素与竞价的关联度,判断影响竞价的重要因素,以作为航天企业决策依据。(本文来源于《运筹与管理》期刊2019年03期）
董昱,陈星[7]（2018）在《基于粗糙集和模糊认知图的ZPW-2000轨道电路故障诊断》一文中研究指出针对目前由人工分析监测数据进行ZPW-2000轨道电路故障判别存在判别效率低、判别周期较长、对数据分析所依赖的人员经验程度高的缺陷,将粗糙集理论和模糊认知图的概念引入ZPW-2000轨道电路的故障判别中,通过主分量启发式算法对原始故障数据进行属性约简,得到故障特征参数,利用模糊认知图构建出基于属性约简和模糊认知图的分类器,并在此过程中利用自适应遗传算法完成FCM权重的学习。通过仿真实验验证,在模糊认知图的基础上利用粗糙集进行特征的提取,再对ZPW-2000轨道电路故障进行诊断,这种方法是有效可行的,并与人工分析故障数据进行诊断的方法进行比较,发现基于属性约减和模糊认知图的分类器有较高的故障识别率以及较短的诊断时间。(本文来源于《铁道学报》期刊2018年06期）
刘建,阎迪,官文涛[8]（2018）在《基于模糊认知图算法的遥测智能推送平台设计》一文中研究指出随着信息技术的不断发展,航天器系统设计日趋复杂,星地信息量呈爆发式增长,多星遥测数据分布于不同显示终端,页面切换效率低,难以实现有效同步监测。基于上述需求,本文提出了基于模糊认知图算法的遥测智能推送平台。首先,基于航天器分系统典型模式分析,运用专家知识进行权值设定,建立了模糊认知图库;其次,结合非线性Hebbian学习算法,对模糊认知图进行学习训练,避免了评估过程对专家知识的依赖性;继而,基于事件驱动组织软件架构,实现了遥测智能推送平台的功能设计,平台能够自动判断卫星的当前状态,为用户智能推送不同状态下的关键信息,对应急故障能够进行准确快速的推理,并生成相应的决策信息;最后,为表述遥测智能推送平台的有效性,以航天器控制分系统故障为例,简述了平台的遥测推送和故障决策能力。结果表明,平台具备自学习能力,能够有效提高用户的使用效率,降低监测风险。(本文来源于《第九届中国卫星导航学术年会论文集——S08 测试评估技术》期刊2018-05-23）
乐有贤[9]（2018）在《Type-2型模糊认知图的设计与实现》一文中研究指出模糊认知图(FCM)直观灵活的知识表达、强大的模糊推理能力以及与神经网络、图论等领域的紧密联系,使其被广泛应用于众多研究领域。但传统FCM也存在着一些弊端:首先,FCM的构建过程过多的依赖于领域专家知识,由于专家知识具有很强的主观性和局限性,使构造出的FCM模型不够准确可靠;其次,传统FCM及其各种改进模型中,概念间的因果关系使用一个“精确”的数值去表达因果影响,并没有考虑概念间因果关系的“不确定性”问题。针对上述问题,本论文提出一种Type-2型模糊认知图模型。该模型使用模糊神经网络自学习特性自动鉴别隶属度函数、量化概念间因果关系,而无需专家知识的预先指定,大大减少了人工干预,并提高了FCM的学习能力。在模糊神经网络模型中,通过使用互函数(mutual subsethood)来定义概念间的因果关系,给出了更加透明、合理的数学解释及推理过程。与此同时,Type-2型模糊集是表达模糊语义“不确定性”的理论,本论文中将其引入以解决FCM中概念间因果关系的“不确定性”问题,并将该理论很好地融入到模糊神经网络中,使模型在模糊语义方面具有更强的表达能力。随后,本论文对新模型每层网络神经元结构及功能进行详尽的介绍,并给出了详细的数学推理过程。模型的学习训练使用BP网络(Backpropagation Network),其包含信号正向传播和误差反向传播两个过程。反向传播过程使用梯度下降算法进行反馈调节、更新参数,并给出了详细的求偏导计算推理过程。通过迭代训练不断地反馈调整模型参数直至模型达到最小误差,训练完毕。本论文提出的Type-2型模糊认知图模型较传统FCM模型具有更强的学习、推理能力及模糊语义“不确定性”表达能力,使模型推理更加的准确,容错率更高,适用性更强。通过对比实验,证明了本模型较其他多个神经网络算法模型在时间序列问题上具有更好的预测效果及性能。(本文来源于《华南理工大学》期刊2018-04-20）
