基于模糊推理的权重优化

利用模糊推理技术建立了一种基于模糊推理的权重优化模型.该模型利用人们处理复杂问题的逻辑思维方式,通过评价空间和单位评价空间的映射,建立模糊关系方程并将其转化为优化问题得到权重.实验结果表明,利用该模型得到的权重能反映各因素的重要性,用其对待评对象进行模糊综合,结果也是合理的.     

基于模糊推理的软件质量评价模型

通过成立由开发商、用户和评价方组成的专家组,在国际通用的软件质量评价标准和模糊综合评价的基础上,建立的模糊规则,利用模糊推理技术,寻求不同评价空间之间的映射,构建了基于模糊推理的软件质量评价模型。该模型符合人们在处理复杂问题的逻辑思维方式,有利于合理准确地评价软件质量。     

模糊推理的统计敏感性分析

在设计模糊逻辑系统时，如何实现其对输入噪声的鲁棒性是一个首要的问题，相应地如何很好地分析其对输入噪声的鲁棒性（也称敏感性分析）也就成了一个重要问题．使用统计的方法，对常见的模糊推理方法进行了敏感性分析．首先以均值与方差为基础，提出了2个模糊集的ε-统计相等的概念；随后导出了常见的模糊推理方法的统计敏感性，这包括链接模糊推理与多规则模糊推理．与前人相关工作不同的是，更着重于模糊推理的方差分析，这一方法从数理统计的角度来看能更好地揭示模糊推理本质的敏感性．     

一种基于GA优化模糊推理神经网络的新方法

通过对已有的一些基于遗传算法（GA）优化模糊系统方法的分析，指出了它们存在的一些缺陷，提出了一种新颖的基于GA优化模型推理神经网络的方法，并给出了相应的优化算法，这种方法可以对模糊推理系统中的所有结构和参数同时或分别进行优化。在此基础上，还讨论了模糊推理神经网络的精简问题，如无用模糊规则的删除，最后通过实例验证了该方法是一种很有效的方法，具有易理解，精度高，收敛快，泛化能力好且能全局收敛的优点。     

基于模糊推理的空调智能控制

随着人们生活水平的提高,空调成为家居工作必不可少的一部分.传统空调PID控制技术仍被广泛应用,但其存在参数控制不精确、突变性、滞后性等问题,如何精确地控制空调参数,提高空调控制系统的性能成为空调控制领域研究的热点.针对这些问题,本文基于模糊推理提出了一种空调智能控制机制,通过对参数模糊化、规则库构建、模糊推理等步骤实现空调的模糊控制.实验证明了本方法的可行性,并进一步验证了在处理非精确问题方面与PID相比具有较大优势.系统实现部分给出了空调智能控制的具体交互过程.     

一种基于改进T-S模糊推理的模糊神经网络学习算法

针对模糊神经网络学习算法计算量过大,在预测模型设计中提出了基于改进T-S模糊推理的模糊神经网络学习算法。主要工作如下:首先,改进T-S模糊推理方法,定义基于偏移率的T-s模糊推理方法;然后,通过将此模糊推理方法与基于合成规则的模糊推理方法及距离型模糊推理方法相比较可以看出,所提方法有较少的计算量,且比较有效;最后,在此基础上改善了模糊神经网络学习算法,并将其应用于天气预测与安全态势预测。测试结果表明,该方法明显改善了学习效率,减少了预测模型设计中的学习次数与时间复杂度,并降低了学习误差。     

基于扩展的带标识的Petri网的加权模糊推理

为了更加高效计算,并且更加便利地进行加权模糊推理来获得更多的有关加权模糊产生式规则的信息,提出一种某些库所中带有标识的模糊Petri网模型来进行加权模糊推理(WFR).用来标记模糊Petrl网运行的托肯值已经从[0,1]上的实数扩展到了模糊集合.提到的加权模糊推理(WFR)包括了局部权值,确定性因子和阈值等几种知识表示参数,参数用模糊数表示,通过提出的计算模糊推理结果的方法,可以更加高效地计算出最终的推理结果.     

基于T-S模型的锌钡白干燥煅烧过程自适应神经模糊推理系统建模

针对锌钡白干燥煅烧过程建模难的问题，提出了一种基于T-S模型的自适应神经模糊推理系统(ANFIS)建模方法．通过对模糊辨识系统的结构辨识和参数辨识，使网络自主、迅速地收敛到要求的输入输出关系．文章讨论了该网络的结构和学习算法，并通过仿真研究得出其良好的实际应用价值．     

模糊推理Petri网及其在故障诊断中的应用

分析了推理Petri网与传统Petri网的共性和区别,给出了模糊产生式规则推理Petri网模型.在此基础上,给出了有效的推理算法,并以极大代数矩阵算子进行了形式化表示,此算法充分利用了Petri网的数学理论基础和描述并发系统的能力,具有并行推理能力,可以同时得到推理后系统的全部状态值.最后举例说明了其在故障诊断中的应用.     

