基于高斯型隶属函数新的模糊插值推理方法

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。KH线性插值推理解决了这个问题,从而产生了模糊插值推理方法。但现有的插值推理方法几乎都是基于三角形隶属函数的,很少有高斯型隶属函数。本文在线性插值推理方法的基础上,给出一种基于高斯型隶属函数的顶点和拐点距离比的模糊插值推理方法。这为模糊插值推理又提供了一个十分有用的工具。     

模糊隶属度函数的遗传优化

模糊控制的成功应用依赖于一系列参数,例如隶属度函数,这些参数通常是主观设定的。该文提出了一种基于RGA的遗传优化算法来实现隶属度函数的生成和优化,克服了输入和输出变量隶属度函数参数设计的主观性和盲目性。通过在模糊控制器进行仿真比较研究,结果表明模糊控制器经过优化后控制品质有较大的改善和提高。     

基于多级遗传算法的模糊隶属度函数的优化

针对遗传算法的在应用过程中出现的过早收敛问题,提出基基于多级遗传算法的模糊控制,通过高级遗传算法的操作遗传算法可以获得不同种类的优良模式的新个体,从而它们提供了更加平等的竞争机会,并且在低级遗传算法在中采用Ｍｅｔｒｏｐｏｌｉｓ判别准则对遗传算法的复制算子加以改进,有效地破坏群体中个体的单一性,增加多样性,使隶属度参数得到优化,从而改善了控制性能,倒立摆仿真实验表明这种方法是有效的,是解决早收敛问题     

基于T-S模糊模型的隶属度函数学习算法

模糊规则的提取和模糊隶属度函数的学习是模糊系统设计中重要而困难的问题。文中探讨了Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊模型的隶属度函数学习问题,建立了基于模拟退火的模糊隶属度函数学习算法,给出了用于验证该算法有效性的仿真实例。     

基于类高斯隶属函数的模糊万能逼近器性能分析

为了验证由三角形和高斯型隶属函数构造的逼近器均能以任意精度逼近非线性连续系统,引入了一种基于类高斯隶属函数的模糊逼近器设计方法,借助参数可调性来构造隶属函数的“泛模型”,从而实现三角形到高斯型两类隶属函数的切换.由类高斯隶属函数、单值模糊器、乘积型推理和中心平均解模糊器构成模糊逼近系统,并由万能逼近定理指出逼近精度及模糊子集数目的确定方法.与神经网络、决策树和小波级数等非线性万能逼近器相比,模糊系统具有可解释性强和可利用语言信息的独特优势.分别以一维和二维非线性系统为例进行模糊逼近设计与分析,逼近效果体现了不同的控制特性,证明了类高斯函数用于模糊隶属函数表示的合理性和有效性.     

模糊数的隶属度区间分布函数

定义了关于模糊集合的隶属度区间分布函数的概念,用L-R梯形模糊数的隶属度区间分布函数等例子,说明了所引入的概念具备重要的实际背景,是合理的。进一步澄清了模糊数的隶属度函数、隶属度区间分布函数和随机变量的概率密度函数的关系,以及模糊数的隶属度区间分布函数和随机变量的概率分布函数的异同。     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统 ,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在两个瓶颈 :模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象 ,并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题 ,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中 ,根据已知的模糊控制规则 ,对模糊隶属函数自动寻优。以工业过程控制为对象 ,针对具有纯滞后二阶系统进行了计算机仿真 ,并进行了对比性研究。仿真结果表明 ,采用该方法可获得一个基于一定性能指标的最优或次优的隶属函数参数 ,且该模糊控制系统具有过渡过程的时间短、超调小等优点。     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在的两个瓶颈：模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象。并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中,根据已知的模糊控制规则,对模糊隶属函数自动寻优。以工业过程控制为对象,针对具     

基于区间数的模糊隶属函数构建

针对当前基于统计方法构造模糊隶属函数中存在的不足,提出一种基于区间数的方法来确定模糊隶属函数。采用区间数描述“青年人”的概念;基于区间数和模糊数的知识,将区间数据转化成有界闭模糊数;经过加权计算得到一个正态模糊数的α-水平截集,并扩展成模糊隶属函数。试验结果表明:该方法简单、精度高,基于该方法确定的隶属函数曲线更连续、客观,更符合人的主观意识。     

基于自适应模糊系统的径向基高斯函数网络系统辨识方法

提出了一种基于自适应模糊系统的径向基高斯函数系统辨识方法,与传统的系统辨识和仿真方法相比,更具有精确性与智能性。RBF(radial basedfunction)网络在逼近能力、分类能力和学习速度上均有优势。自适应神经模糊推理系统(ANFIS)混合学习算法减少了原始纯反向传播算法搜索空间的维数,故收敛速度非常快。根据ANFIS和RBF的特点,将它们结合起来,形成了基于自适应模糊系统的径向基高斯函数网络的系统辨识方法。     

