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.     

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     

模糊规则控制一种绝对不稳定系统

本文设计了一个高精度、高分辨率的模糊控制器,并用以控制二阶倒立摆获得成功。提出了一种处理多变量系统的新观点,给出了模糊控制二阶倒立摆的控制规则;和一种强有力的清晰化方法,从而使模糊控制器的输出更加细腻,应用上述理论设计的高精度、高分辨率的模糊控制器,对二阶倒立摆进行实时控制获得成功。     

基于快速模糊规则搜索的快速模糊系统建模

本文提出了一种基于快速模糊规则搜索的快速模糊系统建模方法,首先使用本文提出的快速模糊规则搜索方法进行模糊规则的粗略搜索,然后基于所得到的模糊规则集建立模糊神经网络模型,即利用规则前件确定网络结构,规则后件初始化部分网络权值。使用遗传算法对网络模型的权值和阈值进行学习训练。实验结果验证了快速模糊系统建模方法在描述较大规模非线形系统中的实用性和有效性。     

基于遗传算法的模糊规则的生成

模糊控制是人工智能的一重要研究领域,已经在很多方面得到了应用。模糊规则是一个智能系统的核心部分,所以模糊规则自动生成的研究一直以来吸引了很多的学者。遗传算法(Genetic Algorithm,GA)是模拟达尔文的遗传选择和自然淘汰的生物进化进程的计算模型,它是一种高度并行的随机化搜索的自适应的组合优化算法。该文提出了一种利用遗传算法自动生成模糊规则的方法,因为遗传算法的全局优化能力,所以可以得到相对较为合适的模糊规则,通过仿真结果,也可以看出它确实是一种切实可行的方法。     

基于模糊决策树的入侵规则生成技术

针对计算机免疫系统模型GECISM(general computer immune system model)中的类MC Agent,提出了如何利用应用程序的系统调用数据集构造模糊决策树,从而生成计算机免疫系统中的入侵检测规则,给出并对比分析了实验结果,发现用此方法生成的规则对未知数据集进行分类有较低的误报率和漏报率.     

不完备模糊系统的优势关系粗糙集与知识约简

以不完备模糊决策系统为研究对象,根据拓展的优势关系,构建了粗糙模糊集模型,以获取不完备模糊决策系统中的\"at least\"和\"atmost\"决策规则.为了获取简化的\"at least\"和\"at most\"规则,在不完备模糊决策系统中,提出了两种相对约简(相对下近似约简与相对上近似约简)的概念,给出了求得这两种约简的判定定理及区分函数,并进行了实例分析.     

直觉模糊粗糙推理的规则库完备性研究

针对规则库检验问题,提出了直觉模糊粗糙规则库的完备性检验方法.首先,引入直觉模糊粗糙集的概念,给出了直觉模糊粗糙规则库的完备性定义;其次,针对直觉模糊粗糙规则库的完备性,提出了完备性检验算法,指出如何设计规则库才能满足完备性要求;最后,通过实例验证了算法的合理性和有效性.     

基于模糊分类关联规则的分类系统

为了构建高性能的分类系统,应用模糊集软化数量型属性的划分边界,提出了模糊分类关联规则的挖掘算法。由于模糊集能很好地贴近人类的思维方式,因此挖掘得到的模糊分类关联规则易于被人理解．接着提出了基于模糊分类关联规则的分类系统,并采用遗传优化算法训练分类系统．实例分析的结果表明,基于模糊分类关联规则的分类系统具有较好的精度和可解释性．     

一个具有完备性和鲁棒性的模糊规则提取算法

从实际检测数据中提取模糊规则进而建立有效的模糊模型对实现复杂系统的智能建模与控制具有重要意义. 在一些文献中对该问题进行了较深入的研究, 并提出了有效的从数值数据中提取模糊规则的算法(简称为WM 和iWM算法). 对WM和iWM算法的进一步分析研究表明, 该算法在完备性和鲁棒性方面还有进一步改进的可能. 本文采用数据挖掘技术提出一个改进的提取模糊规则的算法(简称DM 算法), 并在完备性和鲁棒性方面与WM 和iWM算法进行了比较研究. 模糊建模实例表明, 本文提出的DM算法具有更好的逼近能力和对不确定数据干扰的鲁棒性.     

