关于模糊集值随机积分的一种新定义及相关性质

利用集值随机积分定义和水平截集方法,给出了模糊集值随机积分的一种新定义,并研究了模糊集值随机积分的鞅性和可加性．     

关于模糊集值随机积分的相关性质

本文利用模糊集值随机积分的定义,运用集值随随机积分的相关性质,研究了模糊集值随机积分的可加性,鞅性及最大值不等式性质．     

粗双枝模糊集的模糊性度量

为更深入地探讨粗集和双枝模糊集的关系,在粗双枝模糊集的基础上,提出了粗上枝模糊集、粗下枝模糊集、粗双枝模糊集的模糊度的概念.在有限论域上,给出了粗上枝模糊集、粗下枝模糊集、粗双枝模糊集模糊度的定理,讨论了相应的Haming模糊度、Euolid模糊度及Minkowski模糊度.     

直觉模糊集熵的一种计算公式

为进一步精确度量直觉模糊集的模糊性,改进了直觉模糊集的模糊度的公理化形式,并给出了直觉模糊集的模糊度计算公式.利用直觉模糊集的模糊度和犹豫度,给出了直觉模糊集熵的计算公式,并举例验证了该计算公式的有效性.     

基于三值模糊集的直觉模糊向量子空间

针对直觉模糊集截集的新定义-三值模糊集,对直觉模糊向量子空间的有关理论重新进行了研究:利用三值模糊集给出了直觉模糊子空间和直觉模糊仿射集的定义,讨论了直觉模糊集成为直觉模糊子空间或直觉模糊仿射集的充要条件及直觉模糊仿射集与直觉模糊子空间的关系;给出了直觉模糊线性变换和直觉模糊仿射变换的定义,并研究了二者之间的关系。结果证明:在三值模糊集的定义下直觉模糊向量子空间的有关结论仍然是成立的。     

基于三值模糊集的直觉模糊向量子空间

针对直觉模糊集截集的新定义-三值模糊集,对直觉模糊向量子空间的有关理论重新进行了研究:利用三值模糊集给出了直觉模糊子空间和直觉模糊仿射集的定义,讨论了直觉模糊集成为直觉模糊子空间或直觉模糊仿射集的充要条件及直觉模糊仿射集与直觉模糊子空间的关系;给出了直觉模糊线性变换和直觉模糊仿射变换的定义,并研究了二者之间的关系。结果证明:在三值模糊集的定义下直觉模糊向量子空间的有关结论仍然是成立的。     

区间直觉模糊集熵的构造及其基本性质

模糊熵是刻画模糊集不确定性的一个基本概念.通过对区间直觉模糊集的模糊度的本质分析,给出了符合人们直觉的区间直觉模糊集的模糊熵的公理化定义,并指出原有关于区间模糊集的模糊熵的公理化的不足,相应地提出了一个关于区间直觉模糊集模糊熵的计算公式,并通过定理证明和实例分析,说明它具有良好的数学性质,所得结果更加合理.     

双枝模糊粗集

为进一步揭示模糊集、双枝模糊集与粗糙集的关系,在双枝模糊集及粗糙集的基础上,给出了上枝模糊粗集,下枝模糊粗集及双枝模糊粗集的概念;利用双枝模糊集及粗集的性质,讨论了下枝模糊粗集,上枝模糊粗集和双枝模糊粗集的性质.由讨论可知,双枝模糊集与粗集具有紧密的联系,由二者融合构成的双枝模糊粗集与模糊粗集具有类似的性质,双枝模糊粗集是模糊粗集的推广,而模糊粗集是双枝模糊粗集的特殊情况.     

一种区间模糊粗糙集的定义及其性质

文章首先定义了一种区间模糊粗糙集,研究了一些基本性质,通过引入模糊集的λ-截集和模糊集的λ-强截集构造了新的区间模糊粗糙集,解决了只能用模糊集方式定义区间模糊集的问题,给出了区间模糊粗糙集的更加严格的数学定义,最后给出区间模糊粗糙集的相应性质,从而进一步拓展了模糊粗糙集的理论内容.     

几种L-模糊集之间的关系

研究了区间值模糊集，直觉模糊集，模糊值模糊集和二型模糊集之问的关系，指出直觉模糊集与区间值模糊集是等价的；在一定条件下，模糊值模糊集可由区间值模糊集生成；每一个二型模糊集可转化成一个区问值模糊集且每个区间值模糊集可看做一个二型模糊集．     

对模糊随机向量凸集的定义及探讨

在模糊随机变量的基础上引入了模糊随机向量凸集的概念,给出了几个模糊随机凸集的例子.     

