基于AFS理论的加权模糊分类器

本文提出了基于AFS(Axiomatic fuzzy set)理论的加权模糊分类算法,与其他算法比较:该算法主要通过模糊概念及其逻辑运算求出训练样本的模糊描述,从而得出每类特征的模糊集,然后用这些具有确切语义的模糊集来确定每个测试样本归属的类.该算法规避了其它模糊分类算法涉及的复杂优化、参数设置以及收敛性等问题.通过在著名数据集-Iris、Wine上的测试表明该算法适用于各种数据类型并且实用、高效.     

区间值加权模糊推理方法

提出了一种新的带权的区间值模糊产生式规则,给出了加权模糊匹配函数和一个区间值排序算法。在此基础上给出了区间值加权模糊推理方法。该方法使规则前件与事实的匹配更符合实际情况,得到的结果更便于实际应用,并且解决了文献犤1,2犦中模糊推理方法存在的不足。     

基于蕴涵的区间值直觉模糊粗糙集

提出一种基于区间值直觉模糊蕴涵的区间值直觉模糊粗糙集模型.首先,介绍了区间值直觉模糊集、区间值直觉模糊关系和区间值直觉模糊逻辑算子的概念;然后,利用区间值直觉模糊三角模和区间值直觉模糊蕴涵,在区间值直觉模糊近似空间中定义了区间值直觉模糊集的上近似和下近似;最后,给出并证明了这些近似算子的一些性质.     

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。     

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。     

一类基于模糊聚类和模糊推理的稳健分类器

稳健算法为工程和科学应用所必需.本文揭示了由Setnes和Babuska提出的FRC算法[1]的不稳健性,并提出了一种稳健非线性分类器(MFRC).它将模糊聚类与模糊推理的优势相结合,并且对每一聚类中的模糊关系由属于这个聚类的所有局部关系加权平均得到,从而降低了少数规则的破坏影响.本文将MFRC算法与FRC算法在有编号错误和无编号错误的情况下分别与原型由LVQ、GLVQF算法产生的1-NMP算法比较,分类结果显示MFRC算法具有强稳健性和识别率高的特点.     

不完备区间值模糊信息系统的粗糙集理论

考虑到模糊信息系统的不完备性和信息值的不确定性,讨论了不完备区间值模糊信息系统的粗糙集理论,给出了粗糙近似算子的性质。研究了不完备区间值模糊信息系统上的知识发现,提出了基于不完备区间值决策表的决策规则和属性约简,最后给出算例。     

区间直觉模糊粗糙集的不确定性研究

对区间直觉模糊信息系统中近似集的不确定性进行了研究,给出了区间直觉模糊粗糙集的不确定性度量公式。首先在区间直觉模糊近似空间中,定义了一对具有对称性的新的区间直觉模糊上、下近似算子;其次给出了区间直觉模糊集粗糙隶属函数的定义并讨论了相关性质;最后利用区间直觉模糊粗糙隶属函数的区间直觉模糊熵,定义了区间直觉模糊粗糙集的模糊熵,并讨论了区间直觉模糊粗糙集的模糊熵为零的充要条件,证明了在区间直觉模糊近似空间中经典集合和它的余集的粗糙度量是相等的,以此说明定义的合理性。     

基于分类器的图像模糊边缘检测快速算法

通过对Pal King边缘检测算法的分析,提出了一种新的模糊边缘检测快速算法。首先对图像进行模糊增强,然后依据当前像素及其8-邻域像素的灰度,设计了一个分类器,通过计算相对于该分类器的模糊隶属度函数值,对像素进行边缘分类;最后锐化所得的边缘像素,剔除噪声。算法抛弃了Pal King方法中复杂的迭代运算,同时也克服了Pal King算法中对图像低灰度值边缘信息的丢失,还可以通过设置不同的参数来检测不同细节的边缘。实验结果表明,该快速算法比Pal King算法的边缘检测能力更强,同时运算速度提高了约20倍。     

