基于模糊信息系统的模糊β-覆盖粗糙集模型

用模糊互补β-邻域族的概念,在模糊信息系统的基础上提出了一种新型的模糊β-覆盖粗糙集模型,并结合属性约简与模糊映射研究新模型的性质。相较于前人的模型,新模型增大了下近似值并减小了上近似值,更加精确了上、下近似值,减小了属性约简带来的误差。     

具有关系不等式约束的规划问题

给出了一种新的优化模型，这种模型的目标函数为线性的，约束为模糊关系不等式，给出了这种模型的解法，并用例子进行了说明。     

带模糊数的投资组合模型的解法研究

建立了一个预期收益率为区间模糊数,风险损失率为三角模糊数的模糊投资组合模型,且假设在交易过程中存在交易费率;并采用模糊两阶段算法去求解该投资组合模型,且通过数值算例检验模型的可行性,最后对模糊数模型和清晰数模型进行了比较.     

气温计算模型的构造及其模糊优选

提出了一个新的日平均气温计算模型，其特点是考虑了每月可能发生的气温突变，讨论了建立的方法，并以热泵型空调系统模拟计算对气温模型的要求为例，确定了评价气温模型的诸因素，然后应用模糊相似优选理论对新模型与其它可能模型作了综合因素比较，排出了优劣顺序。     

一种新的T-S模糊模型辨识算法

针对非传统T-S模糊模型,给出了一种新的辨识方法。利用改进模糊划分聚类算法辨识前件参数,最小二乘法对模糊模型的后件参数进行辨识。应用Box-Jenkins煤气炉数据和一个非线性系统进行仿真实验,结果证明了该方法的有效性与实用性。     

基于模糊回归的模糊决策模型的设计与实现

在数学期望和方差的基础上,提出模糊期望和模糊方差的概念,并以此为理论依据提出模糊回归分析,建立了一个实用的模糊决策模型,并举例说明了模型的应用效果.实例的决策结果表明,与传统的回归模型相比,此模糊回归模型可以根据实际需要确定回归次数,使回归分析中的病态数据和不良信息对决策结果的干扰不断减小,直到令人满意为止.把模糊数学的知识应用到决策分析中,使模糊集参与决策,可以提高决策结果的准确性和可信度.     

模糊最小一乘线性回归

针对输入和输出的模糊数据, 根据最小一乘准则,提出了基于对称三角模糊数的模糊最小一乘线性回归模型, 并将它转化成线性规划问题,应用Matlab进行求解,通过实例, 并与Tanaka, Diamond, Kim-Bishu, Kao-Chyu, Nasrabadi, Chang等模型相比较,验证了我们的模型具有更优的拟合性和良好的稳定性.     

一类模糊线性规划模型及应用

针对以模糊数为目标函数的模糊线性规划问题,建立了一种模糊数值目标函数的模糊线性规划新模型。该模型通过定义新的辅助函数将其转化为经典线性规划问题,再通过经典线性规划问题求解方法进行求解。与已有模型相比,该模型更具一般性,且计算简单。选用投资问题对该模型进行验证,数值算例说明了该模型在实际应用中的有效性。     

基于模糊竞争学习的模糊模型一体化辨识

提出了一种利用MGS(modified Gram-Schmidt)算法建立非线性系统模型的建模方法,并给出了基于MGS算法的模型结构和参数辨识的一体化方法,即利用MGS正交变换对通过模糊竞争学习的聚类结果进行变换,确定对模型贡献大的规则,删除对模型贡献小的规则,同时对模型中的参数进行估计,实现模糊模型结构和参数的优化.仿真结果表明,提出的方法能够对非线性系统进行模糊建模.     

基于化工过程预报的最优化模糊系统

本文主要以化工过程预报为研究目标,提出了最优模糊聚类神经网络系统模型（FCNNS）.该模型有下列突出优点：数据首先利用模糊聚类算法对原始数据进行提取优化,然后将优化数据送入模糊系统进行学习产生模糊规则;优化规则数和优化隶属函数的参数,最终达到模糊聚类神经网络系统模型的最优化.该模型不但可以缩短规则生成的时间,有效的防止了规则数爆炸,而且在化工过程预报的应用中获得理想的结果.     

