模糊模型的结构辨识

一、问题的描述考虑MISO模糊系统y(t)=x_1(t)ox_2(t)o…ox_n(t)oR,(1)其中y(·)为输出模糊变量;x(·)为输入模糊变量;R为基于参考模糊集合的模糊关系;“o”为基于参考模糊集合的合成算子;n为输入模糊变量的个数.模糊模型的辨识就是确定各模糊变量x_i(·),y(·)在其论域上参考模糊集合的隶属函数(即结构)和模糊关系     

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）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（Fuzzy-C-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。     

一种模糊模型辨识方法

本文提出了一种高精度的动态系统模糊模型的辨识方法。内容包括结构辨识和参数辨识。实际应用例子证明了该方法的有效性。     

应用模糊集合理论与模型构造的决策支持系统

本文介绍一个应用模糊集合理论与模型构造的决策支持系统，着重论述了模糊决策支持系统基本理论，设计和实现方法。     

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。     

动态系统模糊模型辨识及其自学习算法

提出一种规则模型辨识的自学习算法,并进行了实例验证,结果表明该算法具有较高的辨识精度,可用于模糊自适应控制系统中.     

基于T-S模糊模型的辨识算法

提出一种新的基于T－S模糊模型的辨识算法。该算法可分为2步,第1步是比较粗糙的辨识,按子空间的线性程度来划分输入空间,规则前件参数由于空间的中心和大小决定,规则后件线性参数由最小二乘法确定2步是模的精细调整,利用梯度下降法调节隶属函数和规则后件的线性参数,仿真实验说明了该算法的有效性。     

一种T-S模糊模型的辨识方法

将一种基于三角形隶属函数的T—S模糊系统用于非线性系统的辨识中。该方法可以很方便地确定输入空间的划分及隶属函数的形状,并且对于给定的输入量系统输出的计算只需要少量的推理规则参与,减少了计算量。最后通过仿真实例说明本方法的有效性。     

基于广义模糊基函数的多变量模糊模型及其辨识方法

利用模糊穴位映射理论，提出一种有效描述复杂多变量系统的模糊模型－－广义模糊基函数展开式，它可方便地处理多输入多输出系统的语言和系统信息，并可逼近任意非线性函数，是一种通用的多变量模糊逻辑系统模型。利用语言信息，提出一种新的自适应参数辨识方法－－改进的Ｗｉｄｒｏｗ－Ｈｏｆｆ学习规则，仿真结果验证了它的有效性。     

关于Vague集的模糊熵及其构造

本文分析了Vague集的性质,给出了将Vague集变换为Fuzzy集的转换函数,并讨论了其性质。分析了关于Vague集的模糊熵的直观特性,在此基础上我们给出了Vague集的模糊熵的定义。最后给出了一个关于Vague集的模糊熵的构造方法。     

基于递阶遗传算法的模糊控制系统的模糊集优化研究

由于模糊系统的输入、输出变量模糊集中模糊集的多少直接影响到模糊规则集的完备程度，并决定着控制系统的性能，所以本文提出了一种基于递阶遗传算法的模糊控制系统的模糊集优化方法，同时对模糊集的个数和形状进行优化，使其能尽量完美地反映系统输入、输出变量，减少了规则的冗余．对二阶动态系统的仿真研究证明了该方法的有效性．     

知识概念的模糊模型及模糊目标的识别

作为ＥＢＬ（Ｅｘｐｌａｎａｔｉｏｎ－ＢａｅｓｅｄＬｅａｒｎｉｎｇ）的发展,从概念的自然形成过程出发,提出了一种新的概念模型ＦＥＢＭ（ＦｕｚｚｙＥｘｐｌａｎａｔｉｏｎ－ＢａｓｅｄＭｏｄｅｌ）当概念的解释谓词集中模糊集以及解释谓词取模糊逻辑值时,给出了求概念真值的表达式;为了解决模糊概念的识别问题,引入了概念的模糊解释树ＦＥＴ,接着给出了对象的模糊识别算法ＦＥＢＬ,最后讨论了ＦＥＢＭ与ＦＥＢＬ的可操作     

Sugeno模糊模型的辨识与控制

提出了一种新的Sugeno模糊模型辨识算法和对非线性系统进行并行化设计的方法.在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行,减少了计算量;对于非线性系统的控制,Sugeno模糊模型实际上是动态系统的局部线性化,可采用并行设计的方法设计控制器,然后通过模糊推理得到全局控制量.最后通过倒立摆系统的控制说明了本文算法的有效性.     

