基于模糊对象的不精确需求建模

基于模糊对象的不精确需求建模

潘洪军¹,², 孙吉贵¹

1. 吉林大学计算机科学与技术学院，符号计算与知识工程教育部重点实验室，长春 130012;2. 通化师范学院计算机科学系，吉林省通化 134002

收稿日期:2006-09-15 修回日期:1900-01-01 出版日期:2007-07-26 发布日期:2007-07-26
通讯作者: 孙吉贵

Imprecise Requirement Modeling Based on Fuzzy Object

PAN Hongjun¹,², SUN Jigui¹

1. College of Computer Science and Technology, Key Laboratory of Symbolic Computation and \=Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China;2. Department of Computer Science, Tonghua Normal College, Tonghua 134002, Jilin Province, China

Received:2006-09-15 Revised:1900-01-01 Online:2007-07-26 Published:2007-07-26
Contact: SUN Jigui

摘要/Abstract

摘要： 用模糊贴近度方法获取模糊类，在模糊类中通过封装的模糊规则描述属性之间的关系，根据模糊贴近度和模糊范围定义了用于计算子类和超类、对象和类之间的隶属函数，解决了对不精确和不确定复杂信息的获取问题，所得结果可用于不精确需求建模.

关键词: 模糊贴近度, 模糊类, 不精确需求

Abstract: Fuzzy class can be obtained via fuzzy relevance degrees approach. The relationships among the attributes can be described by fuzzy rule s enclosed in the fuzzy class. And the membership functions, which are used to calculate the membership degree of subclass and superclass, and the members hip degree of object and class, are defined according to fuzzy relevance degrees and fuzzy range. Thereby, the problem of imprecise  and uncertain information acquirement can be settled. As a result, this approach can be applied to model ing the imprecise requirement.

Key words: fuzzy relevance degrees, fuzzy class, imprecise requi rement

中图分类号:

TP18

潘洪军,, 孙吉贵. 基于模糊对象的不精确需求建模[J]. J4, 2007, 45(04): 572-576.

PAN Hongjun,, SUN Jigui. Imprecise Requirement Modeling Based on Fuzzy Object[J]. J4, 2007, 45(04): 572-576.

[1]	刘铭, 于子奇. 一种改进的期望最大化算法[J]. 吉林大学学报(理学版), 2022, 60(5): 1176-1182.
[2]	刘仁云, 张美娜, 姚亦飞, 于繁华. 一种新的全局排序高维多目标优化算法[J]. 吉林大学学报(理学版), 2022, 60(3): 664-670.
[3]	王彦琦, 张强, 朱刘涛, 袁和平. 基于改进鲸鱼优化算法的GBDT回归预测模型[J]. 吉林大学学报(理学版), 2022, 60(2): 401-408.
[4]	张蕾, 姜宇, 孙莉. 一种改进型TF-IDF文本聚类方法[J]. 吉林大学学报(理学版), 2021, 59(5): 1199-1204.
[5]	李旭东, 周林华. 基于大津算法和深度学习的开集声纹识别自适应阈值计算方法[J]. 吉林大学学报(理学版), 2021, 59(4): 909-914.
[6]	甘新基. 基于Bézier曲线的差速驱动机器人混合避障路径规划算法[J]. 吉林大学学报(理学版), 2021, 59(4): 943-949.
[7]	裴莹, 苏山, 付加胜, 韩霄松. 一种求解复杂优化问题的快速遗传算法算子[J]. 吉林大学学报(理学版), 2021, 59(3): 602-608.
[8]	王丽, 王涛, 肖巍, 刘兆赓, 李占山. XGBoost启发的双向特征选择算法[J]. 吉林大学学报(理学版), 2021, 59(3): 627-634.
[9]	陶玉杰, 李艳红, 孙刚. 基于Bernstein多项式构造前向神经网络的遗传算法[J]. 吉林大学学报(理学版), 2021, 59(2): 233-240.
[10]	陈雪, 王贵君. 基于三角模糊化的Mamdani模糊系统输出算法[J]. 吉林大学学报(理学版), 2020, 58(5): 1181-1188.
[11]	高云龙, 吴川, 朱明. 基于改进卷积神经网络的短文本分类模型[J]. 吉林大学学报(理学版), 2020, 58(4): 923-930.
[12]	卢爱平, 李建平, 李盼池, 范友贵. 基于量子自组织网络的水淹层识别方法[J]. 吉林大学学报(理学版), 2020, 58(4): 944-952.
[13]	初晓, 孟祥鹤哲, 张凯, 胡成全. 基于残差网络的海洋温跃层分析方法[J]. 吉林大学学报(理学版), 2020, 58(4): 960-964.
[14]	吴云鹏, 崔佳旭, 张永刚. 一种新的结合奖励机制的ETLBO算法[J]. 吉林大学学报(理学版), 2019, 57(06): 1416-1424.
[15]	刘亚南, 王献昌, 张睿, 汪维凯. 基于规则提升的Agent系统异常处理方法[J]. 吉林大学学报(理学版), 2019, 57(5): 1144-1154.