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。     

神经模糊系统中模糊规则的优选

提出一种基于两级聚类算法的自组织神经模糊系统，该系统采用两级聚类算法（改进的最近邻域聚类算法和Gustafson-Kessel模糊聚类算法）对输入／输出数据进行模糊聚类，并由模糊聚类的划分熵确定最优划分，建立模糊模型，模型精度可由梯度下降法进一步提高。仿真结果表明，这种神经模糊系统具有结构简单、规则数少、学习速度快以及建模精度高等特点。     

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。     

基于模糊规则的非线性系统建模方法

提出了一种基于模糊聚类自调整的模糊建模方法,基于模糊聚类通过自适应模糊推理来调整模糊系统,一种在线辨识算法的是通过非线笥系统参数的在线性估计来进行的,为了证明了所提出方法的适用性,给出了几个实例的仿真结果。     

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．     

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.     

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.     

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。     

模糊系统的逼近精度和规则关系研究

从模糊系统的逼近精度角度来研究模糊系统的杂程度、逼近精度、控制规则数目之间的关系。通过修改逼近精度的边界而减少了控制规则,近而达到了简化系统复杂程度的目的。通过实例分析可以看出,所设计的模糊系统既达到了所要求的精度,同时又使规则数目大大地减少了。     

动态系统模糊辨识的新算法*

本文针对复杂动态系统的辨识问题，提出了一种基于一类标准模糊系统的模糊辨识的简单学习算法。仿真研究表明该算法具有辨识精度高、所需样本量小以及运算速度快等优点，是动态系统模糊辨识的有效工具。     

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。     

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。     

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。