基于模糊阈值的图象分割方法

叙述了采用模糊阈值进行图象分割的基本原理，提出了简化资格函数形式和采用直方图中值滤波处理方法，算法简单直观，计算机仿真表明图象分割结果比较理想．     

模糊图象的计算机复原

分析了由于匀速直线运动使图象模糊的机理,并通过对模糊图象频谱的实部和虚部进行不变号和变号的统计,测出模糊长度L,最后给出了使模糊图象予以复原的实现结果.     

针对荧光图象的自适应模糊增强算法

针对在紫外线激发下的荧光图象，详细分析了其噪声模型，并利用信号检测理论得出了最佳门限的选取方法，同时提出了一种自适应的模糊对比度增强算子，从而使强噪声荧光图象的噪声削弱，图象增强．通过实验证明，基于模糊集的图象自适应增强算法的物理概念清晰，实现容易，对于荧光图象有较好的处理效果．最后通过对模糊度的比较，在理论上验证了算法的有效性．     

模糊熵应用于图象边缘检测

图象边缘检测在图象分析和识别中具有重要的意义作者将模糊子集理论＾１，２中的模糊熵概念引入图象边缘检测中支１，在图象的模糊特征平面上，用最大熵原则也确定边缘有阈值。实验结果表明了该方法具有良好的有效性。     

Fuzzy数合成运算应用于图象分类

提出了一种图象有监分类的新方法.该方法基于图象的特征因子对于图象的类别的模糊性,因而可以用一个隶属函数来表示.根据模糊数的合成运算,考虑到全部特征后,给出图象隶属于所有的类的可能分布.若选定某一阈值λ_α进行截取,就可能确定出该图象属于某类的最大可能性.实例表明用该方法对图象进行的分类与用最小距离分类得出的结果一致.     

一种新的图象模糊增强技术

在现有模糊增强技术的基础上，结合象素的空间特性，给出了一种增强效果更好的模糊增强技术．最后给出了一些实验结果．     

图象灰度的非线性模糊补偿

在图象处理系统中，经常由于系统及环境亮度等诸多因素的非线性所带来的影响，需要对图象灰度进行非线性补偿．本文研究将模糊逻辑用于图象灰度的非线性补偿，提出根据模糊逻辑推理原理的非线性补偿算法，并与常规算法进行了比较，实验结果令人满意．     

基于模糊散度的图象分割

从模糊集合的观念出发，将交叉熵和模糊散度应用于图象分割，先讨论类间最大模糊散度分割算法，接着分析类内最小模糊散度分割算法。最后对这两类算法的适用性和通用性进行了比较。     

图象灰度的非线性模糊补偿

在图象处理系统中,经常由于系统及环境亮度等诸多因素的非线性所带来的影响,需要对图象灰度进行非线性补偿.本文研究将模糊逻辑用于图象灰度的非线性补偿,提出根据模糊逻辑推理原理的非线性补偿算法,并与常规算法进行了比较,实验结果令人满意.     

一种灰度图象的自适应分割算法

利用遗传算法的高效搜索性能和模糊集合理论能较好地描述问题的模糊性和随机性，提出了基于遗传算法的最大模糊熵快速分割算法，将遗传算法和模糊集合理论结合起来应用于灰度图象单闽值和多阈值分割．实验结果证明该方法有效地实现了快速分割，并具有较好的鲁棒性．     

直觉模糊逻辑算子的研究

给出了直觉模糊逻辑“补”、“与”、“或”及“蕴涵”算子的定义，并利用区间值模糊集与直觉模糊集之间的关系，给出了利用经典的模糊逻辑算子构造直觉模糊逻辑算子的三个定理。从而得到了构造直觉逻辑算子的新方法，这种方法无需验证其运算的封闭性，因而简单易行。文中用此方法构造出了一系列新的直觉模糊逻辑“补”、“与”、“或”及“蕴函”算子，将K.Atanassov最早提出的直觉逻辑模糊逻辑算子推广到了更一般情形。     

直觉模糊逻辑算子组与经典算子组之间的关系

文献[1]对经典模糊逻辑“非”、“与”、“或”及“蕴涵”算子进行了系统的研究。文[2]、[3],[4]分别给出了直觉模糊逻辑“非”、“与”、“或”及“蕴涵”算子的定义,并讨论了它们的性质.从而使经典模糊逻辑算子的概念及性质得到进一步的推广。本文在此基础上从代数的观点来讨论 直觉模糊逻辑算子组（D,T,┴,φ,h）与经典模糊逻辑算子组（[0,1],T, ┴,φ,h）之间的关系。     

