粗糙集理论在模糊神经网络中的应用研究

应用粗糙隶属度及粗糙神经0元对模糊神经网络进行讨论，得到了一种利用神经网络修正不完善粗糙规则的方法，以及一种粗糙模糊神经网络。以日本大阪湾的COD浓度为例，取得了良好的拟合及预测效果，从而具有广泛的应用前景。     

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.     

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.     

基于邻域的隶属度覆盖粗糙集模型

通过覆盖粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系.把覆盖粗隶属函数视为论域上的一个特殊模糊集,用它的α-截集和β-强截集的概念,将覆盖粗糙集模型进行推广,提出基于邻域的隶属度的覆盖粗糙集模型,并讨论了其性质.     

粗糙集的隶属度算子

在经典的Pawlak粗糙集模型中,RX是由那些根据知识尺判断可能在X中的U中元素 组成的集合.bnR(X)是由那些根据知识既不能判断肯定在X中又不能判断肯定在～X中的U中元素组成的集合.但元素隶属于RX或bnR(X)的程度却没有给出.提出并定义了一种粗糙集的隶属度算子.对于论域U, x∈U及X U,该算子可计算元素x的依R在X的上近似中的程度,以及依R在X的下近似、边界、负域中的程度,并据此建立了一种基于该算子的粗糙模糊集模型.     

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.     

辩识Hammerstein模型的集成辩识方法——MISO情形

本文针对用Ｈａｍｍｅｒｓｔｅｉｎ模型描述的一类ＭｌＳＯ非线性系统，提出了一种稳态估计和动态辩识相结合的集成辩识方法。利用稳态信息获得非线性增益的强一致性估计，利用动态信息可获得线性子系统脉冲响应序列的强一致性估计。数字仿真结果也说明了该集成辩识方法的有效性和实用性。     

基于粗糙集和模糊集理论的规则提取方法

粗糙集理论和模糊集理论都是用来处理不完整和不确定信息的理论，两者都可用来观察、测试数据并进行推理。虽然它们之间有一些重叠，但两者的着眼点和计算方法是不一样的，因此它们不能被相互替代，而且必须结合起来使用。本文结合粗糙集理论和模糊集理论提出一种新的规则提取方法，并给出了一个应用实例。     

用遗传算法划分模糊量的语言变量覆盖范围

在模糊控制器设计中．模糊规则的确定以及模糊变量隶届函数的选取都是非常重要的，隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响。本主要介绍在模糊规则确定时用遗传算法划分模糊量的语言变量覆盖范围，利用调整已给定形状下隶属函数参数的方法改变各语言变量的语言值所覆盖范围，以模糊控制器的推理结果与专家经验控制结果的方差最小作为遗传算法进行优化的目标函数。     

基于覆盖的粗糙隶属函数

粗糙隶属函数最初是基于等价类的,然后被推广到拓扑结构上.注意到无论是等价类还是拓扑都构成了论域上的一个覆盖.鉴于此,我们引入了基于覆盖的粗糙隶属函数的概念,研究了其性质,并给出了一个公理化的定义.     

基于模糊覆盖的粗糙模糊集模型

构造了基于模糊覆盖的粗糙模糊集模型,从理论上论证了定义的合理性,刻画了模糊覆盖粗糙集的一些基本性质.     

多列模糊排队的隶属函数求解方法

应用α-截集的定义和Zadeh的扩展原理,将到达率和服务率均为模糊数的多列模糊排队问题转化为传统的多列排队问题.用一组参数规划来分别描述系统特征值的上限和下限,并且对其隶属函数进行求解.实例分析了某医院内科门诊的2列模糊排队系统.其中,患者的平均到达率和医生的平均服务率均用梯形模糊数来表示.通过对不同α水平的数值计算,求解出患者在门诊中平均逗留时间的隶属函数.这种方法能为医院的管理决策提供更丰富的信息.     

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.     

一种离散型模糊从属函数及其应用

给出了一种离散型模糊从属函数,它是在采用模糊综合评判方法之前,由被评判对象的某一因素的评定分数求得此因素属于“评价集”中各档次的“从属度”的计算公式,从而使模糊综合评判的方法定量化成份加重,评判结果更符合实际情况。     

基于遗传算法的模糊隶属函数的优化及应用

提出了一种用遗传算法进行模糊隶属函数优化的新方法。采用该方法,可获得一个基于一定性能指标的最优或次优的隶属函数参数。最后给出了该方法的一个应用实例。     

点态化的模糊粗糙集

给出了Pawlak近似空间和模糊近似空间上点态化的模糊粗糙集的定义,并讨论了它们的一些性质.     

Properties of Fuzzy Entropy Based on the Shape Change of Membership Function

Modification of a fuzzy partition often leads to the change of fuzziness of a fuzzy system. Researches on the change of fuzzy entropy of a fuzzy set, responding to shape alteration of membership function, therefore, play a significant role in analysis of the change of fuzziness of a fuzzy system because a fuzzy partition consists of a set of fuzzy sets which satisfy some special constraints. This paper has shown several results about entropy changes of a fuzzy set. First, the entropies of two same type of fuzzy sets have a constant proportional relationship which depends on the ratio of the sizes of their support intervals. Second, as for Triangular Fuzzy Numbers （TFNs）, the entropies of any two TFNs which can not be always the same type, also, have a constant proportional relationship which depends on the ratio of the sizes of their support intervals. Hence, any two TFNs with the same sizes of support intervals have the same entropies. Third, concerning two Triangular Fuzzy Sets （TFSs） with same sizes of support intervals and different heights, the relationship of their entropies lies on their height. Finally, we point it out a mistake that Chen＇s assertion that the entropy of resultant fuzzy set of elevation operation is directly to that of the original one while elevation factor just acts as a propartional factor. These results should contribute to the analysis and design of a fuzzy system.