基于模糊逻辑的产生式规则拓展

在CAPP系统中,工艺知识通常采用产生式规则来表达.由于工艺知识具有模糊性和不确定性,而传统的产生式规则又难以表示和处理这类带有模糊性和不确定性的工艺知识,所以必须使用一些模糊的语言来描述这些知识并以此来进行推理.针对这一问题,提出了一个基于模糊逻辑的产生式规则模型,给出了模糊规则的产生式规则表达式以及模糊规则中各命题之间的逻辑关系,同时也指出了模糊规则的模糊匹配方式.     

CAPP中的模糊工艺知识表达方法研究

模糊知识表达是模糊信息处理的关键环节之一，针对CAPP中工艺知识的模糊性问题，提出将工艺知识划分为精确数值型、模糊数值型、精确符号型和模糊符号型四种类型，分析了各种模糊工艺知识的主要特征，并采用模糊集合及其隶属函数对其进行描述和表达，在此基础上，深入讨论了采用模糊关系、模糊规则和模糊框架表达复杂工艺知识的原理和方法，给出了具体的表达实例。     

模糊场中线目标的空间表达和统计分析

为了实现在GIS中描述自然界里带有模糊不确定性的地理目标,本文首先探讨了模糊点和模糊线的空间表达问题,提出了利用模糊统计法来描述模糊点和模糊线的位置不确定性,并分别给出了度量其不确定性的可视化指标。最后,探讨了模糊线长度和方向的表达。     

基于模糊状态描述的不确定因果归纳自动推理机制

文中提出基于模糊语言场和模糊语言结构的知识表示新型框架，并提出能够综合处理模糊不确定性与随机不确定性的广义细胞自动机和广义归纳逻辑因果模型。在此基础上，又提出基于模糊状态描述的新型不确定因果归纳自动推理机制，并讨论其在智能控制器研制中的应用。     

一个基于模糊逻辑的不确定性推理模型

针对合取运算、析取运算和加权平均运算在求解人机智能化CAPP系统的实际问题时所存在的不足,提出了以权系数为基础的广义模糊逻辑概念.在此基础上,构建了基于模糊逻辑的不确定性推理模型.通过在该模型中引入一组新的函数(即组合函数、匹配函数、传递函数和选择函数),较好地解决了推理中不确定性的匹配与传播这一关键问题,并使用Visual Prolog 5.2智能语言实现了不确定性推理的过程,从而使CAPP系统中模糊工艺知识的获取、表达与应用得以基本实现.     

模糊数据库模型的自学习系统

该系统是利用神经元网络的可自组织、自学习等一些特性,设计了一个用神经元网络来表达和处理模糊数据库中的不确定性问题,即在模糊数据库的查询中所面临的查询条件的不确定性、表达上的不准确性和已知的内容不完全性等方面的问题。该自学习系统较好地把神经元网络应用到了模糊数据库中。     

基于扩展模糊时间Petri网分析冲突事件的不确定性时间知识

为有效处理冲突相关的不确定性时间知识,在已有研究基础上,基于扩展模糊时问Petri网,引入变迁的模糊触发区间以表示使能变迁触发的不确定性,结合模糊时间函数和可能性值的运算来描述和分析各冲突事件发生的不确定性.能够针对冲突事件的各种时间不确定性问题进行定量分析,可以解决复杂情况下的时间知识推理和验证.其相对于已有方法具有冲突分析精确、计算简单、适用面广的特点.     

烧结过程异常状况诊断专家系统SPADES(Ⅱ) --关键技术

知识库构造和推理机设计是实现专家系统的关键技术.烧结过程异常诊断的知识具有模糊性、不确定性与因果性强,定性知识与定量知识并存的特点.采用模糊逻辑表达烧结过程信息的模糊特性,研究了表达烧结过程异常诊断知识的综合型知识表达方式.知识库的组织包括数据库、事实库、模型库和规则库.规则库中的规则根据用途不同分组存放,同组规则按优先级别排序,这样的知识组织方式为实现高效快速推理奠定了基础;SPADES系统的知识库具有管理与维护功能,知识学习采用专家指导学习方式;烧结过程异常诊断专家系统的推理机采用多级目标推理的混合推理机总体目标推理采用过程化推理,按异常类型判断、异常原因分析、操作决策顺序进行;烧结过程异常状况的诊断采用模糊诊断确定假定异常集合,再通过反向推理验证假定异常集合中的元素,确定出现的异常类型;异常原因分析和操作决策采用正向推理.对于本系统中模糊规则的模糊性传递问题,采用基于确定因子法的不精确推理策略,以及基于模糊规则的模糊匹配方法.SPADES系统在生产现场的应用结果证明了本系统知识表达方式和推理机可以实现模糊知识的表达和高效推理.     

