云规则生成器的异常分析与对策研究

云规则生成器是实现基于云模型的控制系统的核心模块，该文对云模型、定性知识的表示及云规则生成器的异常情况进行了分析，提出了异常报告、异常处理及前件序列化相结合的方法，从而提高了云规则生成器的稳定性、可靠性、效率及灵活性。最后，据此设计了云规则生成器的实现体系。     

基于云概念的近似规则提取策略

针对目前实值信息系统近似规则提取方法不能客观反映系统的内在规律和不符合人的思维方式的问题，提出了基于云概念的近似规则提取策略：(1)云化实值信息系统，得到定性概念的云集；(2)基于云集拓展Rough集的相关概念；(3)利用提出基于云的近似规则算法，提取系统规则并作人性化解释．     

定性规则的云表示

云模型是定性定量间的不确定转换模型，它将概念的模糊性和随机性集成在一起，利用云模型可以有效地表示基于语言值的定性规则。但已有的文献中，定性规则的云表示多种多样，文章根据各种云的内在联系提出了一维正态云的定性规则的统一表示。     

基于云模型的BP算法改进

云模型是定性定量间的不确定转换模型 ,它将概念的模糊性和随机性集成在一起。文中提出一种利用云模型来有效避免BP算法陷入局部极小的方法 ,该方法通过基于云模型和输入参数区间划分的学习因子自适应调整算法来实现。该算法在复杂非线性分类 (阴阳图 )情况下进行了计算机仿真