基于FVQ和HMM模糊训练的语音识别方法

本文提出了一种基于模糊矢量量化（ＦＶＱ）和隐马尔柯夫模型（ＨＭＭ）模糊训练的语音识别新方法．利用模糊矢量量化替代了传统方法中的矢量量化，语音特征参数序列经过模糊矢量量化后得到模糊观察符号序列．在此基础上提取出一个反映训练样本总体随机变化特性的模糊观察符号序列，然后用它对该音节的ＨＭＭ进行一次性全局训练，训练算法经传统的Ｂａｕｍ－Ｗｅｌｃｈ算法改进得到．经十个汉语数字的对比实验表明，该训练算法大大提高了系统的训练速度，模糊矢量量化与传统的矢量量化相比，不仅提高了隐马尔柯夫模型的鲁棒性，进而提高了系统的识别率，而且在语音训练数据不充足的情况下，也能得到很好的识别性能．     

区间值Fuzzy域上的Fuzzy代数

提出了区间值Ｆｕｚｚｙ域及区间值Ｆｕｚｚｙ代数的概念，给出了一个区间值Ｆｕｚｚｙ集为区间值Ｆｕｚｚｙ代数的充分必要条件，并应用区间值Ｆｕｚｚｙ集的扩张原理，讨论了区间值Ｆｕｚｚｙ代数在代数同态下的象和逆象问题。     

基于直觉模糊熵的直觉模糊聚类

Atanassov直觉模糊集合是对Zadeh模糊集合最有影响的一种扩充和发展,将模糊聚类扩展为直觉模糊聚类,具有重要的应用价值。在研究将模糊聚类扩展为直觉模糊聚类时,提出了一种基于熵最大的直觉模糊聚类,并推导了迭代求解的算法。典型实验表明,直觉模糊聚类的性能优于模糊聚类,提高了聚类的正确率。     

动态不确定模糊集

Zadeh的模糊集理论主要用来处理不精确和不完全信息的不确定.提出了动态不确定模糊集的概念,它是模糊集和不确定模糊集的推广,在处理动态和不确定问题时具有很多优点.动态不确定模糊集的性质得到了深入研究,并给出了动态不确定模糊集关于生成集的一个刻画.     

Fuzzy子群与Fuzzy不变子群的进一步刻划

对Ｆｕｚｚｙ子群与Ｆｕｚｚｙ不变子群这两个概念进一步刻划,并讨论了相应的截集、交集,并集,数积,同态象与同态逆象等性质;同时引入了Ｆｕｚｚｙ单位子群的概念。     

直觉模糊集的扩展研究

基于直觉模糊集的基本概念,考虑其隶属度、非隶属度和概率分布3个因素的影响,给出了直觉模糊集两种扩充:统计直觉模糊集和多值直觉模糊集,并给出了扩充直觉模糊集的运算和包含关系,从而使直觉模糊得到了推广和应用。     

噪声大数据的MapReduce高度随机模糊森林算法

为解决日趋增长的噪声大数据分类问题,提出了一种高度随机模糊森林算法.该算法在决策树学习中生成连续属性的模糊分区,并给出在MapReduce框架中所提算法的分布式实现,用于受属性噪声污染的大数据集中学习模糊决策树的集合,该分布式实现模型可以适应计算的有效分配策略,从而产生良好的可扩展性数据,这种分布式算法使得模糊随机森林能够处理大数据集的学习和分类.高度随机模糊森林算法能够实现噪声大数据的高精度分类,为以后的大数据分析打下良好的基础.实验结果表明,所提算法比现有算法准确率更高,在属性噪声情况下,该文分类准确率也高于随机森林算法,说明该文算法的可行性和有效性.     

模糊相似关系下的模糊粗糙集

在模糊粗糙集模型中引入模糊相似关系，定义了一组上、下近似集，并讨论了模糊相似关系下的模糊粗糙集的一些性质，得出了它在模糊相似关系的包含运算、并运算、交运算、合成运算及闭包运算下的一些结论。最后定义了模糊粗糙集在模糊相似关系下的粗糙度和近似精度，并得出了一些结果．     

利用模糊子集重叠性简化模糊系统的一种方法

根据模糊子集之间的重叠性，合并模糊子集，达到简化模糊系统，减少模糊规则数目换；使用遗传算法法提取模糊规划和优化模糊子集的隶属度函数，计算机模拟表明了上述方法的有效。