基于隶属度函数平均值的阈值分割算法

针对图像模糊集模型的构造问题,提出一种基于模糊隶属度函数平均值的阈值分割算法。该算法采用加权平均算子对5种已有的模糊隶属度值进行集结,得到一个模糊隶属度值,从而将图像转化为一个模糊集合,再以指数型模糊散度为目标函数寻找最佳阈值。仿真结果显示了该算法的有效性。     

基于隶属度的数据库模糊结果排序方法

数据库模糊查询会产生很多查询结果,因此有必要将查询结果按照用户需求进行排序。首先给出了模糊查询定义,然后根据模糊集理论提出了基于隶属度的模糊查询结果排序方法,该方法综合考虑了查询指定的属性权重和查询结果对模糊查询的隶属度。实验及分析证明,提出的模糊查询结果排序算法能够较好地满足用户需求,具有较高的排序质量。     

基于自适应遗传算法的模糊控制器优化设计

改变传统的优化模糊控制器的方法,采用自适应遗传算法优化设计了一种控制效果较好的模糊控制器。在遗传算法改进方面,不以传统的定值常量作为交叉和变异概率,而是根据遗传算法本身计算出来的个体适应度来自适应的调节交叉和变异概率的大小,以克服采用定值常量作为交叉和变异概率所带来的早熟现象和效率相对较低的问题。仿真结果表明,改进的模糊控制器具有更好的控制效果。     

基于模糊推理的模糊自适应励磁控制器

在线性最优励磁控制器的基础上，通过模糊推理提出了一种模糊自适应励磁控制器的设计方法．所设计的模糊自适应励磁控制器能根据发电机运行点的变化不断修正自己的参数，从而具有很强的鲁棒性．由于控制器的反馈增益来源于线性最优控制，因此，控制器还具有一定的最优性和稳定性．对一个单机一无穷大系统进行的数字仿真结果表明；用本文提出的模糊自适应励磁控制器能有效地改善系统的劝态品质．     

基于强化学习的模糊自适应控制器

提出了一个强化学习系统中模糊自适应控制器网络结构及其有关算法的改进。并在此基础上给出了二阶欠阻尼系统和强非线性系统的强化学习控制仿真结果。仿真结果表明,基于强化学习的模糊自适应控制器可以对一类复杂系统实现自学习控制,达到令人满意的控制精度。最后,作者还对进一步研究的问题进行了探讨。     

函数型模糊控制器

根据模糊逻辑系统的万能逼近理论的思想,应用控制理论及数字知识,提出了新的模糊控制算法,将解析描述的模糊控制规则中的修正因子α与系统偏差e的变化相联系,提出了它们之间的函数关系;并用遗传算法对新算法进行了优化;同时将新的算法与现行的模糊控制算法进行了仿真比较,其结果证明了新算法的可行性。     

改进的初始中心与隶属度函数的模糊C-均值算法

针对模糊C-均值(FCM)算法对初始中心敏感的缺点,通过选取离均值最远的点作为初始聚类中心的方法,提出了一种基于均值距离的初始中心选取算法,同时由于远离各类聚类中心的野值样本会影响迭代结果,通过改变隶属度函数来克服这种缺陷.然后选取有代表性的样本作为实验数据集进行实验,通过实验得出,与传统的FCM算法比较,改进的FCM...     

基于模糊隶属度的加权广义不定核判别分析

对线性不可分的问题,已有许多基于正定核的降维方法,Fisher判别分析法是其中常用的方法。本研究对此类方法进行了改进和推广,首先将正定核推广到不定核,然后提出了基于模糊隶属度的不定核判别分析,最后结合权函数提出了加权广义不定核判别分析。实验结果表明,所提算法不仅有很好的分类效果,而且权函数的选择对分类结果有比较明显的影响。     

基于隶属度转换算法的矿业投资决策模糊评价

矿业投资是一种风险投资,评价过程中存在很多不确定性和模糊性。采用基于熵的数据挖掘方法,通过挖掘隐藏在各指标隶属度中关于目标分类的知识信息,厘清目标分类与指标隶属度之间的关系,通过定义指标区分权清除指标隶属度中对目标分类的冗余值,提取有效值计算目标隶属度。新的隶属度转换算法经过一有效、二可比、三合成三个计算步骤,简记为M(1,2,3),由此构建隶属度转换新算法并用于矿业投资决策模糊评价中。实例分析表明,判定结果较为理想,具有较高的置信度。