一个新的基于Vague集的近似推理方法

对于模糊概念(用Vague集表示)的隶属函数为连续的情况,将规则前件中模糊概念的论域与后件中模糊概念的论域作一一映射,给出基于Vague集的隶属函数为连续情况下的近似推理方法;对于Vague集的隶属函数为离散的情况,在作上述相同的映射后,再将规则前件中的Vague集和事实中的Vague集的真/假隶属函数分别进行线性插值,使它们都成为连续函数,然后给出基于Vague集的隶属函数为离散情况下的近似推理方法.     

基于Fuzzy集的插值模糊推理

对于模糊概念 (用Fuzzy集表示 )的隶属函数为连续的情况 ,将规则前件中的模糊概念的论域与后件的模糊概念的论域作一一映射 ,然后给出基于Fuzzy集的隶属函数为连续情况下的插值模糊推理方法 ;对于Fuzzy集的隶属函数为离散的情况 ,在作上述相同的映射后 ,再将规则前件中的Fuzzy集与事实中的Fuzzy集的隶属函数分别进行线性插值 ,使它们都成为连续函数 ,然后给出基于Fuzzy集的隶属函数为离散情况下的插值模糊推理方法 .     

基于Fuzzy集的插值模糊推理

对于模糊概念（用Ｆｕｚｚｙ集表示）的隶属函数为连续的情况,将规则前件中的模糊要领的论域与后件的模糊概念的论域化一一映射,然后给出基于Ｆｕｚｚｙ集的隶属函数为连续情况下的插值模糊推理方法;对于Ｆｕｚｚｙ集的隶属函数为离散的情况,在作上述相同的映射后,再将规则前件中的Ｆｕｚｚｙ集与事实中的Ｆｕｚｚｙ集的隶属函数分别进行线性插值,使它们都成为连续函数,然后给出基于Ｆｕｚｚｙ集的隶属函数为离散情况下的插值     

具有连续属性的不完备信息系统Rough集扩展

在模糊相似关系的基础上,针对具有连续属性的不完备信息系统提出了Rough集的扩展模型;利用模糊区间数来表示不完备信息表中缺失的连续属性值,并根据属性值的概率分布情况计算模糊区间数的可能度,在模糊关系的基础上给出了不完备信息表的上近似和下近似的定义;利用基于欧氏距离的贴近度法计算模糊相似度,构造相似矩阵,实现了对论域的划分;给出决策规则的约简和表示方法,应用实例说明了所提出的Rough集模型及规则的实用性。     

机械设备模糊故障诊断中权重集隶属度函数的确定

目前机械设备模糊故障诊断中多以振动的位移幅值为论域建立权重集，其隶属度函数都采用“升半哥西分布”。而现行机械振动标准（ＩＳＯ２３７２，ＩＳＯ３９４５）是以振速方均根植为论域制定评价机械设备状态的门槛值。本文通过拟合优化给出了几种适用于标准中规定的各类设备的权重集隶属度函数，供从事机械设备故障诊断的科技人员参考使用。     

一类典型模糊逻辑控制器的输出结构

研究一类特殊的多输入单输出的模糊逻辑控制器 ,其组成规则中的输入输出语言变量的语言值均取正规的三角形隶属函数 ,且分别作成其相应论域的模糊划分 ,在其输入输出之间存在一种特殊的映射关系———线性规则映射 .经分析得到结论 :模糊逻辑控制器的输出可以表示成输入的凸组合函数 .这一结论建立了模糊逻辑控制器的精确数学模型 ,对于模糊逻辑控制器的分析和调整提供了直接依据 .     

机械设备模糊故障诊断中权重集隶属度函数的确定

目前机械设备模糊故障诊断中多以振动的位移幅值为论域建立权重集，其隶属度函数都采用“升半哥西分布”。而现行机械振动标准（ＩＳＯ２３７２，ＩＳＯ３９４５）是以振速方均根值为论域制定评价机械设备状态的门槛值。本文通过拟合优化给出了几种适用于标准中规定的各类设备的权重集隶属度函数，供从事机械设备故障诊断的科技人员参考使用。     

一种基于区间值模糊集的模糊推理方法

对区间值模糊集的论域分类讨论,给出基于区间值模糊集论域为连续时的模糊推理方法; 区间值模糊集论域为离散时,将其线性插值为连续,然后给出论城为离散情况下的模糊推理方法。     

基于标准论域的模糊控制器设计

设计模糊控制器时常常遇到的困难之一就是为各语言值确定合适的隶属函数.为此本文作者提出了基于标准论域的模糊控制器设计方法.作者首先提出"标准论域"的概念,在标准论域上隶属函数的形式简单、易于处理.然后,通过基础论域到标准论域上的连续单增变换,作者从整体上考虑了一个语言变量所有语言值的隶属函数,而不是像现有的方法一样孤立地确定各个语言值的隶属函数,从而大大减少了工作量.最后,作者详细说明了基于标准论域的模糊控制器的结构,推导了它的输入输出对应关系.现有的模糊控制方法的输入输出关系与基础论域采用的尺度有关,新方法则没有这一缺陷,而且利用这种模糊控制器结构可以方便的实现变论域模糊控制.     