基于二型模糊逻辑的交通流量预测

提出了一种改进的模糊c均值聚类算法,该算法将模糊聚类的对象从单值扩展到区间,在构造二型模糊系统时,通过对历史数据的学习提取二型模糊规则,克服了专家方法不能对未知领域提取规则的不足.在此基础上,针对智能交通系统,提出一种新的基于二型模糊逻辑的交通流量预测方法.该方法应用区间型二型模糊集具有上下限隶属度函数的性质构造预测区间,适合于处理具有复杂不确定性的情况.通过隶属度函数可以反映出该区间中预测值的可靠性,从而克服了其他预测方法仅给出单值且稳定性不高的缺点.仿真结果表明,基于二型模糊逻辑的流量预测区间具有较高的准确度,其平均相对误差低于6%.     

基于改进神经网络的模糊聚类算法

文章提出了一种新的聚类方法NFC,首先用模糊逻辑神经元网络的聚类算法和Cauchy训练的模拟退火算法相结合的局部算法得到初始聚类中心,然后用FCM算法进行模糊聚类;实验证明,NFC算法在一定程度上解决了FCM局部极值问题且有效性非常高。     

模糊知识中否定知识处理的一种改进的集合描述

模糊知识中的否定关系可分为矛盾否定关系、对立否定关系和中介否定关系,FScom是区分这3种否定关系的模糊集。本文在此基础上,对模糊知识及其各种否定的集合描述进一步研究,提出了一种改进的模糊集IF-Scom,并讨论了IFScom的特征、运算及相关性质。     

激光水下通信中图像数据压缩的模糊控制

提出了一种用模糊逻辑算法实时控制图像编码比特率的方法．研究了模糊集的建立及量化控制的模糊逻辑算法；确立了计算量化增益因子的模糊控制规则；设计了带有模糊控制的图像压缩系统．对20幅不同内容的图像进行实验，实验结果表明，所提出的模糊逻辑算法能够显著减少不同图像的编码比特率差别，具有推理量小、速度快、对不同图像有较强的适应性等优点．     

具有三种否定的模糊推理算法及应用

模糊推理中,合成规则推理方法（compositional rule of inference, CRI）与基于贴近度的方法（similarity based approximate reasoning,SAR）都是建立在只有一种否定的经典模糊集上。针对广义模糊集GFScom(generalized fuzzy sets with contradictory, opposite and medium negation)具有三种否定（矛盾否定、对立否定、中介否定）的特点,对模糊推理方法 CRI的蕴含算子作了扩展。提出了具有三种否定的GFScom贴近度定义和公式,得到模糊近似推理的一种新的计算形式GSAR方法,证明了GSAR该方法具有FMP(fuzzy modus ponens)还原性。通过应用实例对比,模糊推理GSAR的新方法不仅克服了CRI方法在建立模糊关系矩阵具有主观性和随意性的不足,而且客观有效地反映了模糊推理中的3种否定信息,丰富了模糊推理的形式。     

基于遗传算法的模糊控制模型参数优化的研究

模糊控制的精度取决于有关参数,如隶属度函数、模糊关系矩阵、传统 确定参数的方法是依靠人工。作者采用遗传算法来优化参数,大大地提高了模糊控制的精度。试验结果表明,先验知识和遗传算法的结合可以得到很好的控制效果。     

一种扩展的模糊描述逻辑

为了提高对复杂模糊信息的表示能力,提出一种扩展的模糊描述逻辑.扩展模糊描述逻辑引入模糊概念和模糊关系的截集形式作为原子概念和原子关系,继承经典描述逻辑中的概念构造器和知识库形式,建立新的知识表示逻辑体系.定义了扩展模糊描述逻辑的语法结构、语义解释、知识库形式以及基于可满足性的推理问题.通过与模糊描述逻辑的比较,阐述了模糊描述逻辑可转化为扩展模糊描述逻辑,从而例证了扩展模糊描述逻辑具有比模糊描述逻辑更强的表达能力.     

一种基于模糊CMAC自学习模糊逻辑系统及其在控制中的应用

把HCMA（Hyperball Cerebellar Model Articulation Conroller)与模糊逻辑理论有机结合起来，形成FHCMAC（Fuzzy HCMAC)，它便于从输入输出数据中提取模糊规则，直接用作控制器。可以将FHCMAC看作用基函数网络实现的模糊逻辑系统，兼有HCMAC神经网络和模糊逻辑两者的优点，即可以较容易表达定性或模糊的经验知识，又具有很好的学习性能，应用仿真实例验证了其有效性，该方法可应用于难以获取模糊规则的吻合。