基于区间值推理的模糊神经网络

在区间值模糊推理的理论基础上，提出了基于区间值推理的模糊神经网络。主要是将模糊逻辑规则利用神经网络来实现，给出了基于IVFR的FNN的结构以及通过两个模糊集的贴近度作为误差反馈的学习算法。     

基于覆盖的区间值直觉模糊粗糙集模型的讨论

利用论域上的覆盖提出了基于覆盖的区间值直觉模糊粗糙集模型,并讨论了它的性质.     

基于区间值相似度集合的区间值近似推理

在引入区间值相似度集合概念的基础上,给出基于区间值相似度集合的区间值近似推理的数学模型,并研究了其相关性质和推理算法,最后通过实例验证其推理算法的可行性与有效性。     

区间值函数与模糊值函数的RS积分

定义了区间值函数的ＲＳ积分,并利用它来定义模糊值函数的ＲＳ积分,给出了这种积分的一些性质。     

复区间值函数和复模糊值函数的RSu积分

把区间值函数的ＲＳｕ积分推广到复区间值函数的情形，并利用它来定义复模糊值函数的ＲＳｕ积分，这种积分具有吴从忻和刘哈生１９９３年所引进的实区间值函数和实模糊值函数的ＲＳｕ积分的各种性质，特别是得到了积分的线性性，而他们当时还只得到了积分的半线性。     

区间值模糊参数软集及其在决策中的应用

定义了区间值模糊参数软集的概念,研究了区间值模糊参数软集的运算及运算性质。然后,给出利用区间值模糊参数软集进行决策的方法,并通过实例说明了方法的可行性。     

区间直觉模糊粗糙集的不确定性度量

利用模糊熵工具将近似集的不确定性度量方法应用在区间直觉模糊信息系统中,给出了区间直觉模糊近似算子的不确定性度量公式.通过在区间直觉模糊近似空间中定义一对新的区间直觉模糊上、下近似算子,将模糊粗糙隶属函数的定义推广到了区间直觉模糊集的粗糙隶属函数;然后利用区间直觉模糊粗糙隶属函数的模糊熵,定义了区间直觉模糊粗糙集的熵;进而解决了区间直觉模糊粗糙集的不确定性度量问题,并讨论了度量的一些相关性质,以此说明定义的合理性.     

挖掘区间值关系数据库的模糊关联规则

应用关系数据的模糊C-均值算法把数量型属性划分成若干个模糊集，提出挖掘区间值关系数据库数量型属性模糊关联规则的算法，在关系数据的模糊C-均值算法与部分聚集算法的基础上提出一种新的模糊聚类算法-关系数据的竞争聚集算法，并用它来划分数量型属性，由于关系数据的竞争聚集算法能得到优化的固定的聚类个数，因此能挖掘出优化的模糊关联规则。     

区间值数据模糊c-均值聚类新算法

针对范九伦等提出的两种模糊ｃ－均值聚类算法进行了改进,提出了更一般的区间值数据模糊ｃ－均值聚类算法．证明了当加权系数λ为１时,新算法等效于老算法Ⅰ;当λ趋于０ 时,新算法趋近于老算法Ⅱ．新算法以老算法Ⅰ和Ⅱ为其特例,并可用现有的模糊ｃ－均值工具箱直接实现．     

区间值Vague集多目标模糊决策方法

研究了区间值多目标模糊决策方法问题。充分利用Vague集三维信息提出了Vague集和区间值Vague集模糊相对优势函数概念,该概念克服了以往Vague集优势函数定义中不考虑第三维信息的弱点。在区间值Vague集决策矩阵基础上,构造了模糊相对优势决策矩阵和模糊加权决策矩阵,给出了区间值Vague集多目标模糊决策过程,充实了Vague集多目标模糊决策理论体系。最后通过算例验证了该方法是一种有效可行的决策方法。     

一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

基于模糊加权论证方法的模糊神经网络

在‘Mamdani'论证方法的基础上提出改进的模糊加权推理方法.模糊神经网络是以改进模糊加权论证方法为基础发展起来的.网络加权和成员函数最优化的相互匹配在应用发展规则系统的条件下进行.模糊规则可根据网络加权而获得,网络模型的有效性和最优化程度可以由仿真实验检验.     