量化交易中无需最小支持度阈值的模糊关联规则挖掘

现实量化交易应用中,传统的模糊数据挖掘算法往往需要针对给定的量化交易设定最小支持度阈值,然而,这些方法中存在的普遍问题是很难找到合适的最小支持度阈值,并且因为推导出的规则通常是常识而没有实际的商业意义。为了解决这个问题,提出了一种无需最小支持度阈值的模糊关联规则(fuzzy coherent rule,FCR)挖掘算法。首先将量化交易转换成模糊集,然后通过收集已经生成的模糊集生成候选模糊关联规则,最后计算出列联表并用其检查这些候选模糊关联规则是否满足四项判断准则。如果满足,则可以确定为模糊关联规则。在Foodmart数据集上的实验验证了所提算法的有效性,相比原始模糊关联规则(fuzzy association rules,FAR)挖掘算法,所提的FCR方法能够推导出更多的规则,并且能够在高置信度时推导出更多有用的规则。     

基于遗传模糊算法的智能车辆避障路径规划研究

利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划方法.首先建立智能车辆的动力学模型,然后设计模糊控制器,以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输入量,智能车辆的速度、转角为输出量分别建立避障行为模糊规则表和趋向目标模糊规则表,最后利用遗传算法对避障行为模糊规则表进行优化.仿真结果表明,该方法是正确和有效的.     

基于模糊PID的移动机器人控制系统的设计

利用牛顿-欧拉的方法建立了轮式移动机器人的动力学模型,为保证模型的精确性考虑了电机的动力学特性.针对传统的PID控制方法对数学模型要求较高的缺点引入了一种模糊PID控制策略.文中详细的给出了控制算法实现步骤,即模糊化,模糊规则的制定,模糊推理,解模糊.最后介绍了系统的软硬件构架.     

基于模糊关联迭代分区的挖掘优化方法研究

由于数据库存在数据量大、多维性的特点,传统挖掘方法在对数据进行处理时,无法构建精准的数学模型,容易出现部分信息丢失、分区过硬的问题。提出一种基于模糊关联迭代分区的挖掘优化方法,通过模糊C均值聚类算法对原始数据集进行预处理,过滤冗余数据,获取原始数据集的模糊分区;利用模糊关联挖掘算法获取感兴趣规则,实现数据的优化挖掘。实验结果表明,针对不同的数据集,改进的方法均具有很好的分区性能,且时间复杂性低,挖掘精度高。     

模糊决策树匹配算子的推理能力对比研究

模糊决策树推理是机器学习领域中的一种解决分类问题的有效算法,模糊推理方法的选择在很大程度上影响推理的性能和效果.对Min-Ambiguity,Fuzzy ID3和加权模糊决策树3种推理机制进行了对比研究,选择了推理过程中4种常用的算子(∨,∧)、(∨,×)、(+,∧)和(+,×)进行了对比分析,并在理论分析和实验验证的基础上提出了优先选择乘法算子(+,×)和(∨,×)的建议.     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

结构地震反应的模糊控制

MR阻尼器是一种性能优良的半主动控制装置,已广泛应用于结构振动控制领域。本文针对MR阻尼器控制系统的特点,提出了一种基于遗传算法的模糊控制器设计方法,对地震作用下的建筑结构实施模糊控制。该方法将多目标遗传算法NSGA—II和模糊控制技术相结合,人工设计基本模糊控制器,以位移、层间位移和绝对加速度为控制目标,利用NSGA—II来优化生成最优的模糊控制规则。一个3层结构的仿真结果表明。所设计的模糊控制器在四种不同的地震波作用下均能有效地减小结构的地震反应,控制效果明显优于被动控制,与Clipped-LQR控制效果接近。     

模糊自寻优算法及实现

文中就水泥生产过程中采用ＡＰＰＬＥ－Ｉ微机和Ｚ－８０控制卡在恶劣环境下进行配料控制时所产生的一些问题，提出了一种新的配料控制方法─模糊自寻优算法，并结合实例阐述了实现该算法的过程及流程图。     

模糊规则发现算法研究

引入最小强度的概念来限制模糊属性集的搜索范围，提出一种能发现强模糊规则的快速算法．此算法利用Apriori算法的搜索技术来发现强模糊规则，因此具有较高的算法效率，并有效地解决了模糊系统的维数灾难问题．在快速算法的基础上，又提出一种能发现固定数目的强模糊规则的划分算法．该算法将数据库划分成多个子数据库，并在于数据库上通过发现划分强模糊属性集来限制全局强模糊属性集的搜索范围．实验表明，划分算法比快速算法更节省时间．     

汽车半主动悬架系统的高精度模糊控制

对于时变非线性的汽车半主动悬架系统,本文选用二元双线性插值模糊控制算法,在未经优化的控制规则作用下,进行仿真实验,表现出响应快、舒适性、平顺性与安全性兼具的特点,得到了与相关文献相近或更好的控制效果.