一种基于动态聚类的模糊分类规则的生成方法

介绍了一种基于动态聚类的模糊分类规则的生成方法,这种方法能决定规则数目,隶属函数的位置及形状．首先,介绍了基于超圆雏体隶属函数的模糊分类规则的基本形式;然后,介绍动态聚类算法,该算法能将每一类训练模式动态的分为成簇,对于每簇,则建立一个模糊规则;通过调整隶属函数的斜度,来提高对训练模式分类识别率,达到对模糊分类规则进行优化调整的目的;用两个典型的数据集评测了这篇文章研究的方法,这种方法构成的分类系统在识别率与多层神经网络分类器相当,但训练时间远少于多层神经网络分类器的训练时间．     

基于规则相容性的模糊控制规则GA生成方法

基于目前采用遗传算法模糊控制规则优化存在的没有考虑规则的相客性、得到的模糊控制规则难以理解的问题,介绍了以模糊贴近度为评价标准,定量评价模糊规则相客性的方法。在此基础上,提出了新的适应度函数,即遗传算法的适应度函数由控制性能指标和规则相客性指标两部分组成。利用遗传算法生成了模糊规则,同时保证规则之间的相客性。仿真结果表明,生成的模糊规则具有较好的相容性和控制性能。     

一种新的模糊加权关联规则挖掘算法

为了提高关联规则挖掘算法处理大数据集的性能,提出一种新的模糊加权关联规则挖掘算法——FWAR算法。通过建立模糊加权关联规则模型生成候选项目集,并进行剪枝,新建的模型按权值对项目进行排序,符合向下封闭性,并解决了已有挖掘算法计算量大的问题。仿真结果证明通过该算法得到解的质量和计算速度有显著的提高。     

有效支持度和模糊关联规则挖掘

关联规则挖掘是数据挖掘的重要研究内容，将模糊的思想融入数据挖掘，形成的模糊关联规则的挖掘是当前关联规则研究的新方向，本文在模糊关联规则的挖掘中提出了有效支持度的概念，使其用于频繁模糊模式集的挖掘、挖掘的结果更为简洁和合理，同时挖掘的效率也得到了提高。     

模糊专家理论在炮兵指挥控制系统中的运用

针对炮兵指挥控制系统在作战训练中遇到的问题,在科学地分析了影响效果和相关因素的基础上,依据模糊专家理论的方法和原理,设计了相关的运用决策框架,并提出了运用规则。     

自动生成量化属性模糊集的算法

提出一种由量化属性数据自动生成模糊集及其隶属函数的算法。该算法首先用聚类方法对每个量化属性进行聚类,求得聚类中心,最后通过聚类中心构造模糊集,定义隶属函数。     

基于时间的模糊关联规则挖掘

关联规则是数据挖掘研究中的一个重要的主题。一些算法都是假设数据中根本的关联基于时间是稳定的。然而，在现实世界领域，数据具有自己的特征，因此关联随着时间发生巨大的改变。现有的数据挖掘算法没有考虑关联的改变，这导致了严重的性能下降，特别是挖掘出的关联规则被用来分类和预测。尽管关联改变的挖掘是一个重要的问题，因为需要基于过去的历史数据来预测未来，现有的数据挖掘算法不符合这样的工作。文中引入模糊数据挖掘算法来发现基于时间的关联规则的改变。基于挖掘出的模糊规则，能预测关联规则在未来如何改变。实验表明了算法的有效性。     

基于时间的模糊关联规则挖掘

关联规则是数据挖掘研究中的一个重要的主题。一些算法都是假设数据中根本的关联基于时间是稳定的。然而,在现实世界领域,数据具有自己的特征,因此关联随着时间发生巨大的改变。现有的数据挖掘算法没有考虑关联的改变,这导致了严重的性能下降,特别是挖掘出的关联规则被用来分类和预测。尽管关联改变的挖掘是一个重要的问题,因为需要基于过去的历史数据来预测未来,现有的数据挖掘算法不符合这样的工作。文中引入模糊数据挖掘算法来发现基于时间的关联规则的改变。基于挖掘出的模糊规则,能预测关联规则在未来如何改变。实验表明了算法的有效性。     

一种新的多维稀疏规则模糊插值推理方法

经典的插值理论针对一维稀疏规则库的条件，提出了各种不同的插值方法，取得了很多很好的经验．但对多维稀疏规则条件的近似推理，研究很少，仅有的几种插值方法，存在着难以保证推理结果的凸性和正规性等问题．为了在多维稀疏规则条件下能得到好的插值推理结果。提出了一种基于几何相似的插值推理方法．该方法能较好地保证推理结果隶属函数的凸性和正规性，为智能系统中的模糊推理提供了一个十分有用的工具．     

基于多层前向网络的模糊规则自动生成

模糊控制是人工智能的一个重要研究领域,已在家电和工业控制中得到重视和应用。模糊规则自动生成是模糊控制的关键性技术之一。模糊控制的目标就是使得一系列输入与期望输出之间的平滑过渡。对于人工神经网可应用于模糊规则自动生成,这是因为人工神经网可用作近似化工具实现这一系列输入与期望输出之间的数据拟合。提出基于多层前向网络的模糊规则自动生成算法（通过数据拟合、有监督的分类）,并说明其特点。