对隶属函数确定方法的进一步探讨

隶属函数的确定不应只侧重于对信息自身模糊性的识别和描述，还应正确描述主体的心理测度．重视主体认识水平的缺陷。探讨了用简便可行的隶属函数度量方法来测量人们进行决策时心理测度上的模糊性，给出了具体不同情况下的描述函数，在一定程度上可以更准确地描述信息的模糊性，从而使决策更具有合理性。     

模糊可靠性分析中基于神经网络技术的隶属函数确定方法

简要介绍了人工神经网络技术的含义,提出了基于神经网络技术的隶属函数求解方法,并用实例证明了该方法的实用性和可靠性.     

模糊集合隶属函数的确定方法及实验

通过设计统计实验,研究模糊划分对确定模糊集合隶属函数的影响.实验分为2组,分别在无模糊划分和有模糊划分的条件下进行.实验表明:模糊划分对确定模糊集合隶属函数具有显著影响,在已知模糊划分的条件下,隶属度的稳定性和一致性更好;在没有模糊划分的条件下,隶属函数的波动幅度和跨度更大;采用模糊统计法确定隶属函数时,区间端点的确定...     

模糊线性规划中模糊目标系数的隶属函数的确定

针对模糊线性规划问题中的模糊目标系数的确定,提出了一种两阶段方法.在第一阶段,利用线性插值技术得到一个粗糙的隶属函数;在第二阶段,利用决策者过去的决策来提高所得隶属函数的精确度.     

基于模糊统计的隶属函数神经网络实现方法

采用模糊统计方法获得有限对离散的隶属函数关系，并用神经网络将此关系综合成连续函数表达形式。这一方法进一步完善了隶属函数的统计求法，丰富了经典插值方法，有利于模糊数学理论应用于希望实现并行处理的模式识别等研究领域。     

模糊控制器隶属函数曲线的优化方法

应用遗传算法优化隶属函数曲线的疏密分布，阐述了优化的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。仿真结果表明：该方法得出的隶属函数具有较为理想的控制效果。     

模糊控制中隶属度函数的确定方法

本文对模糊控制理论中的隶属度函数的确定方法进行了广泛的探讨 ,对隶属度函数的四种曲线形状进行了详细的分析 ,并对隶属度函数形状对控制特性的影响进行了研究。指出了能达到控制精度高且稳定性好的控制效果的模糊变量隶属度函数的选择原则 ,为模糊控制设计者提供了理论依据     

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     

神经模糊逻辑控制系统隶属函数和推理规则的确定

针对当前开发模糊控制系统的一个难点——发现最优的隶属函数和模糊规则，研究了利用神经元网络的学习能力，从历史数据中发现隶属函数和模糊规则，在一定程度上减轻了系统开发工作量，克服了由于缺乏经验而可能造成的偏差．文中采用了三个学习算法：Ｋｏｈｏ－ｎｅｎ自组织算法、有监督的竞争算法以及ＢＰ算法，设计了一个二输入一输出的程序，并提供了运行结果     

任意隶属度函数模糊系统的逼近特性

以四边形隶属函数作为一般的隶属函数，利用StoneWeierstrass定理对任意隶属函数的模糊系统任意逼近紧集上的任意连续实函数进行证明，是对基本模糊系统逼近任意连续非线性函数理论的推广，模糊系统对任意非线性函数的逼近性能，是模糊系统用于系统辩识的理论依据。     

岩体模糊分类中隶属函数的等效性

总结出了岩体工程模糊评价中常用的连续隶属函数主要类型有正态型、岭型、三角模糊数和梯形,并给出了相应的基本解析表达式.以岩体分类中的单轴抗压强度为例,研究了具体指标隶属函数建立方法.采用不同隶属函数计算了某岩石试样的单轴抗压强度的隶属度,发现不同隶属函数得出的隶属度有差异.选取影响岩体稳定的五个主要指标,利用某矿深部工程地质资料,计算了其岩体物理力学参数在不同隶属函数下的隶属度,并根据离散型隶属度取值表确定了结构面的隶属度.将不同隶属函数下的各类指标的隶属度进行不同的组合,形成不同的隶属度矩阵,对该围岩进行模糊评判分类,得出最后的分类结果一致.这一研究结果证明了各类隶属函数的等效性、在岩体分类应用中的适应性和正确性,为岩体模糊分类隶属函数的选择提供了依据和便利.     