基于包含度的区间直觉模糊粗糙集模型

利用区间直觉模糊包含度的概念建立区间直觉模糊粗糙集模型。首先,将直觉模糊集中的包含度拓展到区间直觉模糊集上,给出区间直觉模糊包含度定义和计算公式;其次,在区间直觉模糊等价关系下,基于区间直觉模糊包含度,建立了区间直觉模糊粗糙集模型,并对近似算子的重要性质进行了讨论。     

基于改进粗糙集理论与概率神经网络的变压器故障诊断研究

提出了一种基于改进粗糙集理论与概率神经网络的变压器故障综合诊断方法.利用了粗糙集理论的决策表约简技术,去除冗余信息,并引入可辨识矩阵,更加快速地去除故障冗余属性,减小了约简过程的复杂度.将得到的最小决策表作为改进的概率神经网络的训练样本,提高了PNN的训练速度和诊断的准确率.实例证明,该模型不仅能在信息不完备的情况下进行有效诊断,而且可以提高诊断速率及正判率.     

基于模糊神经网络及证据推理的数据融合系统

在研究战术弹道导弹电子对抗条件下作战仿真运用问题时,我们成功地将模糊神经网络与证据推理相结合,弥补了传统多传感器数据融合系统未考虑外界环境因素影响的缺陷,提高了数据融合系统的抗干扰能力,最后简单介绍了仿真系统软件的实现流程。这是作战仿真方法研究及实现的新途径。     

Rough Set Based Fuzzy Neural Network for Pattern Classification

A rough set based fuzzy neural network algorithm is proposed to solve the problem of pattern recognition. The least square algorithm (LSA) is used in the learning process of fuzzy neural network to obtain the performance of global convergence. In addition, the numbers of rules and the initial weights and structure of fuzzy neural networks are difficult to determine. Here rough sets are introduced to decide the numbers of rules and original weights. Finally, experiment results show the algorithm may get better effect than the BP algorithm.     

基于IVFS的专家模糊控制应用研究

针对不确定性知识难以量化．摸铷控制器曲隶属函数不容易确定等问题．提出了一种区间值横期产生式规则．建立模糊控制规则模型，给出了区间值模糊匹配函数定义，在此基础上给出了区间值模糊推理方法。该方法更有利于模期规则的精确匹配．应用到实际工业控制对象，能更好的反映领域专家的决策思维和推理过程。     

A Direct Feedback Control Based on Fuzzy Recurrent Neural Network

A direct feedback control system based on fuzzy-recurrent neural network is prosed, and a method of training weights of fuzzy-recurrent neural network was designed by applying modified contract mapping genetic algorithm. Computer simulation results indicate that fuzzy-recurrent neural network controller has perfect dynamic and static performances .     

基于遗传算法的模糊神经网络控制

在研究遗传算法、模糊神经网络及两者之间融合技术的基础上，设计了基于遗传算法的模糊神经网络控制系统。并通过仿真模拟实例对其功能特性进行了分析。     

基于模糊神经网络的煤矿瓦斯预测

针对瓦斯爆炸为煤矿安全生产中主要事故的现状,提出基于TS型模糊神经网络的煤矿瓦斯预测算法.通过样本学习,在线修正TS型模糊系统的隶属函数参数,形成TS型模糊神经网络算法,将该算法应用于煤矿瓦斯的预测,掌握和捕捉影响煤矿瓦斯安全主要因素的内在联系.仿真结果表明,该方法能够准确预测煤矿瓦斯的安全等级,平均误差较小.