郑万童[10]（2018）在《基于Type-Ⅱ型模糊认知图的时序数据预测》一文中研究指出目前,时间序列分析技术被广泛运用于工业、商业、科研等领域,以支持决策需要。在时间序列分析中,时间序列预测是一个非常重要的研究内容。该工作的主要任务是通过分析历史数据,建立预测模型,来预测未来值。一般而言,时序预测模型可分为两类:线性预测模型和非线性预测模型。其中,线性预测模型受限于自身结构及回归机制,对复杂系统产生的时序数据预测结果不够准确;非线性预测模型采用如人工神经网络等机器学习技术,在构建模型过程中需要经过反复的训练迭代,降低了模型构建的效率。另外,两者在建模过程中,过分依赖样本数值数据,构建的模型缺乏“可解释性”。而有时候可解释性是决策者比较关心的一个点。模糊认知图是一种知识表示图,在其因果网络中,神经元和权值对于问题域具有精确的意义。因此,结合模糊认知图建立的预测模型可具有可解释性。但是,传统的基于模糊认知图的预测模型(称之为Type-I型模糊认知图预测模型)在建模过程中没有考虑因果的不确定性。为解决上述问题,本文的主要研究内容包括:(1)概述传统时序预测模型的发展现状;(2)研究模糊认知图的知识表示与因果推理相关理论,结合二型模糊集合理论,提出了一种Type-II型模糊认知图(Type-II Fuzzy Cognitive Map,简记为T2FCM)预测模型,并采用四层神经网络结构来构建模型;(3)最后,为了验证T2FCM模型的时序预测能力,本文在两个重要的时间序列预测问题上开展实验,分别是Mackey-Glass混沌时间序列预测和金融领域股价预测,并对应比较了模糊时间序列模型、ARIMA模型及LSTM模型的预测结果。实验结果表明,基于Type-II型模糊认知图的预测模型在Mackey-Glass混沌时间序列预测和金融领域股价预测上有预测能力,并取得了较好的预测结果。(本文来源于《华南理工大学》期刊2018-04-20）
认知图论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为更深入认识水上交通事故发生的规律,本文面向事故的发生和演化过程,从人员、船舶、环境和管理4个角度分析了影响水上交通安全的10个主要因素。按照因素之间的相互关系构造邻接矩阵,通过赋值专家权重改进最大值函数法,并结合重心法聚合专家意见,以此构建水上交通事故模糊认知图模型。基于模糊认知图模型描述水上交通事故涌现的不同阶段,根据案例场景中因素节点风险值的变化来分析水上交通事故涌现性。研究结果表明,在船舶密度过大或监管强度不足的水上交通场景中,船舶航速和船舶设备状况对事故涌现风险的贡献率达到0.99,是可能导致水上交通事故涌现的最直接因素。同时对于下游因素节点数量较多的源节点,需要通过控制其风险传递效应,有效降低节点风险涌现的同步范围。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
认知图论文参考文献
[1].韩慧健,宋馨芳,张慧.一种城市需水量预测的模糊认知图方法[J].计算机科学.2019
[2].杨佳宇,段文杰,李廷文,吴兵,汪洋.基于模糊认知图的水上交通事故涌现分析[J].交通信息与安全.2019
[3].刘迪昱,解登高,向泽熙.基于模糊认知图的数字出版人才培育研究[J].吉林广播电视大学学报.2019
[4].韩慧健,韩佳兵,张锐.基于模糊认知图的物流需求预测模型研究[J].系统工程理论与实践.2019
[5].李莉.基于Pythagorean模糊逻辑的认知图模型构建[D].北京交通大学.2019
[6].林松,刘小弟,朱建军,张世涛,饶成龙.基于模糊认知图的航天商业发射服务竞价影响因素分析[J].运筹与管理.2019
[7].董昱,陈星.基于粗糙集和模糊认知图的ZPW-2000轨道电路故障诊断[J].铁道学报.2018
[8].刘建,阎迪,官文涛.基于模糊认知图算法的遥测智能推送平台设计[C].第九届中国卫星导航学术年会论文集——S08测试评估技术.2018
[9].乐有贤.Type-2型模糊认知图的设计与实现[D].华南理工大学.2018
[10].郑万童.基于Type-Ⅱ型模糊认知图的时序数据预测[D].华南理工大学.2018
论文知识图