基于粗糙近似空间中的模糊信息表示

粗集理论与模糊集合理论都是研究信息系统中知识不完备、不准确问题，两者都可利用观测数据表达知识，进行推理。针对传统粗集环境下知识表示模型用固定的属性集来描述对象这一局限，提出利用模糊属性模型对知识表达系统进行信息描述，并给出了模糊属性模型下对象及其上下近似空间的模糊表示。     

一种基于系统不确定性的主动式知识学习算法

主动式知识学习方法不依赖于先验领域知识，其学习过程受信息系统的内在属性控制，所产生的知识系统能够更客观地表达信息系统的潜在特征和规律。系统不确定性能够有效地控制主动式知识学习过程。基于粗糙集理论，提出一种系统不确定性度量方式，结合Skowron算法，设计出一种基于系统不确定性的主动式决策规则知识学习算法。仿真实验结果表明该算法能够更好地适应系统的不确定性，其综合性能明显优于其他同类算法。     

关于模糊粗糙集的一个注记

指出文献[6]中定义的模糊粗糙集的补集不再是模糊粗糙集.为了克服原定义中的缺陷,给出了关于模糊粗糙集的新的补集定义,讨论了相应的运算性质.同时还证明:模糊粗糙集其实就是定义在F格L上的L-模糊集.     

双向S-粗糙模糊集及其应用

利用模糊元素迁移的概念,将静态的模糊集推广到动态的模糊集,得到双向S-模糊集。以此为基础,提出了双向S-粗糙模糊集,给出了双向S-粗糙模糊集的结构。分析了双向S-粗糙模糊集与Z.Pawlak 粗集、Dubois粗糙模糊集以及双向S-粗集之间的关系。给出了双向S-粗糙模糊集的应用。     

Vague集、模糊集和粗糙集的内在联系及其转化

研究了Vague集、模糊集与粗糙集之间的内在联系和互相转化．证明了：对于给定的粗糙集,可以在它的幂集上定义一个伴随的Vague集（模糊集）;反过来,给定的一个Vague集（模糊集）,可以定义它伴随的粗糙集．另一方面,在一个粗糙集系统给定的两个等价关系之间,可以定义它们的相对Vague集（模糊集）;同一个论域上的两个不同的Vague集（模糊集）可以定义它们的相对粗糙集,从而利用粗糙集方法研究它们之间的相对关系．     

改进的粗糙集模糊聚类算法及其应用

通过将粗糙集和模糊聚类算法相结合, 利用粗糙集中上近似集和下近似集的概念改进模糊聚类算法, 解决了模糊聚类边界不确定的问题, 得到了上近似集和下近似集的聚类结果, 从而实现更好的聚类, 改进算法可以处理边界问题和复杂数据问题. 将改进的粗糙集模糊聚类算法用于研究环糊精聚类, 并将聚类结果与K均值聚类分析算法、 模糊C均值聚类算法相比, 实验结果表明, 改进算法有较好的聚类效果.     

粗糙模糊集的一种新的构造方法

通过表现定理从新的角度建立了模糊粗糙集的近似算子，并指出可以用类似的方式建立模糊粗糙集的近似算子．     

一种新的双论域上模糊粗糙集

粗糙集模型的推广一直是粗糙集理论研究的一个热点.该文基于模糊相容关系,定义了双论域上模糊集的上下近似算子,从而得到了一种新的双论域上模糊粗糙集模型,并研究了它的性质.     

粗糙集和模糊集的比较分析

介绍了模糊集和粗糙集各自的理论和特点,并讨论了模糊集和粗糙集的各自优点和缺点,有机将两种理论结合起来分析了模糊粗糙集、粗糙模糊集及粗糙隶属函数的性质及应用,引入变精度思想,在粗糙模糊集上定义其上下近似。     

基于凸Rough集的数据约简和规则发现研究

为了有效地从凸序列中约简数据和发现知识，解决Rough集集中的凸序列问题，在深入研究凸序列和Rough集理论的基础上，提出了凸Rough集模型，定义了凸Rough集和凸Rough集糊集，给出了凸Rough集糊集的隶属函数和应用凸Rough集进行数据约简及规则发现的算法，最后分析了一个应用案例，验证了模型的可行性，表明应用凸Rough集模型可以更好地进行数据约减和规则发现。     

优势关系多粒度粗糙模糊集及决策规则获取

为了将多粒度粗糙集方法进一步扩展以适应模糊信息系统的需求,将多粒度思想引入到基于优势关系的粗糙模糊集模型中,提出了基于优势关系的乐观和悲观多粒度粗糙模糊集.在这2种多粒度粗糙模糊集中,采用一族而非一个优势概念来进行目标的逼近,并且被近似的目标是模糊而非清晰的集合.不仅对这2种新的粗糙模糊集的性质进行了讨论,而且研究了如何从模糊信息系统中获取逻辑连接词为"或"的决策规则,并采用一个模糊信息系统对新提出的粗糙集模型及决策规则获取进行了实例分析.结果表明:借助优势关系的方法,可以进一步扩展多粒度粗糙集方法,以处理模糊数据,从而扩大多粒度概念的应用范围.     

直觉模糊粗糙集的公理化

直觉模糊粗糙集的公理系统是直觉模糊粗糙集理论与应用的基础,文章定义了直觉模糊集的2种运算,基于这些运算和直觉模糊粗糙集公理化模型,给出直觉模糊粗糙集新的公理系统;该系统用一条简洁的公理描述了直觉模糊粗糙集,为直觉模糊粗糙集理论研究的深入和完善提供了有益的帮助。