一种基于定性基准变换的模糊隶属度表示法

从基准变换角度,给出了一种基于定性基准变换的模糊隶属度表示法：在性质拓扑空间中进行的基准变换Tij,令区间域R={eik,eik 1],k=0,1,…,n}为（0,1]上的一个划分,设性质Pi(x)的基准域簇为τi={Nik},映射Hλ,τi→R为基准变换的扰动系数映射,在扰动系数映射下可以构成集合套H：（0,1]→Nim,从而可以确定一个模糊集：A＝∪λ∞（0,1]λTijHλ^-1(λ）,最后的隶属度的确定的数学表达为：μ（Pa(t)=sup{λ|Pa(x)→Tij Hλ^-1(λ）,λ∈（0,1]}。     

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.     

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     

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.     

一种相对隶属度新概念下的模糊数排序方法

为了解决防空作战辅助决策中模糊数隶属函数在用于模糊数比较时产生的问题,定义了相对隶属度的概念,并且在此基础上定义了模糊数的期望值以及相对隶属度偏差。提出了一种新的基于相对隶属度的模糊数排序方法,算例表明该方法有效可行。     

一种区间二型模糊隶属度函数的构造新方法

针对现有区间二型模糊隶属度函数的构造方法中,存在受试者需为模糊专家,易出现不确定迹(FOU)填满现象(下隶属度函数近似为0),或需预先确定不确定迹的形状的问题,设计受试者不为模糊专家也可正确回答的调查问题,提出一种构造区间二型模糊集隶属度函数的新方法.该法不需预先确定FOU的形状,受试者不必为模糊专家.该法的基本思想是从一组领域专家中收集类属词的上下隶属度区间数据,对所获数据进行数据预处理,最后获得类属词的隶属度函数和FOU.实验结果表明,所提出的新方法可有效构造区间二型模糊隶属度函数,避免出现填满现象.     

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。     

基于样本曲率的模糊神经网络结构学习算法

提出了一种根据输入与输出样本间映射关系的复杂度确定模糊神经网络的输入隶属函数个数与参数的学习方法 ,采用输入输出样本关系曲率来表示函数的复杂度 ,根据曲率的大小确定隶属函数的中心点与宽度 ,使隶属函数的分布符合映射的变化 ,从而在提高逼近精度的同时减少隶属函数个数的增加 .通过仿真将这一方法与均匀划分方法及自组织聚类方法比较 ,结果表明 ,该方法在学习的快速性与精度方面均具有较优的性能     

基于样本曲率的模糊神经网络结构学习算法

提出了一种根据输入与输出样本间映射关系的复杂度确定模糊神经网络的输入隶属函数个数与参数的学 习方法．采用输入输出样本关系曲率来表示函数的复杂度,根据曲率的大小确定隶属函数的中心点与宽度,使隶属 函数的分布符合映射的变化,从而在提高逼近精度的同时减少隶属函数个数的增加．通过仿真将这一方法与均匀 划分方法及自组织聚类方法比较．结果表明,该方法在学习的快速性与精度方面均具有较优的性能．     

模糊神经网络结构动态学习算法

提出一种模糊神经网络(FNN)结构学习算法,根据输入样本动态构建FNN的输入节点及其对应的输入隶 属函数,从而实现动态确定FNN的结构,大大减少了对初始学习样本数目的要求,提高了FNN学习算法在实时控 制中的适应能力．仿真结果表明,这一算法很好地实现了对超出初始学习样本范围的其他样本的学习．     

基于隶属度函数的BP人工神经网络改进算法

为了实现基于BP人工神经网络的短期电力负荷预测,提出了一种基于隶属度函数的BP神经网络改进算法.算法是在学习率自适应调节算法的基础上,引入模糊数学中的隶属度函数的概念,根据不同的误差E,来确定不同的改变学习率的α和β,进而使BP神经网络的学习过程具有更好的自适应性,提高网络的学习速度.仿真试验结果表明,在预测精度不变的情况下,收敛性明显加快.由此证明.提出的基于隶属度函数的BP神经网络改进算法是快速和有效的,可用于短期电力负荷预测和各种类似的应用.     

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。     

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。     

一种基于隶属度函数及两阶段法的双层多目标决策方法

基于隶属度函数及两阶段法，提出了一种新的双层多目标决策方法。利用该方法不仅能获得有效解，而且能最大限度地发挥上层决策者的权限，最终将得到一个各决策层均可接受的决策方案。通过数值例子说明了该方法的可行性及实用性。     

信号处理中模糊隶属函数的选取方法

隶属函数建立了模糊信号与精确数学表达之间的联系,它在模糊信号的研究中具有非常重要的地位。阐述了构造隶属函数的基本原则,并进一步分析了现今的隶属函数构造方法。     

一种改进的模糊支持向量机隶属度确定方法

为了克服支持向量机方法对于噪声或异常样本敏感的问题,本文研究基于粗糙集理论的粗糙单类支持向量机,提出一种改进的模糊支持向量机隶属度确定方法.该算法首先利用粗糙集思想构造一个最小粗糙球,分别得到对应粗糙球的上近似、下近似与边界区域,然后依据样本在超球中的位置对分布在下近似、边界域和粗糙球以外的样本,分别采用三种不同的方式...     

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。