高斯隶属度函数模糊神经网络在肺癌诊断中的应用

选用隶属度函数为高斯函数的模糊神经网络用于肺癌诊断,尝试提高诊断的正确率.对于非二值输入参数,首先用高斯隶属度函数模糊化,然后与二值参数一起作为BP神经网络的输入参数.所用病例被随机分为训练集和证实集,训练模糊神经网络,用证实集测试该网络区分肺癌与非肺癌的能力.结果表明,用高斯隶属度函数的模糊神经网络比作为对照的三角形隶属度函数模糊神经网络诊断正确率有所提高,而且对病例如何分组不敏感.     

基于改进隶属度函数的电能质量模糊综合评价

通过分析电能质量模糊综合评价中的隶属度函数问题,提出了一种改进的隶属度函数来量化刻画电能质量评价指标各质量等级的模糊特性,从而实现更为细致的电能质量的模糊综合评价,解决了电能评价指标两质量等级之间难以建立联系和量化刻画的问题.文中首先对电能质量指标的权重、确定隶属度函数参数的指标限值及质量等级划分问题进行了分析;然后以传统的岭形函数为基础进行改进,得到基于评价指标质量等级的隶属度函数,并对电能质量的各项评价指标建立了模糊模型;最后运用所设计的算法对某地区的电能质量数据进行评价,结果验证了文中方法的实用性和有效性.     

基于梯形隶属函数的模糊控制器的逼近精度分析

讨论了一类基于梯形隶属函数、单值模糊器、乘积型推理和中心平均解模糊的模糊控制器结构。利用泰勒公式．给出了一个在预定逼近精度的条件下如何划分模糊论域的公式,并且用仿真例子验证了该公式的正确性。仿真结果表明．该文所提出的计算公式是一个充分条件。     

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。     

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。     

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     

模糊算子神经网络的函数逼近能力

研究模糊算子神经网络的函数逼近能力，首先提出传统神经网络和模糊神经网络的一般模型即模糊算子神经网络，又将其进一步推广为广义模糊算子神经网络，考虑这两种通用模型的代数结构和分析性质，给出其连续函数的一致逼近定理，其结论是传统神经网络逼近性质的推广，适用于由任何连续算子构成的多层神经网络（模糊神经网络）。     

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.     

后验概率加权的模糊隶属度函数

模糊支持向量机（FSVM）中的模糊隶属度函数确定一直是一个难点问题。针对支持向量分类机对噪声数据或孤立点非常敏感的问题,受贝叶斯决策理论的启发,结合样本密度特性,研究样本点相对于同类和异类的关系,对各样本点分布的紧密程度给出了描述,构造了样本点的后验概率与样本密度的加权方法,提出了一种新的加权模糊隶属度函数构造。该方法避免了对噪声数据和孤立点的检测。通过建立基于提出模糊隶属函数的FSVM进行仿真,实验表明,提出的模糊隶属度函数构造的后验概率加权方法的有效性。     

隶属函数确定方法模糊决策测度及改善

隶属函数的确定以往主要侧重于对信息自身模糊性的识别和描述,忽视对描述主体的心理测度,存在着不重视主体认识水平的缺陷。本文通过对隶属函数度量方法的分析,来测量人们决策时心理测度上的模糊性,对具体不同情况给出描述函数及改善,可在一定程度上更准确地反映决策心理测度的模糊性,使决策更趋合理性。     

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.     

用遗传算法直接从数据中提取模糊规则以逼近任意非线性函数

提出一种用遗传算法直接从输入输出数据中提取模糊规则以逼近任意非线性函数的方法。该方法首先把输入空间进行模糊划分，然后用遗传算法优化各隶属函数的参数，最终得到一组模糊规则，它们能以非常高的精度逼近非线性函数。仿真结果和置信度检验证明了该方法的有效性。此外，该方法能方便地用于模糊控制器的设计和自适应调整     

模糊神经网络自动生成隶属函数的MATLAB实现

模糊控制是人工智能的一重要研究领域,将遗传算法、神经网络用于模糊控制,可实现模糊规则的在线修改和隶属函数的自动更新,使模糊控制具有自学习和自适应能力.用遗传算法优化具有全局性的隶属函数参数,一方面提高模糊控制的性能;另一方面也充分利用了操作人员的操作经验.本文用MATLAB语言编程来实现隶属函数的自动更新.仿真结果表明,用遗传算法来离线优化隶属函数是切实可行的.     

一类模糊系统的逼近问题

了一般模糊系统对任意连续函数的逼近问题,找到了一类更一般的模糊系统,在这一类模糊系统中,对于任意 给定的连续函数,总可以构造出一模糊系统,它可以按任意精度逼近该连续函数,得到了模糊划分与逼近精度之间的关系,此外还将主要定推广到了Ｌ＾ｐ空间。     

工程报价隶属度方法及模糊决策模型的研究

探讨了建立报价隶属度函数求得报价的中标隶属度,给定优势报价区间对投标报价进行调整,并在确保投标商中标的前提下,尽可能寻求所获利润最大化的方法;提出了依据对手信息进行模糊分析,对报价进行调整的决策模型。     

一种适用于模式分类的模糊粗隶属函数神经网络

在设计模式分类器时,由于很难甚至不可能获得实现精确分类的所有必要的本质特征属性,使得在进行分类时出现模糊不确定性和粗糙不确定性并存的情况.基于模糊粗糙集理论,本文构建了一种模糊粗隶属函数神经网络FRMFN.该网络融合了模糊信息和粗糙信息的处理能力,在对加拿大Norman Wells地区的红外波段合成图像进行分类的测试中,显示FRMFN网络具有比相应RBF网络更好的分类精度,同时保留了RBF网络学习速度快的优点.     

用BP网求解模糊控制器输入量的隶属函数

在模糊控制器设计中,需要对输入数据进行模糊化处理,用隶属函数描述;模糊变量隶属函数的选取对模糊推理有很大影响.利用BP网的分类性可以将采集到的清晰数据集广义地分成模糊类.选取具有一个隐层的PB网,输入层和隐层变换函数采用S函数,输出层用线性变换函数,在MATLAB环境下采用动量算法和自适应学习速率,调用trainbpx函数,对BP网进行训练,在训练时最后一层的输出越接近目标值越好.利用训练好的神经网可以对具体的输入数据求解对应于不同模糊区间的隶属值.用这种方法,速度快,误差小.     

以正规多项式为基函数的标准模糊系统逼近误差公式证明

为提高模糊系统的逼近精度及扩大基函数的选择范围,定义了论域的正规二次多项式模糊划分.在标准模糊系统的基础上,提出以正规二次多项式为基函数的一类模糊系统;通过采用数值分析中的余项与辅助函数方法,对该类模糊系统进行了逼近误差精度的理论分析,给出了从SISO到MISO的一阶和准二阶误差逼近精度公式;指出该系统逼近精度公式使用的约束条件及应注意的问题.