直觉区间值模糊推理的CRI算法

第一个处理模糊规则的推理模型是L.A.Zadeh的合成推理模型(CRI,Compositional Rule of Inference),并且是最重要的推理机制之一.很多文献研究了CRI法的推广以及满足不同要求的算子的合理选择.文章对直觉区间值模糊推理的CRI算法进行了一般研究,讨论了满足剩余原理的直觉区间值模糊三角模与直觉区间值模糊剩余蕴涵.由于一般形式的直觉区间值模糊推理均可以通过一定的处理方式转化为基本形式的MP(Modus Ponens)或MT(Modus Tollens)问题,所以文章仅就两种最简单的推理形式进行讨论,分别给出直觉区间值模糊环境下的MP和MT问题的CRI问题的一般形式,着重讨论其还原条件,给出还原准则.     

基于区间值加权模糊推理的访问控制模型

普适计算已被国内外学术界和工业界公认为未来计算的主流模式,其安全问题是信息安全的一个基础问题。传统的访问控制模型从系统的角度出发保护资源,在进行权限的控制时没有考虑上下文信息等因素。为了满足普适计算环境下访问控制策略的动态自适应性以及上下文信息的模糊不确定性,应用模糊集合理论与模糊推理方法,提出一种基于区间值加权模糊推理的访问控制模型;给出加权模糊匹配函数公式与区间值加权模糊推理方法,实现访问控制策略与实际安全需求的一致性。     

一种新的基于综合相似度的区间值模糊推理方法

在深入分析已有的基于相似度的模糊推理算法的基础上,针对其计算复杂、未考虑规则前件权重及规则激活方法可能导致结论不全面的问题,提出一种基于综合相似度的区间值模糊推理算法。引入综合相似度、规则阈值、规则可信度等概念,给出新的模糊规则激活方法及推理结论可信度的计算方法。通过算例说明了新方法在多重多维模糊推理的情况下具有还原性,且计算简单,适用于实际应用。     

基于OWA算子的区间值加权模糊推理

针对如何对区间值模糊产生式规则赋予合理权值的问题,将OWA算子引入到区间值模糊推理中。介绍一种基于OWA算子的区间值赋权方法,根据此方法给出区间值模糊集上的加权模糊产生式规则的推理算法。在采用该算法的过程中,为合理地计算输入事实与规则前件的匹配程度,引入基于OWA算子的区间值模糊匹配函数值和总体贴近度的计算方法。实例分析表明了所给出的区间值模糊推理算法的有效性和可行性。     

区间值模糊推理的逻辑度量空间

为了探寻适合区间值模糊推理的条件,本文研究区间值逻辑度量空间。本文提出一种新的基于区间值双剩余蕴涵算子的区间值模糊集的距离度量。由4个著名的区间值双剩余诱导相应的距离度量,做成4个度量空间,分别研究4个度量空间的性质。进一步,证明基于区间值?ukasiewicz剩余蕴涵的度量空间和区间值Goguen剩余蕴涵的度量空间适合做区间值模糊推理。最后,在基于区间值?ukasiewicz剩余蕴涵度量空间中,证明基于区间值?ukasiewicz剩余蕴涵的模糊推理全蕴涵算法是鲁棒的,为区间值模糊推理算法的应用提供了坚实的理论基础。     

一种基于区间值模糊推理的控制器设计

本文在区间值模糊匹配推理基础上,设计了一种区间值模糊控制器。为了应用区间值模糊匹配推理方法,文中给出了一种清晰量的区间值模糊化方法,最后用实例说明区间值模糊控制器设计过程以及给出Matlab仿真控制效果。     

直觉区间值模糊推理的三I算法

本文讨论了直觉区间值模糊三I算法的两种最简单形式：MP（Modus Ponens）和MT（Modus Tollens）问题,分别给出直觉区间值模糊环境下的MP问题和MT问题的三I解的一般形式。讨论全蕴涵解的存在条件,基于满足剩余原理的直觉区间值模糊剩余蕴涵,为直觉区间值模糊推理建立全蕴涵算法,即为MP和MT问题建立α-三I算法。     

一个改进的基于区间值模糊集的双向模糊推理算法

本文引入有序权聚类算子(OWA)到区间值模糊集合的相似度度量中,提出了一种改进的双向模糊推理 算法。为采用此算法,文中给出了区间模糊集的加权匹配方向函数,最后通过一个实例说明算法如何灵活地 体现决策者的决策倾向。     

