数据库中模糊数据的判别

利用模糊逻辑的基本原理和方法,对数据库中待输入的数据进行模糊化处理,并利用解模糊函数对其进行判别,以便更准确地处理模糊数据.     

直觉模糊熵改进的公理化定义和计算公式

直觉模糊熵是用来刻画直觉模糊集的不确定性和未知性程度的,首先介绍了模糊熵的定义,给出了直觉模糊集的相关知识;接着分析和深入探讨已有直觉模糊熵公理化定义,找出存在的缺陷对其进行修改;然后分析已有直觉模糊熵公式,概括出其中的要点,提出一个新的计算公式;最后举例说明改进的公理化定义和计算公式符合客观规律.     

改进模糊聚类算法及其在入侵检测中的应用

针对将数据集隶属度概率和为1的条件用于模糊性事件时,影响聚类的正确率的情况,在不确定理论的基础上,研究了数据隶属度问题,提出一种新的基于隶属关系不确定的可能性改进模糊聚类算法.该算法在迭代过程中将聚类的可能隶属度与不确定性隶属度引入到目标函数中,使得样本中的元素不局限于仅属于一个聚类,与现有的聚类算法相比具有更好的聚类结果.通过在KDDCUP99数据集上实验,验证了该算法在入侵检测中的检测率为95.8%, 分别高于K-均值算法的检测率(60.4%)和FCM算法的检测率(64.6%).     

模糊群决策分析

从单一决策者的独米情形到多个决策者的集议情形，决策的关键在于由每个成员的偏好形成群体偏好的次序和方式，本文在模糊优先关系的基础上，结合模糊极大集与模糊极小集的概念，提出了两类折衷型决策方法，用以解决模糊环境下的多属性、群决策问题。     

模糊分类回归法及在矿床预测中的应用

把模糊数学与传统的统计方法相结合，提出一种模糊分类回归法。该法先用模糊数学最大隶属度原则判别，然后对每类单元取其变量的隶属度作为回归变量，建立回归模型，用于矿床预测。     

基于多阶段的模糊C-均值算法的模糊聚类分析研究

对模糊聚类分析算法进行研究,在模糊Ｃ－ 均值算法（ＦＣＭ）的基础上加以改进,将聚类过程分为二个阶段,形成多阶段模糊Ｃ－ 均值算法（ＭＦＣＭ）,使其对Ｉｒｉｓ数据聚类．研究表明：多阶段的模糊Ｃ－ 均值算法比模糊Ｃ－ 均值算法性能优越．     

模糊聚类算法的优化设计

文章阐述了模糊C-均值聚类算法(FCM)原理及存在的缺点,通过将粒子群优化算法思想应用到模糊聚类算法中,对模糊聚类算法进行了优化设计.实验证明,改进的算法具有较好的全局最优解,克服了传统模糊C聚类算法的不足,聚类效果优于单一使用FCM算法.     

模糊贴近度的覆盖粗糙模糊集不确定性度量研究

针对一种覆盖粗糙模糊集的不确定性度量,分析了不确定性的物理含义,给出了一种基于模糊贴近度的度量方法,进而对其性质进行了分析。结果表明该度量方法能客观反映粗糙模糊集不确定性的程度,从定量的角度为刻画粗糙模糊集的不确定性提供了方法。     

语音模糊特征提取及码本训练算法

为克服低速率声码器因清浊音硬判决、粗判决而导致解码语音有帧过渡等不自然感的缺陷,在分析比较目前主流声码器编码算法中激励参数提取和量化算法的基础上,将模糊数学中的隶属度概念引入语音子带清浊音描述.提出了五维的浊音隶属度矢量概念,用于精细描述语音丰富的激励信息;阐述了浊音隶属度矢量的提取算法;提出了矢量量化码本的模糊聚类与LBG级联训练算法(F-LBG:Fuzzy-LBG);采用提取算法提取、建立了浊音隶属度码本的训练样本集,采用F-LBG训练了浊音隶属度码本;将提取算法和F-LBG法训练得到的浊音隶属度码本分别应用于正弦激励声码器、混合激励声码器和同态声码器的语音编、解码仿真.结果表明,用浊音隶     

