基于区间值直觉模糊集的距离测度

区间值直觉模糊集是直觉模糊集的进一步推广,具有比直觉模糊集更强大的模糊信息表达能力.基于区间值直觉模糊集理论,给出了三种基于海明距离、规范化海明距离、欧氏距离、规范化欧氏距离的扩展区间值直觉模糊集距离测度公式,对它们进行了比较分析,并给出了相应的定理和证明.     

基于区间值模糊集的模糊区域拓扑关系模型

在GIS实际应用领域中,采样点的属性数据往往不是精确的数值,而是一个区间范围,对此类空间数据的建模、分析和推理越来越受到相关领域研究者的重视.利用区间值模糊集描述由不确定属性数据所圈定的模糊区域,基于区间值和区间值模糊集的运算性质,给出了模糊区域间拓扑关系的分析模型.该模型改进了基于经典模糊集及其截集的拓扑关系模型,对模糊区域拓扑关系的分析结果更符合人们的认知习惯,可以利用区间值结果进行推理和决策,能够有效地分析由区间值属性所确定的模糊区域间的拓扑关系,在地理信息系统和空间数据库等领域具有实际应用价值.     

自寻优模糊集的模糊控制器算法＊

文献讨论了简单模糊控制器的基本原理和实现方法.文献考虑了简单模糊控制器的动态性能与稳态精度之间的矛盾,但是他是采取用线性切换的办法,没有充分发挥模糊控制器的功能。本文讨论了简单模糊控制器中模糊集的改变对系统性能的影响,为了解决简单模糊控制器的动态性能与稳态精度之间的矛盾,提出了可变模糊集的模糊控制器,仿真试验的结果表明,可变模糊集的模糊控制系统可以大大改善系统的响应性能。在可变模糊集的模糊控制器的基础上,进一步讨论了模糊集自寻优问题,提出模糊集自寻优算法。仿真结果表明,寻优后的模糊集模糊控制系统效果非常好,表明算法是行之有效的。     

基于反复加深的模糊启发式搜索算法及其学习性质研究

本文基于反复加深和动态修改启发式估价函数这一机制。提出了模糊启发式搜索算法ＦＩＤＡ和Ｉｍｐｒｏｖｅｄ－ＦＩＤＡ。针对模糊启发式估价函数通常难以设计这一问题，提出了可用于模糊启发式估价函数学习的学习算法ＬＦＩＤＡ。     

基于区间值2型模糊集的伪装入侵检测算法

由于正常用户的行为本身是变化的,且伪装用户的行为可能看起来是正常的,这种不确定性使得现有的伪装检测算法很难正确判断用户身份的真实性,从而限制了现有算法的实际应用推广.本文合理地选择用户的行为特征,并建立相应的用户可信度计算方法,采用区间值模糊集对多个特征进行可信度综合计算得到用户的最终可信度,将该值与设定的阈值比较从而判断用户是否属于伪装.理论分析及实验结果显示,与普通模糊计算相比,区间值模糊计算能有效表示及处理伪装检测中的不确定性,因而能得到比较理想的检测效果.     

区间估计的FWNN及其区间学习算法

本文提出了一种基于子波的模糊神经网络，用以处理数据的区间估计，其网络结构基于模糊化的子波神经网络，在学习算法中，我们引入了区间学习算法的概念，使训练后的网络的输出为一个区间，其具体实现采用ＬＰ法，它同时提供了确定子波系数的另一种方法。     

一种新型的动态递归-直觉模糊神经网络及其学习算法

通过对直觉模糊集理论和动态递归神经网络理论的研究,提出了一种新型的动态递归-直觉模糊神经网络,并根据动态递归-直觉模糊神经网络的数学模型推导其改进的动态反向传播学习算法.     

