基于批量模糊学习矢量量化的模糊系统辨识

提出一种基于批量模糊学习矢量量化的模糊系统辨识方法．首先通过优化方法自动调整模糊指数，使所得到的模糊规则前件隶属度函数与聚类规则得到的隶属度函数相比具有较好的可解释性；然后针对模糊系统可解释性与精度之间的困境问题，为保证参数的可理解性．利用带约束的非线性优化方法调整后件参数．并用调整参数的界评估因优化造成参数恶化的程度．仿真实验表明，利用该方法得到的模糊系统模型具有较高的透明度，满足合理的精度．     

利用模糊神经网络实现数值信息与语言信息的融合

提出一种数值信息与语言信息融合的实现方法,融合是通过一个模糊神经网络完成的。该方法可用于对既有语言型变量,又有数值型变量的系统建立模型。实现融合的关键是对语言变量定义隶属函数。给出一种考虑决策者的偏好来描述语言变量的隶属函数的方法,仿真结果验证了算法的有效性。     

基于模糊似然函数的模糊辨识方法

提出一种基于模糊似然函数的模糊辨识方法。该方法利用模糊似然函数对样本数据进行聚类，并使模糊模型的结构辨识和参数辨识能同时完成，从而实现模糊模型的在线辨识。仿真结果证明了该方法的有效性。     

一种新的模糊神经元网络学习方法

提出了一种模糊神经元网络的学习算法即利用多 层多层模糊IF/THEN规则表达专家知识的神经网络学习方法，在以此构造的基于多源信息融合的分类系统中，采用了多层模糊IF/THEN规则进行分类。为了处理模糊语言值，提出了一种能够控制模糊输入矢量的神经网络体系结构。该方法能够对非线性实间隔矢量和模糊矢量进行分类，工程实验表明，此学习算法是切实可行的。     

基于动态P-模糊语言算子的VIKOR决策方法

针对直觉模糊信息解决动态多属性决策问题时存在的不足,将Pythagorean模糊语言信息引入到动态多属性决策问题,提出一种基于Pythagorean模糊语言信息集成算子的多准则妥协排序（VIKOR）决策方法。引入Pythagorean模糊语言得分函数、精确函数、距离计算公式等概念,提出动态 Pythagorean模糊语言加权平均（DPFLWA）算子,并研究DPFLWA算子的基本性质。最后,基于DPFLWA算子和VIKOR方法,构建一种动态 Pythagorean模糊语言多属性决策方法。通过第三方逆向物流服务商的选择实例,表明该方法的可行性和有效性。     

基于Pareto协同进化算法的TS模糊模型设计

提出一种可同时构造多个精确性和解释性较好折中的TS模糊模型的设计方法．该方法由以下两步组成：1）采用模糊聚类算法辨识初始模型；2）利用Pareto协同进化算法对所获得的初始模型进行结构和参数优化．Pareto协同进化算法由规则前件种群和隶属函数种群组成，其目标函数同时考虑模型的精确性和解释性，采用一种新的基于非支配排序的多种群合作策略．利用该方法对一类合成非线性动态系统进行建模，仿真结果验证了该方法的有效性．     

基于模糊穴—穴映射的多变量模糊系统分析

在简要介绍了多变量模糊系统的模糊穴－穴映射（ＦＣＭ－Ｉ）模型的基础上，提出了一种对多变量模糊系统进行分解的方法，此法的核心在于认为任何复杂系统的动态都是由其隐含的稳定子动态和不稳定子动态聚合而成，而系统特性则主要取决于决定性子动态的性质，并介绍了确定系统决定性子动态和基于其上的多变量模糊系统渐近分析方法。     

基于模糊神经网络和D—S推理的智能特征信息融合研究

给出了一种新的分布式多传感器智能特征信息融合系统结构，利用模糊神经网络技术把环境信息和专家语言信息引入融合系统，提出了一种新的智能特征信息融合算法。     

基于模糊穴─穴映射的多变量模糊系统分析

在简要介绍多变量模糊系统的模糊穴－穴映射（ＦＣＭ－Ｉ）模型的基础上，提出了一种对多变量模糊系统进行分解的方法。此法的核心在于认为任何复杂系统的动态都是由其隐含的稳定子动态和不稳定于动态聚合而成，而系统特性则主要取决于决定性子动态的性质。并介绍了确定系统决定性子动态和基于其上的多变量模糊系统渐近分析方法。     

模糊时滞系统的输出反馈控制及其稳定性分析

利用模糊T－S模型对一类不确定非线性时滞系统进行建模，在此基础上，提出了模糊不确定时滞系统的状态反馈控制及其输出反馈控制的设计，并给出了模糊闭环系统渐近稳定的充分条件，基于李亚普诺夫函数和线性矩阵不等式方法，证明了模糊系统的渐近稳定性。     

基于Hausdroff距离的传感器模糊评价

为有效处理传感器可靠性分析中的不确定性信息,提出了一种模糊风险分析方法。传感系统各部件的失效概率和损失程度都被描述为语言变量,并用三角型模糊数量化语言变量。利用模糊数运算算子获得传感器系统整体的损失程度。提出一种新的基于Hausdroffdistance的相似性测度以确定系统损失所属等级。最后,利用一个算例验证了所提出的模糊分析方法的有效性。     