模糊控制隶属函数的优化算法及其应用

确定合适的隶属函数对模糊控制效果有重要影响，是应用模糊控制的基础，也是难点之一．本文应用遗传算法优化隶属函数，阐述了基本原理和具体实施过程，最后将该算法应用于一类对象模糊控制系统的设计中．结果表明：该方法简单实用，具有较为理想的效果     

模拟信源标量量化的模糊c-均值算法

为改进模拟信源标量量化的收敛速度,将模糊逻辑中的模糊c-均值算法进行适当改造,应用到模拟信源的标量量化过程中,即形成了模拟信源标量量化的模糊c-均值算法。算法将迭代过程中的分区矩阵“元素化”放宽了限制条件。仿真结果表明,新的模糊c-均值算法在选择合适的精度E的条件下,随着分区数目增加和训练序列长度的增加,收敛速度要远优于传统的c-均值算法,同时通过控制参数E,可以在收敛速度和量化失真度量M SE之间进行权衡。     

一类模糊半定规划问题的解法

由于内点法的发现和半定规划在控制论、组合优化、统计学等方面的重要应用,半定规划近几年来已成为优化中最活跃的领域。然而许多实际问题很难将它们的目标函数和约束函数精确地描述出来,因此有必要将模糊集理论应用到半定规划中来,进而通过求解模糊半定规划使问题得以解决。     

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。     

模糊理论与统计理论的关系

讨论了Zadeh理论的必要性和模糊理论的一些基本问题 .并从哲学的角度阐明了它们之间的辩证关系     

机械故障诊断中的模糊识别法

所讨论的诊断方法是应用模糊推理和模糊识别理论，在判断故障产生的原因及程度两方面，进行了系统的阐述，给出了故障与征兆之间模糊关系的条件分布函数及其确定方法和模糊识别理论的数学模型．通过对牙轮钻头实验台振动诊断，结果表明该方法具有良好的可应用性、合理性和有效性     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

Modeling Multisource-heterogeneous Information Based on Random Set and Fuzzy Set Theory

This paper presents a new idea, named as modeling multisensor-heterogeneous information, to incorporate the fuzzy logic methodologies with mulitsensor-multitarget system under the framework of random set theory. Firstly, based on strong random set and weak random set, the unified form to describe both data （unambiguous information） and fuzzy evidence （uncertain information） is introduced. Secondly, according to signatures of fuzzy evidence, two Bayesian-markov nonlinear measurement models are proposed to fuse effectively data and fuzzy evidence. Thirdly, by use of ＂the models-based signature-matching scheme＂, the operation of the statistics of fuzzy evidence defined as random set can be translated into that of the membership functions of relative point state variables. These works are the basis to construct qualitative measurement models and to fuse data and fuzzy evidence.     

熵权和水轮机模糊综合最佳选型

水轮机造型设计因涉及因素多,不同型号水轮机的诸多性能可能各有优劣,错综复杂的性能优劣条件使设计人员难以定量地评价、选型提出信息论的熵权和模糊综合评价相结合选择水轮机机型的方法,可定量地综合评价不同型号水轮机,并可克服以往权重确定的主观臆断性,使选型设计更加科学化     

模糊神经网络结构动态学习算法

提出了一种模糊神经网络（ＦＮＮ）结构学习算法,根据输入样本动态构建ＦＮＮ的输入节点及其对应的输入隶属函数,从而实现动态确定ＦＮＮ的结构,大大减少了对初始学习本本数目的要求,提出了ＦＮＮ学习算法在实时控制中的适应能力,仿真结果表明,这一算法很好地实现了对超出初始学习样本范围的其他样本的学习。