基于粗糙集的不确定性知识处理方法

本文针对在粗糙集理论中由来自给定论域里粗糙近似的边界这种原因而引起集合知识的不确定性,提出了一种粗糙可观察的处理方法。利用粗糙隶属函数及粗糙可观察的概念,使粗糙集合可近似用论域上的基本集的并来表示,即近似为一个可定义集,从而实现粗糙集合不确定性知识的确定化。     

基于粗集和模糊集的启发式规则约简算法研究

提出了一种新型的决策规则约简方法。基于均匀划分和正态分布隶属度函数,对决策表的连续属性进行模糊化,用欧氏距离贴近度来构建相似矩阵,并提出了一种论域的模糊划分算法;依据粗糙集隶属度进行属性约简的基础上,给出了一种决策规则约简算法,从而达到发掘知识并简化知识的目的。     

基于Vague集的双向近似推理

给出了一种新的Vague集间的上似度量方法，提出了Vague集间相似方向的概念，可以用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法，在此基础上给出了一种基于Vague集的双向近似推理方法，该方法更好地利用了Vague集信息的精确性，从而提高了推理的精确性和适用性，为智能系统中的近似推理提供了一个十分有用的工具。     

基于邻域的隶属度覆盖粗糙集模型

通过覆盖粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系.把覆盖粗隶属函数视为论域上的一个特殊模糊集,用它的α-截集和β-强截集的概念,将覆盖粗糙集模型进行推广,提出基于邻域的隶属度的覆盖粗糙集模型,并讨论了其性质.     

集值模糊目标信息系统的近似分配约简

基于集值信息系统上的变精度相容关系,定义了集值模糊目标信息系统的模糊目标在给定相容水平下的上近似与下近似,提出了一定截集水平下的上近似分配约简与下近似分配约简概念,这种约简是单值目标模糊信息系统上精度约简概念的推广,同时也是经典目标信息系统上近似分配约简概念的推广.进一步,在集值模糊目标信息系统引入区分矩阵与区分函数,给出了计算上近似分配约简与下近似分配约简的方法.     

语义Web规则语言的模糊扩展

语义Web规则语言SWRL有较强的表达能力.但它无法表示语义Web中含有的大量不精确和不确定的知识和信息;模糊集中单个隶属度不能准确表达模糊信息;f-SWRL中的权重只能表达模糊类和模糊属性的重要程度.针对以上问题,提出了一种基于vague集的模糊SWRL的扩展形式vague SWRL,给出了二级权重的概念来修饰和限定模糊类和模糊属性的隶属度,研究了vague-SWRL的语法语义,给出了vague-SWRL的规则实例.Vague集的引入,特别是二级权重的引入,增强了模糊规则的表达能力,符合语义Web的发展趋势,具有较大的优越性.     

多粒度粗糙集近似集的增量方法

利用正确分类率来考虑属性论域同时变化时基于向量矩阵的经典多粒度粗糙集上下近似集的动态近似更新。首先讨论了论域缩小属性增加时,多粒度粗糙集的上下近似算子一些性质的改变,并给出了基于向量矩阵的近似集更新方法;其次讨论了论域缩小属性减少时,相应算子性质的变化,并给出了基于向量矩阵的近似集更新方法。新方法有效地缩小了经典多粒度粗糙集近似集更新时的搜索区域。     

粗糙集的模糊隶属度表示及其相互关系

利用论域U上任意粗糙集的近似精度ρR(X)定义了基于近似精度的粗糙隶属函数,实现了对任意粗糙集边界域中元素更为准确的刻划.用模糊集的隶属函数进一步揭示了粗糙集的本质.     

基于标准论域确定隶属函数的方法

作者提出了一种基于标准论域确定隶属函数的新方法. 该方法对语言值集进行通盘考虑,而不是孤立地确定某一个语言值的隶属函数. 作者首先明确提出了标准论域的概念, 在标准论域上,语言值的隶属函数形式简单而且易于得到,然后利用语言值在基础论域和标准论域上的峰值点,采用插值或拟合方法确定基础论域到标准论域上的变换,进而由标准论域上的隶属函数得到基础论域上的隶属函数     

一种粗模糊神经分类器

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并利用模糊隶属度函数将输入精确信息映射为模糊变量信息，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法。实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。     

基于覆盖的粗糙隶属函数

粗糙隶属函数最初是基于等价类的,然后被推广到拓扑结构上.注意到无论是等价类还是拓扑都构成了论域上的一个覆盖.鉴于此,我们引入了基于覆盖的粗糙隶属函数的概念,研究了其性质,并给出了一个公理化的定义.