基于区间推理和AFS结构的模糊分类器

在分析区间值模糊集理论和现有模糊分类器的基础上，提出两种分类器的算法，它们分别是建立在区间值推理和AFS结构上的．经Iris数据实验，证明第一种算法分类结果很好，后一算法不仅结果与前面的一样好，而且它还能处理一些描述模糊概念的数据库．这两种算法在分类实践中具有良好的应用前景．     

单向S-区间值模糊粗糙集及应用

以Z.Pawlak粗集理论为基础,将动态区间值模糊近似概念引入区间值模糊粗糙集中。由此提出了单向S-区间值模糊粗糙集概念,给出了单向S-区间值模糊粗糙集的结构与性质。定义了单向S-区间值模糊粗糙集的粗相等、截集、粗糙度等概念,并对一些相关性质进行讨论和证明;给出了单向S-区间值模糊粗糙集的应用及存在价值。     

三种新的基于相似性的加权模糊推理方法

在模糊专家系统中,模糊推理方法的优劣是衡量系统性能好坏的关键指标。基于相似性的加权模糊推理是针对模糊信息发展的一种既简单又灵活的方法,其关键是模糊集合相似度的定义。在文中,提出了三种新的相似度的定义,讨论了与其相应的模糊推理方法;通过实例验证了三种新方法的有效性,并与已有的几种方法进行了比较分析。     

基于Vague集加权相似度量的双向近似推理

本文提出了一种新的Vague集的加权相似度量方法，以解决文献中关于Vague集相似度量的某些缺陷以及权向量中各个分量难以确定的问题，并且提出了Vague集间相似方向的概念，用它来描述两个相拟Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上的给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了Vague集信息的精确性，从而提高了推理的精确性和适用性。这为智能系统中的近似推理提供了一个十分有用的工具。     

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.     

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。     

一种改进的基于规则的带权模糊推理算法

给出了一种基于带权模糊Petri网的模糊推理算法,这种算法可以适用于一类基于规则的系统,即可以对该类系统的带权模糊Petri网模型进行相应的处理。对系统建立了知识表示的带权模糊Petri网模型,使用该算法可以确定用户给定的库所之间是否存在联系,即相应的命题之间是否存在因果关系,可以计算出命题的模糊真值。对具体的算例进行了分析并与已有的算法进行了比较,得出该算法的优点。     

基于真值支持度的直觉模糊推理方法

为了降低直觉模糊集在推理过程中需要同时考虑隶属度和非隶属度两方面运算的复杂性,提出了一种基于真值支持度的直觉模糊推理方法,研究了强真度、真值支持度及其相关性质,并将强真度和真值支持度引入到推理中,给出真值支持度的直觉模糊推理算法及计算步骤,并以具体算例验证了该方法的正确性和有效性。     

一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的Vague集的加权相似度量方法以解决文献[1]中关于vague集相似度量的某些缺陷，并且提出了Vague集间相似方向的概念，用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了vague集信息的精确性，从而提高了推理的精确性和适用性．这为智能系统中的近似推理提供了一个十分有用的工具．     

稀疏规则条件下的线性插值推理研究

模糊推理本质上就是某种插值方法．但在稀疏规则库的条件下，当输入的事实落入规则“空隙”时，采用传统的CRI方法是得不到任何推理结果的．而采用KH线性插值推理也存在着难以保证推理结果的凸性和正规性等问题．在分析了Koczy和Hirota提出的线性插值推理方法的基础上，本文提出了一个新的线性插值推理的方法，该方法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十分有用的工具．     

高速公路交通应急预案的模糊匹配

为了提高高速公路应急预案匹配的智能性和实时性,引入了人工智能领域中的范例推理技术（CBR）并提出一种模糊匹配方法作为其检索算法。该方法结合最大隶属度原则确定突发事件和案例库中各个案例定量描述属性所属的模糊集,利用格贴近度计算突发事件与案例对应各属性之间的相似程度,结合权重选择出相似度最大的案例作为预案。通过与现有匹配算法的对比,体现出模糊匹配算法能有效的处理模糊性而在交通应急预案匹配中的优越性,是一种可行的应急预案智能匹配方法。