基于改进的模糊神经学习算法的模糊规则优化

对“改进的模糊神经学习算法”(DevelopedNeuro-FuzzyLearningAlgorithm)简单介绍,并针对这一新算法的缺点,提出了新的聚类方法得到最佳的规则数,利用模糊权值优化规则来改进这个算法,降低算法的时间复杂度,简化神经网络。     

模糊规则在线提取及其在非线性系统辨识中的应用

提出一种从输入-输出数据提取模糊规则的新方法基于K-Nearest-Neighbor概念对输入-输出数据对进行预处理;利用竞争学习对输入空间自适应聚类;提取高斯基;在线调整规则库和模糊推理.将该方法应用于非线性系统辨识,仿真结果表明了它的有效性     

基于模糊关联规则挖掘的模糊入侵检测

论文把模糊关联规则挖掘算法引入到网络的入侵检测,利用该算法从网络数据集中提取出具有较高可信性和完备性的模糊规则,并利用这些规则设计和实现用于入侵检测的模糊分类器。同时,针对模糊关联规则挖掘算法,利用K-means聚类算法建立属性的模糊集和模糊隶属函数,并提出了一种双置信度算法以增加模糊规则的有效性和完备性。最后,给出了详实的实验过程和结果,以此来验证提出的模糊入侵检测方法的有效性。     

二型模糊系统的规则提取算法

模糊规则提取是建立二型模糊系统需要解决的关键问题.提出一种改进的基于c均值模糊聚类算法(FCM)的二型模糊规则提取方法.该方法借助于二型模糊集主隶属度函数的期望与次隶属度函数值之间的联系,能克服已有算法忽略二型模糊集次隶属度函数对模糊聚类结果的影响.仿真实例表明.该算法能成功地提取二型模糊规则,比FCMV算法具有更好的性能和收敛性.     

基于模糊聚类的模糊关联规则挖掘

通过模糊聚类，从已知数据中得到数据点对数据类的隶属度，并以此进行模糊关联规则的挖掘，从而使得模糊关联规则的发现不依赖于人类专家预先给出的隶属度函数；并且实验表明。聚类并没有带来显著的顿外计算时间，对于大型数据库，文章提出的方法是有效的。     

一种模糊规则提取方法的研究

提出了一种基于改进的模糊 C 均值聚类的模糊规则提取方法。然后基于所提取的模糊规则给出了一种分类算法,并利用 IRIS 数据对此分类算法进行了仿真测试。结果表明,该算法在训练祥本较少的情况下,仍能得到很好的分类效果,由此说明所提出的模糊规则生成方法有效。     

基于模糊关联规则的交通事故分析应用研究

研究发现交通事故潜在规律,预测交通事故的发生,针对关联规则方法用于交通事故分析,对交通的数值型属性无法给出有效地划分,为提高安全管理决策,提出引入模糊聚类,用改进FCM( Fuzzy c-Means)方法对数值属性进行聚类,可用取值的范围对分类属性进行聚类,采用模糊关联规则挖掘导致交通事故的原因和规律.模糊关联规则首先对FCM算法进行了改进,包括隶属度、权值和中心点的计算和修正方法,利用模糊关联规则方法进行挖掘,最后对算法进行了仿真和可视化显示,结果表明模糊关联规则方法挖掘出的规则符合现实情况,为交通管理提供有效的方法.     

加权模糊关联规则的研究

1 引言关联规则是展示属性-值频繁地在给定的数据集中一起出现的条件,最常见的是对大型超市的事务数据库进行货篮分析,文[1]提出了解决此类问题的布尔型属性关联规则的Apriori算法。数量关联在股市分析、银行存款分析和医疗诊断等众多方面都有重要应用价值。数量关联用来描述数量型属性特征之间的相互关系,用数量型关联规则来表示,如“10％年龄在50-70之间的已婚人员至少拥有两辆汽车”。文[2]首先讨论数量型关联规则,文中的挖掘算法将数量型属性划分成多个区间,但这样的方法会引起划分边界过硬的缺点。     

神经—模糊建模平台的设计与应用

详细论述了采用神经模糊实际建模过程中必须考虑的各种因素，各因素之间的相互影响及关系，以及各不同参数的选择过程，并在Matlab环境下，利用模糊工具箱设计了一个神经－模糊建模平台，给出了一个实际的具体非线性系统建模的应用。     

加权模糊规则系统研究

本文讨论了基于遗传算法的模糊规则系统,设计了一种加权模糊规则系统,使用遗传算法来学习模糊集隶属函数的位置和形状参数,规则集,包括规则的数目,以及规则的权重.使用Iris数据检验了算法,得到了满意的结果.实验显示,与无权重模糊规则相比,有权重模糊规则能够形成更好的模糊系统.     

