AFS模糊逻辑系统及其在模糊信息处理上的应用

为了应用AFS代数和AFS结构处理模糊信息,给出了AFS代数的逻辑非运算“′”,进而使AFS代数成为一个新的逻辑系统AFS模糊逻辑系统·它不是用T模,S模和非算子定义的,而是从问题的原始数据(数据库)用统一的算法建立起来的·它不但与人类思维逻辑相似而且便于计算机把数据库中的大量信息转化为人们能够理解和处理的模糊集     

概念的EI代数表示与布尔矩阵表示的研究

AFS方法是一种新的模糊数学分析方法，它包括AFS代数——一种非布尔代数的分子格，AFS结构——一种特殊的“system”(“system”是组合数学中的一个主要的数学对象)和认知域．在AFS代数和AFS结构的基础上，用AFS方法给出了EI代数和布尔矩阵环之间的一个同态关系，并证明了与每个布尔矩阵对应的所有概念的集合在EI代数上形成一个子代数．并且找到了子代数的一些性质和研究子代数的新方法．应用这些新方法和子代数的性质可以深入研究概念的数学本质．     

一种新的特征展开模糊推理方法

在Zadeh提出的模糊推理合成规则及陈永义等提出的模糊集特征展开近似推理方法的基础上,给出了新的模糊推理合成方法,定义了模糊集的一种新的特征展式,分别给出了计算一般模糊推理和双重蕴涵命题模糊推理的新方法,并把它们推广到一般情形,即一个模糊推理系统是由一组多重蕴涵命题组成的情形,得到一种新的模糊集特征展开推理方法.这种方法使得模糊推理合成计算简单,给Fuzzy控制器的设计带来方便.     

基于模糊推理的管理数据库的知识挖掘

通过对学生管理数据库中学生的成绩，采用模糊数学中的多重多维模糊推理方法，首先建立了学生成绩数据的模糊推理规则及相应的隶属函数，给出与其对应的多重多维模糊推理模型，在此基础上对学生管理数据库中学生成绩数据进行知识挖掘，给出了学生个人综合素质的分类。与此同时，我们对模糊推理中隶属函数的构造方法、模糊推理过程中合成算子的选择及模糊向量的处理进行了研究，得出了比较满意的结论。     

具有特殊属性的关系数据库模式的研究与实现

文章对关系数据库的一些特殊属性进行了研究，提出了一种新的研究方法；从而对关系模式进行了扩充；给出了新的意义下的数据库模式及代数；并给出了一个实例。     

一种基于模糊神经网络控制系统的构建方法

给出了在构造基于模糊神经网络的控制系统的过程中利用遗传算法优化输人向量维数的一种改进方法,在此基础上进一步给出了一种通过数据分类提取模糊推理规则的方法,并且将两种方法结合起来形成一种基于模糊神经网络控制系统的构建方法．     

能够表示缺省知识的模糊推理方法

模糊推理是人工智能中的一种不精确推理方法。本文采用基于max—⊙复合运算下的新的复合推理规则,在基于R_b的模糊推理框架中,利用可能性量化语句,提出了一种能够表示缺省知识的模糊推理方法,从而,提高了模糊推理表示和知识处理的能力。     

采用模糊Petri网的形式化推理算法及其应用

以模糊Petri网为工具，研究了多种约束条件下的人类知识和推理过程的表示方法．在此基础上，将模糊Petri网与矩阵运算相结合，给出了模糊推理过程的形式化推理算法．算法考虑了推理过程中的众多约束条件，包括命题在规则中的权重、变迁触发的阈值、规则的可信度以及多结论规则等，将复杂的推理过程采用矩阵运算实现，充分利用了模糊Petri网的并行处理能力，使模糊推理过程更加简单、快速和易于实现。     

两种新的相似性度量在模糊推理中的应用

基于相似度的推理在模糊专家系统中是一种重要的方法,指出了已被定义的两种相似度在模糊推理中的局限性,并且给出了两种新的相似度,又举例验证了这两种新的相似性度量在模糊推理中的合理性。     

EI代数的阶数

在AFS理论的基础上给出了EI代数阶数的定义，提出并详细证明了有关EI代数阶数的重要定理，这些定义与定理可以更好地解决模糊概念的表示、合成、运算和模糊数据挖掘问题，并在基于AFS理论的模糊信息处理中有重要应用。