基于模糊集的神经网络景象匹配算法

将神经网络思想引入到景象匹配,提出了基于模糊集的神经网络景象匹配算法。该算法将图像模糊集作为特征空间,尝试了在模糊域中采用3层前向神经网络搜索算法进行精确寻优的方法。实验结果表明,设计的算法不但较好地满足了景象匹配系统对匹配概率和匹配精度的要求,而且比传统算法具有更高的抗干扰能力,且实时性也较好,为飞行器实时景象匹配提供了一种可行方法。     

基于区间值相似度的模糊推理算法

模糊推理最基本的模型是模糊假言推理和模糊反驳推理.本文是在区间值模糊集层面解决区间值模糊假言推理和区间值模糊反驳推理问题,给出基于区间值相似度的模糊推理算法.首先,基于区间值t-可表示三角范数诱导的区间值剩余蕴涵,给出一种区间值相似度;其次,研究基于区间值相似度的模糊推理算法,给出算法解的表示形式;证明基于区间值相似度的模糊推理算法具有还原性;最后,研究基于区间值相似度的广义模糊推理算法.本文提出的基于区间值相似度的模糊推理算法可应用于模式识别与多属性决策等领域.     

一个符号神经网络的学习算法

本文首先根据神经科学和认知科学的研究，提出了一种符号神经网络结构，该结构溶符号机制和神经网络于一体，然后在此基础上研究了其学习算法，该算法结合神经网络ＢＰ学习算法和符号机制中学习算法的特点；最后通过实验，证实该算法的可行性和先进性。     

基于粗集与遗传算法相结合的文本模糊聚类方法

该文将粗集与遗传算法相结合的方法成功应用于文本模糊聚类.在聚类过程中,将权重参数的设定也通过编码由遗传算法确定,从而使得权重参数的设定具有科学性和可操作性,避免了在类似算法中确定权重时的主观性和不可靠性.最后的实例说明了算法的可行性.     

一种基于模糊集合论的信息检索方法

本文介绍一种基于模糊集合论的信息检索方法(简称FIR),引入FIR设计的计算机信息系统,具有一定的人脑进行模糊信息处理的能力,因而更合理,更实用。     

基于矩阵的极大独立点集生成算法

本文研究了基于矩阵的生成极大独立点集的理论，提出了两个实用的生成算法，平移变换法和向量和法。     

基于模糊集的图像阈值分割算法研究

图像阈值分割是提取目标区域的重要技术之一,大多数方法都依赖于直方图,从统计角度逐个考察灰度以选择合适阈值.但是仅靠获得的一幅分割图像不能进行比较,自然不能认为就是满意的分割结果.针对这一问题,文章基于模糊数学理论提出了一种选择水平因子和带宽的方法,定义了一个新的隶属函数以选择分割阈值.水平因子不同时能得到不同的分割结果,根据不同目的在这些结果中可以选择合适的分割图像.最后采用几幅不同的图像进行实验,结果表明该方法可行有效,并且对于模糊图像,算法也能获得满意的结果.     

一种新的动态模糊参数学习算法研究

在现实世界中,不完整数据广泛存在,如何从不完整数据中进行机器学习是一个非常重要的问题.文中主要针对数据的动态模糊性,给出一种高效的基于贝叶斯网络的动态模糊机器学习系统的参数学习算法,并验证了它的有效性.     

模糊控制在航天航空领域中的应用

本文介绍了一种具有强化学习能力的模糊控制器，给出了它在航天飞机姿态控制中的应用．分析了采用外环回馈控制的Ｆ—１８战斗机的模糊着陆系统。最后，通过对模拟结果的分析，我们得出了自己的结论。     

基于模糊故障特征信息的随机集度量信息融合诊断方法

该文给出一种基于模糊故障特征信息随机集度量的信息融合诊断方法。针对信号采集与故障特征提取中的模糊性,首先用模糊隶属度函数分别表示故障档案库中的多种故障样板模式和从不同传感器观测中提取的多类故障特征亦即待检模式,进而基于模糊集的随机集模型,得到样板模式与待检模式的匹配度,即基本概率指派函数(BPA)。然后利用Dempster-Shafer证据组合规则对BPA进行融合,给出诊断结果。该文给出的待检模式是从多个连续观测中提取的,与原有的由单个观测确定待检模式的方式相比,文中提出的特征提取及匹配方法,同时考虑了样板模式和待检模式所具有的模糊性,能够显著降低融合决策中的不确定性,大大提高故障识别的能力。最后通过电机转子故障诊断实例验证方法的有效性。