自适应模糊逻辑系统的聚类学习算法研究

基于模糊逻辑系统一般数学模型，利用最近邻聚类学习算法对样本数据进行自适应分组，并对系统进行训练，从而使模糊逻辑系统具有自学习功能。     

基于克隆选择的模糊分类规则提取算法

分类是许多研究领域的关键问题，模糊规则的提取质量对分类器的性能又有着极大影响．所提取的规则不仅在分类能力上要达到最优，同时在规则数量上也不能太多，否则会影响规则搜索和匹配的速度．结合人工免疫的克隆选择原理，采用克隆选择算法，提取通过多精度模糊分割产生的大量模糊if—then规则中的少数精华规则，从而建立了模糊分类所需要的有效规则集合，同时还对优化目标函数进行了改进．经仿真实验证明，该方法所提取的模糊规则具有分类准确率高，规则数目较少等特点。     

基于减法聚类和自适应神经模糊推理系统的递阶模糊系统的设计

提出了一种设计递阶模糊系统的简易而有效的方法.在得到一个单级模糊系统的基础上,用灵敏度分析法对每一个输入变量的重要性进行排序,从而确定每一级子系统的输入变量.利用减法聚类和自适应神经 模糊推理系统逐级对子系统进行训练.所得到的递阶模糊系统可进一步得到简化.仿真实例证实了设计方法的有效性.     

基于模糊聚类的模糊关联规则在流程企业中的应用

采用数据挖掘中的模糊聚类分析了流程企业中历史数据的区间值,然后用模糊关联规则挖掘出有用的规则。首先阐述了模糊聚类的RFCM算法和关联规则的Apriori算法的内容,分析了实现模糊关联规则的Fuzzy_ClustApriori算法流程,并用RFCM算法对实际数据进行分析,得到不同类别的模糊数。根据Fuzzy_ClustApriori算法的步骤对模糊化的参数点进行处理,得到了有价值的模糊规则,为流程企业的生产优化提供了理论依据。     

一种基于三角模糊数多指标信息的FCM 聚类算法

针对一类具有不确定性三角模糊数多指标信息的聚类分析问题，基于传统的数值信息FCM聚类算法，提出一种新的聚类分析算法．首先描述了具有三角模糊数多指标信息的聚类分析问题，提出并证明了基于三角模糊数多指标信息的关于最优划分和最优聚类中心确定的两个定理；然后根据这两个定理，进一步给出了基于三角模糊数信息的FCM聚类算法的迭代步骤；最后通过一个算例说明了该聚类算法的具体应用．     

Fuzzy prediction of chaotic time series based on fuzzy clustering

The main purpose of this paper is to study a new method to model and predict a chaotic time series using a fuzzy model. First, the GK fuzzy clustering method is used to confirm the input space of the fuzzy model. The goal is to divide the training patterns into representative groups so that patterns within one cluster are more similar than those belonging to other clusters. Then, the Kalman filtering algorithm with singular value decomposition is applied to estimate the consequent parameters of the fuzzy model in order to avoid error delivery and error accumulation. The effectiveness of the proposed method is evaluated through simulated examples, including Mackey‐Glass time series and Lorenz chaotic systems. The results show that the proposed method provides effective and accurate prediction. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

Automatic diagnosis of diabetes using adaptive neuro‐fuzzy inference systems

Abstract: A new approach based on an adaptive neuro‐fuzzy inference system (ANFIS) is presented for diagnosis of diabetes diseases. The Pima Indians diabetes data set contains records of patients with known diagnosis. The ANFIS classifiers learn how to differentiate a new case in the domain by being given a training set of such records. The ANFIS classifier is used to detect diabetes diseases when eight features defining diabetes indications are used as inputs. The proposed ANFIS model combines neural network adaptive capabilities and the fuzzy logic qualitative approach. The conclusions concerning the impacts of features on the diagnosis of diabetes disease are obtained through analysis of the ANFIS. The performance of the ANFIS model is evaluated in terms of training performances and classification accuracies and the results confirm that the proposed ANFIS model has potential in detecting diabetes diseases.     

模糊熵在车载环境下语音端点检测中的应用

为了提高车载噪声环境下语音端点检测的准确性,介绍了一种新的时间序列复杂性测度：模糊熵,并将其应用于语音信号的特征提取。分别以样本熵和模糊熵提取含噪语音信号的特征,使用双门限法对语音信号进行端点检测,特征门限值使用模糊C均值聚类算法和贝叶斯信息准则算法确定。仿真结果表明在车载噪声环境下与样本熵算法相比,模糊熵算法能更好地区分噪声信号和语音信号,具有更好的端点检测性能,相同环境下模糊熵算法的错误率比样本熵算法降低了16%以上。     

采用双交叠模糊分划的T-S模糊系统的稳定性分析

研究前件变量采用双交叠模糊分划的T-S模糊系统的稳定性问题．首先针对自由系统,将连续时间系统的、基于最大交叠规则组的稳定性分析方法推广应用于离散时间系统,并采用模糊Lyapunov方法得到了稳定性的新结论．采用非并行分布补偿控制律,针对受控系统也得到了相应的结论．这些结论比已有的结果更加宽松．仿真例子验证了该稳定性结论．