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。     

Hamming-Hausdorff距离下区间直觉模糊知识测度及应用

提出了一种基于改进Hamming-Hausdorff距离的区间直觉模糊知识测度（interval-valued intuitionistic fuzzy knowledge measure,IVIFKM）,并应用于图像阈值分割中,获得了更好的图像分割结果.最新研究成果表明,直觉模糊环境下的知识度量包括两个重要方面,即信息量与信息清晰度.基于这种理解,提出新的区间直觉模糊知识测度公理系统.同时,改进并推广标准Hamming-Hausdorff距离,结合理想解法（technique for order preference by similarity to ideal solution,TOPSIS）,建立新的满足所提公理系统要求的区间直觉模糊知识测度.随后,将所提测度模型应用于图像阈值分割中,并根据区间直觉模糊集自身结构特点,进一步提出一种精炼而高效的像素分类规则及图像区间直觉模糊化算法.最后,利用所提测度模型计算图像的区间直觉模糊知识量,确定最佳分割阈值,实现图像分割.实验结果表明,该基于知识驱动的图像阈值分割方法性能表现稳定、可靠,所生成的二值图具有更加优良的性能指标,明显优于其他同类算法.将知识测度新理论引入图像处理领域,为该理论在其他相关领域的潜在应用提供了实例.     

面向普适计算的区间值模糊访问控制(英文)

访问控制是普适计算安全的一项关键技术。然而,由于普适计算的分布式、模糊和动态特征,传统的访问控制理论和方法不完全适合普适计算环境下的安全需求。提出普适计算环境下基于区间值模糊集合理论的访问控制新图式,来有效刻画普适计算环境下访问控制的模糊性和不确定性,建立模糊受控系统安全新概念,对模糊受控系统的安全特性进行分析,为普适计算建立模糊访问控制的理论和方法基础。应用实例分析表明,提出的面向普适计算的模糊访问控制是有效的。     

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。     

一种基于核集与相似性的模糊推理方法

在稀疏规则库条件下,当给定的输入落入规则"间隙"时,采用传统的模糊推理方法是得不到任何结论的.学者已经证明模糊推理本质上就是插值器.Koczy和Hirota首先提出了KH线性插值推理方法,然而推理结果存在着无法保证凸性和正规性等问题.为了能有一个较好的插值推理结果,本文提出了一种基于核集与相似性的模糊插值推理方法,并把此方法扩展到多维变量的情况,该方法不仅推理简单,推理结果较好,并且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非常有用的工具.     

基于犹豫模糊可信度的知识推理

针对不确定性推理中的可信度估值不精确的问题,将犹豫模糊集引入可信度不确定性推理中。提出犹豫模糊可信度的定义,并基于可信度的知识表示给出犹豫模糊可信度的知识表示方式。为解决专家在推理过程中出现的信息缺失问题,提出求解平均值的信息补全方法。构建犹豫模糊可信度的单条规则和多条规则并行关系的运算法则,并给出基于犹豫模糊可信度的知识表示与推理的具体步骤。最后,运用实例验证了所提算法的可行性及有效性。     

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。     

基于直觉模糊推理的威胁评估改进算法

针对实战系统中的威胁评估问题,提出一种基于直觉模糊推理的改进算法。设计系统状态变量的三角型隶属度和非隶属度函数,给出详细的计算步骤,将包含可信度的推理规则植入评估系统,当系统有输入时,即可进行威胁评估值的直觉模糊推理计算。实战数据仿真结果证明了该算法的有效性。     

基于正规三角模糊集相似度量的模糊推理

文章首先定义了正规模糊集相似度量的一般公式,然后给出了正规三角模糊集相似度量计算的简化公式,在正规三角模糊集相似度量的基础上,提出了一种新的模糊推理的方法——基于正规三角模糊集相似度量的模糊推理,并与Mamdani模糊推理方法做了比较。最后给出了模糊推理的仿真实现。