D型隶属函数与模糊度

研究D型隶属函数与O型隶属函数的关系,证明了确定X上一个D型隶属函数等价于确定X上一个O型隶属函数和X×X上一个O型隶属函数。并讨论了D型隶属函数与聚类的关系,对D型模糊集和O型模糊集分别定义了模糊度且研究了相应的性质。     

模糊映照

定义 设X、Y是两个点集。f称为X到Y的模糊映照,记为f～→Y,是指X的每一点x,对应于Y上一个非空模糊集f(x),其从属函数记为μ_(f(x))(y)。 通过μ_(f(x))(y)=μ_R(x、y),(?x∈X,?y∈y),这样的联系,说明X到Y的模糊映照f与X×Y上的模糊关系R这两个概念是等价的。因此,两个模糊映照f:X～→Y和g:Y～→Z的合成g。f;X～→Z,按模糊关系的合成法,有     

粗集中的隶属函数及其与模糊集的联系

通过模糊集“弱包含于B”的引入，利用模糊隶属函数对普通粗集、粗模糊集和模糊粗集中的隶属函数进行了描述，得到了粗集理论与模糊集理论在隶属函数上的相关性．并从语义的角度讨论了粗集与模糊集的区别和联系．     

朴素模糊描述逻辑知识库构造及其朴素推理

提出朴素模糊描述逻辑理论框架,主要分为朴素隶属函数构造和基于模糊描述逻辑之上的朴素推理两个方面.朴素隶属函数构造的基本思想是简化模糊集合隶属度取值,并把模糊集作2种理解——即它的隶属函数或是元素隶属它的程度,或是元素聚合的标志性指标.并且当问题需要深化时,通过模糊集理论中的2型集或2级集进行提升,然后再化归为普通模糊集,借此拓广模糊集隶属度和(或者)产生新的模糊集.在推理方面,运用模糊集理论中"所有算子",并不强调它们在逻辑上的一致性.最后以中医理论为例,说明朴素模糊描述逻辑在表达有别于西方自然科学范型的经验理论中的重要作用.     

基于样本模糊隶属度归n化约束的松弛模糊C均值聚类算法

模糊C均值聚类算法(FCM)由于样本模糊隶属度归一性的约束,导致FCM算法对噪声数据敏感。提出松弛模糊C均值聚类算法(RFCM),RFCM算法在可能性C均值聚类算法(PCM)目标函数的基础上,放弃了FCM算法单个样本模糊隶属度归一化约束,转为n个样本模糊隶属度之和为n的约束;并利用粒子群算法对样本模糊隶属度进行优化估计,使得模糊指标可拓展为m0的情况,同时采用梯度法得到RFCM算法聚类中心迭代公式。RFCM理论分析了算法对噪声数据抗噪的原理,解释了RFCM算法模糊指标m0的合理性,讨论了RFCM算法的收敛性。基于Gauss数据集和UCI数据集的仿真测试验证了所提出算法的有效性。     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题,提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM.该算法利用分布式K-Means聚类算法对每个数值型属性进行聚类,求得聚类中心,由此构造全局模糊集,定义全局隶属度函数.DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘,采用全局-局部站点模式,其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF.实验结果表明,该算法能准确地生成全局模糊频繁项目集,在求解全局模糊频繁项目集过程中,传送局部模糊候选项目集支持数的通信量为O(n),提高了算法的挖掘效率.     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题，提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM．该算法利用分布式K—Means聚类算法对每个数值型属性进行聚类，求得聚类中心，由此构造全局模糊集，定义全局隶属度函数．DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘，采用全局一局部站点模式，其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF．实验结果表明，该算法能准确地生成全局模糊频繁项目集，在求解全局模糊频繁项目集过程中，传送局部模糊候选项目集支持数的通信量为O（n），提高了算法的挖掘效率．     

结构系统多目标模糊优化对称解的一般形式

基于模糊判决原理及贴近度原则，兼顾模糊目标和模糊约束的最优性隶属程度，构造判决函数。给出多目标结构系统模糊优化对称解的一般形式，定义多目标模糊优化的有效解和弱有效解的概念，提出几种基本的解法。     

隶属函数μ_(u)的扰动问题及扰动算子研究

提出隶属函数μA～ ( u)的扰动概念 ,给出了扰动隶属区间函数的定义作为一般隶属函数的一种延拓 .对扰动模糊集仍沿用一般模糊集的“并”、“交”、“补”运算 ,并仍记为 A～ ,说明了全体扰动模糊集对这三种运算是封闭的 .给出了隶属区间度的扰动算子“∧.”、“∨.”运算和隶属区间矩阵等概念 ,使得对模糊概念的描述更加符合客观实际     

隶属函数μA～(u)的扰动问题及扰动算子研究

提出隶属函数μA~(u)的扰动概念，给出了扰动隶属区间函数的定义作为一般隶属函数的一种延拓，对扰动模糊集仍沿用一般模糊集的“并”，“交”，“补”运算，并仍记为A~,说明了全体扰动模糊集对这三种运算是封闭的，给出了隶属区度的扰动算子“∧”，“任意”运算和隶属区间矩阵等概念，使得对模糊概念的描述更加符合客观实际。     