基于改进T-S模型的航空发动机振动值监控方法

针对T-S模型在规则库建立过程中存在的重复学习、效率低下等问题,采用模糊关联规则挖掘的方法对T-S模型进行改进;首先采用基于矩阵的模糊关联规则挖掘算法,深入分析和利用频繁项集的性质,减少数据库扫描次数以及挖掘过程中产生的中间结果,提高规则挖掘效率;其次,从挖掘结果中选取模糊规则,对其处理后建立T-S模型规则库;最后,将改进的T-S模型应用于航空发动机振动值监控中;实验结果表明,改进的T-S模型能够有效实现发动机振动监控。     

基于若干直觉模糊关系的近似推理方法

通过定义一种直觉模糊加法算子,修正Ra的直觉化,研究直觉模糊三角模及其剩余蕴涵算子。将Mizumoto定义的系列模糊关系自然地扩展为直觉模糊关系,通过算例,从8个方面量化比较研究了9种基于不同直觉模糊关系的推理性能,对于直觉模糊假言推理和直觉模糊拒取式推理,Rs, Rg和Rgg都是性能比较好的直觉模糊关系,Rsg, Rm, Ra和Rgs次之,Rc, Rss性能最差。     

基于DFL的缺省假设推理研究

日常生活中人们可以在信息不完全的情况下进行推理并得出较好的推理结论,而且在推理过程中,很多对象都是具有动态模糊性(DF Character)。因此文中针对研究对象以及它们之间的动态模糊性,提出了基于动态模糊逻辑(DFL)的缺省假设推理,并给出了缺省假设推理的框架描述、动态模糊(DF)知识的表示以及推理算法等。     

基于直觉模糊逻辑的近似推理方法

针对直觉模糊逻辑及命题演算,提出了利用隶属度和犹豫度计算直觉模糊逻辑命题真值的合成方法．给出了直觉模糊逻辑命题的运算规则,重点研究了基于直觉模糊逻辑的近似推理方法．该方法包括直觉模糊取式推理,直觉模糊拒武推理及直觉模糊假官推理．井推导了相关的推理合成运算公式．以具体算例验证和表明了所提出的推导方法的正确性和有效性,以及对方法进行验证的详细步骤．     

DF控制推理模型的研究

针对控制系统中对象的模糊性和动态性,基于动态模糊集(Dynamic Fuzzy Sets)及动态模糊逻辑(Dynamic FuzzyLogic)系统理论,给出DF控制推理模型的相关概念,如DF向量、DF语言变量、DF语言规则和DF蕴涵关系等,并在此基础上探讨基于DF语言规则的DF推理方法,最后通过实例说明这些概念和方法的应用。     

一种基于模糊神经网络加权的多维稀疏模糊推理方法

在稀疏规则库条件下,经典的插值理论针对一维稀疏规则库提出了各种不同的插值方法,取得了很多很好的经验;但对多维稀疏规则条件的近似推理研究很少,不仅存在着难以保证推理结果的凸性和正规性等问题,而且没有考虑到多维变量之间的联系即对结论的影响权值,造成推理结果的误差性更大.多变量规则的模糊插值推理是插值推理研究的重要方面,为了在多变量稀疏规则条件下得到好的插值推理效果,本文提出了一种基于模糊神经网络加权的多维模糊推理方法,为智能系统中的模糊推理提供了一个十分有用的工具.     

应用带标识的模糊Petri网的模糊推理

本文针对模糊推理中常存在推理结果意义不明确的问题,提出应用带标识的模糊Petri网(MFPNs)进行模糊推理。推理的过程中考虑模糊产生式规则的权值、阈值、确定性因子等几种知识表示参数以获得更多信息。给出基于相似性测度的模糊推理算法,通过计算带标识的模糊Petri网的最终输出库所中的托肯值可以得到最终的模糊推理结果。通过实例可以验证这样得到的推理结果意义更明确,计算过程更加高效。     

一种基于核集与相似性的模糊推理方法

在稀疏规则库条件下,当给定的输入落入规则"间隙"时,采用传统的模糊推理方法是得不到任何结论的.学者已经证明模糊推理本质上就是插值器.Koczy和Hirota首先提出了KH线性插值推理方法,然而推理结果存在着无法保证凸性和正规性等问题.为了能有一个较好的插值推理结果,本文提出了一种基于核集与相似性的模糊插值推理方法,并把此方法扩展到多维变量的情况,该方法不仅推理简单,推理结果较好,并且能很好地保证推理结果的凸性和正规性.这为智能系统中的模糊推理提供了一个非常有用的工具.     

基于正规三角模糊集相似度量的模糊推理

文章首先定义了正规模糊集相似度量的一般公式,然后给出了正规三角模糊集相似度量计算的简化公式,在正规三角模糊集相似度量的基础上,提出了一种新的模糊推理的方法——基于正规三角模糊集相似度量的模糊推理,并与Mamdani模糊推理方法做了比较。最后给出了模糊推理的仿真实现。