基于拟非线性模糊模型的复杂系统模糊辨识

针对一阶Takagi－Sugeno[以下简称T－S]到模型辨识复杂系统的困难，本文提出了一种新的拟非线性模糊模型．即在一阶T－S模型的基础上，再进行一次非线性映射．这种模糊模型不仅具有较高的辨识精度，而且具有良好的泛化功能．运用改进的FCM（FuzzyC－Means）模糊聚类方法，辨识该模糊模型的结构，与以往的方法比较，极大地简化了结构辨识的复杂性．仿真结果进一步说明了该方法的有效性．     

构建模糊检索的数学模型

为了提高系统处理非精确信息的能力，模糊检索是不可缺少的，而构建模糊检索所用模糊语言的数学模型又是其成败的关键所在，对于数值型属性的语言变量使用隶属函数以及一些模糊算子，能够较准确表达模糊语言变量的含义；对于字符型属性的数据检索，当模糊性只存在字型和字音两方面时，建立匹配函数更能体现模糊检索的优越性，从而帮助用户在信息模糊的情况下检索出所需信息。     

模糊逻辑系统与支持向量机的关系探索

研究了模糊逻辑系统和支持向量机的关系，指出模糊逻辑系统是以峰点作为支持向量，以隶属函数作为基函数的推理系统．模糊逻辑系统是一种特殊的支持向量机。文中提出了一种基于模糊规则的支持向量机控制模型，仿真结果表明了这种模型的可行性和有效性。     

多阶段模糊决策问题的模糊启发式搜索算法FDA

文中提出了多阶段模糊决策问题的自底向上的模糊启发式搜索算法ＦＤＡ＾＊，并证明了只要启发式估价函数ｈ＾↑￣可采纳，则ＦＤＡ＾＊算法亦可采纳，且定能找到具有最小耗散的最佳决策序列。对于可采纳启发式估价函数ｈ↑￣通常难以设计这一问题，文中提出了启发式估价函数的渐进式学习算法Ｌｅａｒｎｉｎｇ－ｈ↑￣。证明了通过ＦＤＡ＾＊算法的大量解题，Ｌｅａｒｎｉｎｇ－ｈ↑￣算法能以概率为１使启发式估价函数学习并收敛为可     

基于一种新模糊模型的非线性系统模糊辨识

提出一种基于新的模糊模型和加权递推最小二乘算法 (WRLSA)的非线性系统模糊辨识方法.新型的具有插值能力的模糊系统可以通过学习从输入输出采样数据中提取MISO系统模糊规则,它继承了Sugeno模型及其变化形式的许多优点.采用相应的模糊隶属函数,使得被辨识的模型可用若干局部线性模型来表示,然后利用WRLSA拟合这些线性模型.给出了详细的模糊辨识算法,为了验证该辨识方法的有效性,还给出了对熟知的Box-Jenkins数据的辨识结果.     

模糊神经网络快速学习算法的研究

在分析模糊模型及相应模糊神经网络的基础上，提出一种快速学习算法－－择近学习算法，它公需对每个训练数据学习一次，就可得了较好的结果，因此，其效率非常高。在算法中还引进了置信度的概念，以提高学习结果的可靠性，择近学习算法特别适用于捕获表达各种变量之间的结果信息。仿真结果证实了算法的有效性。     

一种基于NFCS形态的模糊神经网络的学习算法

神经网络与模糊逻辑协同系统（NFCS）是神经网络与模型系统深度融合的一种形态，传统的BP算法也可作为NFCS的学习算法，但收敛性能不佳，针对NFCS形态的模糊神经网络提出了BP算法的一种新的改进算法（NFCS－BP），即在误差传播时不仅改变网络的连接权值，同时也改变模糊逻辑神经元模型的补偿参数，首先介绍了NFCS的协同机制和典型结构，然后详细推导了改进算法的迭代公式，实践证明，与传统BP算法相比，该算法具有收敛性能好，函数逼近精度高的优点。     

一类多变量非线性动态系统的模糊辨识及鲁棒分析

对一类非线性多变量未知动态系统，提出一种模糊辨识器，设计中采用ＩＦ－ＴＨＥＮ推理规则来构造多变量模糊逻辑系统，实现对系统中未知函数的逼近；应用李亚普诺夫合成方法和奇异摄动理论，研究模糊辨识器的稳定性和鲁棒性。     

模糊关系数据库查询语言FSQL

模糊数据库是模糊信息处理系统的重要组成部分。本文以ＳＱＬ语言为基础，设计了模糊关系数据库查询语言ＦＳＱＬ。ＦＳＱＬ语言采用了模糊值模糊关系数据模型，提供了相应的模糊数据定义与模糊数据操纵功能。为了便于模糊信息的表示和管理，ＦＳＱＬ语言增加了模糊数据类型，如简单标量型、模糊标量型、简单数集、模糊数集等。另外，为了便于模糊查询，扩充了模糊比较库函数及自定义隶属函数。