Чepe3算予空间

定义一:线性赋范空间C,C={z:z=(x,y),x,y为实数,对于Banach空间X,有算子T,使T:G→R(T)(?)X(其中G≡D(T)(?)C)则称算子空间{T}为G上ЧеРеэ算子空间,记为Ч_G(X)。/当X≡C,G是平面区域时,则Ч_G(C)就是定义在区域G上的复变函数f(z)所成的     

松弛模糊C均值聚类算法*

模糊c均值聚类算法(FCM)由于样本模糊隶属度归一性的约束,导致FCM算法对噪声数据敏感。提出松弛模糊C均值聚类算法(RFCM),RFCM算法在可能性c均值聚类算法(PCM)目标函数的基础上,放弃了FCM算法单个样本模糊隶属度归一化约束,转为n个样本模糊隶属度之和为n的约束,并利用粒子群算法对样本模糊隶属度进行优化估计,使得模糊指标可拓展为m>0的情况,同时采用梯度法得到RFCM算法聚类中心迭代公式。RFCM理论分析了算法对噪声数据抗噪的原理,解释了RFCM算法模糊指标m>0的合理性,讨论了RFCM算法的收敛性。基于gauss数据集和UCI数据集的仿真测试验证了所提出算法的有效性。     

直觉模糊集的截集

首先指出一个直觉模糊集是L-模糊集且X上所有直觉模糊集的集合是一个完备格．其次,分别给出了直觉模糊集截集、直觉集合套的定义;讨论了有关直觉模糊集截集的性质．在此基础上,给出了直觉模糊集的分解定理和表现定理．最后,讨论了直觉模糊集截集与直觉模糊子群的关系,证明了A是群G的一个直觉模糊子群的充分必要条件是A的截集是G的一个子群．     

模糊规划在结构优化设计中的应用

本文讨论了结构模糊优化设计的一般性模型,给出了最优解集和目标函数的隶属度定义,从而可以把结构模糊优化设计问题转化成约束和目标隶属度函数的普通非线性规划。算例表明,按本文的方法处理结构模糊优化设计,不仅可得出优化设计方案,而且计算量较α——水平载集解法少得多。     

模糊集范畴

在模糊集的理论和应用研究中，一个基本问题是怎样把模糊集组织成一个范畴，相应的范畴具有什么样的性质?这一问题自Zadeh引入模糊集的概念之后，一直受到人们的关注.简要介绍2个具有代表性的解决方案，其一是由Goguen提出的Goguen范畴，其二是受topos理论影响发展起来的Q-集理论.这2种方案差异很大，Goguen范畴把模糊集的隶属函数看作一个集合到单点集的模糊关系，因而2个模糊集之间的态射就是2个集合之间满足一定条件的模糊关系；Q-集范畴则把隶属函数看作类型函数，因而2个模糊集之间的态射就是2个类型函数之间满足一定条件的模糊关系.这2种方案的共同特点在于充分利用逻辑值域的逻辑结构，这也是模糊集理论区别于其他数学分支的一个基本特征.     

"小集合"上的Lipschitz函数的可微性

设f为定义在可分Banach空间的非空闭凸集C的非支撑点集N（C）上的局部Lipschitz函数。本文证明了对任何u∈N（C），均存在闭凸集D真包含于C，使得f在D上的限制函数fv的每个Gateaux可微点均是f相对于D的Frechet可微点，因而fv相对于D的Frechet可微点集是D的一个稠密的Gδ-子集；同时指出了эfv在点x∈N(D)处单值且范－范上半连续不是fv在点x处相对于D Frechet可微的必要条件，这是Rainwater文章中的一个错误。     

二级圆柱齿轮传动的双目标模糊优化设计

建立以体积最小和等强度为目标函数的二级圆柱齿轮传动的双目标模糊优化设计数学模型。充分考虑了影响因素的模糊性,运用λ水平截集法将模糊约束转化为普通约束。将各单目标约束最优解模糊化,进而求取各单目标模糊最优解的交集,交集隶属函数最大值对应的解,便是双目标问题的最优解。     

Banach空间中一类广义扰动优化问题最优解的存在性

设X是Banach空间,G是X的非空闭子集,C是X的有界闭凸子集,且0是C的内点,J:G→R是下半连续下有界函数;取x∈X,设φ(x)=infz∈G(J(z)+pC(x-z)).研究了广义扰动优化问题infz∈G(J(z)+pC(x-z))(记作(JC,x)-inf)解的存在性;讨论了函数φ(x)的单侧导数与(JC,x)-inf问题解的存在性的关系;给出了当C紧局一致凸,φ(x)的单侧导数等于1或-1时,(JC,x)-inf问题有解.所得结果推广了已有的一些结果.     

关于Kuhn-Tucker定理

令f_i(x)=f_i(x_1,x_2,…,x_n),i=0,1,…,m,为m 1个定义在区域x≥0上的函数,其中f_0(x)称为目标函数,其余称为约束函数。令R代表点集 此点集以后称为约束集。考虑问题 极大问题:在约束集R上,求目标函数f_0(x)的极大值。连系极大问题,考虑另一问题     

模糊下割集与模糊交割集

通过对模糊集理论的研究,提出了模糊割集的一个新概念{x0≤μA(x)≤α}称之为模糊下割集,并讨论了模糊下割集与原模糊割集之间的关系及模糊下割集和模糊交割集若干性质。