ROUGH FUZZY SETS AND FUZZY ROUGH SETS*

The notion of a rough set introduced by Pawlak has often been compared to that of a fuzzy set, sometimes with a view to prove that one is more general, or, more useful than the other. In this paper we argue that both notions aim to different purposes. Seen this way, it is more natural to try to combine the two models of uncertainty (vagueness and coarseness) rather than to have them compete on the same problems. First, one may think of deriving the upper and lower approximations of a fuzzy set, when a reference scale is coarsened by means of an equivalence relation. We then come close to Caianiello's C-calculus. Shafer's concept of coarsened belief functions also belongs to the same line of thought. Another idea is to turn the equivalence relation into a fuzzy similarity relation, for the modeling of coarseness, as already proposed by Farinas del Cerro and Prade. Instead of using a similarity relation, we can start with fuzzy granules which make a fuzzy partition of the reference scale. The main contribution of the paper is to clarify the difference between fuzzy sets and rough sets, and unify several independent works which deal with similar ideas in different settings or notations.     

一种保证隶属度函数完备性和模糊集合语义一致性的学习方法

文中首先对模糊系统的两类主要的学习算法：梯度下降和遗传算法方法进行了深入分析,并指出了存在的问题．然后,在此基础上提出了一种针对半梯形和三角形隶属度函数的保证隶属度函数ε完备性和模糊集语义一致性的参数调整方法．并基于上述方法实现了一种新的基于遗传算法并利用梯度下降的快速模糊系统学习算法．最后通过实例进行了模拟,验证了该方法的高效性,以及保证隶属度函数完备性和模糊集合语义一致性的优点     

ORDERING FUZZY SETS BY CONSENSUS CONCEPT AND FUZZY RELATION EQUATIONS

A general class of consensus measures of fuzzy sets is introduced in this paper. It is shown that, while the consensus measures are valuations but neither isotone nor antitone with respect to the lattice structure induced by the pointwise maximum and minimum operations to the set of all the fuzzy sets on a nonempty crisp set, they are antitone valuations with respect to the lattice structure induced by the generalized sharpening relation to a quotient set of the set of fuzzy sets. It is also shown that the solutions of a finite fuzzy relation equation that have the maximum consensus measure can be characterized through the join operation of the latter lattice in terms of the maximum solution and some of the minimal solutions of the equation.     

模糊集间的语义关联度及其应用

本文提出了一种描述模糊集间近似程度的语义关联度概念,它不仅与模糊集论域元素的隶属度有关,而且考虑了论域元素间的语义近似程度,因此它比过去模糊数学中定义的各种距离和贴近度等概念更加精细地刻划了模糊集间的相似性,从而在人工智能和其它领域中可有广泛应用,文中列举了它在情报检索和正文分类等方面的应用实例。此外,论文还给了两种近似地计算语义关联度的算法。     

"关于Vague集的模糊熵及其构造"的注记

讨论了文[1，2]中将vague集变换为fuzzy集的转换函数的作用，指出了vague集就是一类特殊的L-模糊集，分析了文[1，2]中提出的vague集的模糊熵概念的不足，在此基础上，基于对不确定性信息处理的背景，提出了一种模糊正熵和模糊负熵的概念，并讨论了它们的性质。     

UPPER AND LOWER APPROXIMATIONS OF FUZZY SETS

The upper and lower approximations of a fuzzy subset with respect to an indistinguish-ability operator are studied. Their relations with fuzzy rough sets are also investigated.