模糊支持向量机中隶属度确定的新方法

针对目前模糊支持向量机方法中,一般使用样本与类中心之间的距离关系构建隶属度函数的不足,提出一种改进的隶属度确定方法.该方法不仅考虑样本与类中心之间的关系,还考虑样本之间的关系根据样本的类中心与传统支持向量机构造的分类面构建2个超球,由样本点与超球的位置关系计算其隶属度,能够有效地区分样本点、噪音点以及孤立点.通过文本分类实验表明,与其他两种隶属度函数方法相比,基于双超球的模糊支持向量机方法可以更有效地将文本训练集中的噪音剔除,具有较好的分类性能.     

基于实际误差函数和隶属函数机器人避障算法

介绍一种机器人在不确定环境下，通过探障传感器，在探测过程中采用一种模糊神经网络来躲避障碍物的方法。该模糊控制采用有明确意义的模糊隶属函数，由采用有明确物理意义误差评价函数的神经网络来实现，以避免模糊控制的死点从而完成避障路径规划。计算机仿真实验的结果验证了该方法的有效性和实用性。     

基于粗糙隶属函数的规则组合可信度计算与推理

针对离散关系数据库知识发现和不确定性推理问题 ,采用粗糙隶属度函数来确定由粗糙集方法提取规则的可信度因子 ,减少了确定可信度因子的主观因素 ,提高了应用可信度理论进行不确定性推理的可靠性 .针对一医疗诊断的实例给出在结合可信度理论的计算原理之后 ,规则组合可信度的计算和推理过程     

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.     

基于隶属函数的改进Grid_P2P资源检索算法的研究

为了提高P2P网络的资源搜索效率和管理效率,提出了一种改进的Grid_ P2P网络结构,并以此结构为基础提出了基于隶属函数的资源搜索算法GPMA.在改进的Grid_ P2P结构中,通过增加MP层对超级节点的管理,减少了网络的通信延迟;在GPMA算法的实现过程中,利用隶属函数的隶属度来组织节点的加入和路由信息的更新,减少了资源搜索的跳数并提高了资源搜索的效率.通过对仿真结果中的数据进行分析和比较,验证了搜索算法GPMA的优势.     

基于类高斯隶属函数的自适应模糊推理建模研究

由于传统模糊建模方法中模型参数都是根据经验选取的,它对于不同系统的动态跟踪能力不同,泛化能力差。针对常规模糊推理的局限性,提出一种类高斯隶属函数,证明了基于类高斯隶属函数的自适应模糊推理系统以精度逼近任意非线性系统。设计了自适应模糊推理系统的结构和参数调整方案,利用梯度下降算法学习模型中的参数,仿真验证了自适应模糊推理模型的逼近性能。     

Incremental learning of the triangular membership functions based on single-pass FCM and CHC genetic model

In order to improve the efficiency of learning the triangular membership functions (TMFs) for mining fuzzy association rule (FAR) in dynamic database,a single-pass fuzzy c means (SPFCM) algorithm is combined with the real-coded CHC genetic model to incrementally learn the TMFs.The cluster centers resulting from SPFCM are regarded as the midpoint of TMFs.The population of CHC is generated randomly according to the cluster center and constraint conditions among TMFs.Then a new population for incremental learning is composed of the excellent chromosomes stored in the first genetic process and the chromosomes generated based on the cluster center adjusted by SPFCM.The experiments on real datasets show that the number of generations converging to the solution of the proposed approach is less than that of the existing batch learning approach.The quality of TMFs generated by the approach is comparable to that of the batch learning approach.Compared with the existing incremental learning strategy,the proposed approach is superior in terms of the quality of TMFs and time cost.