模糊逻辑组合的灰度模型

首先对复合模糊命题的几种真值计算方法作了介绍，分析各种方法的优缺点，接着为了处理日益增多的模糊逻辑组合算子给用户带来不便的问题，提出模糊逻辑的灰度概念，给出一个处理逻辑组合的灰度模型。它能将具有不同灰度的模糊逻辑统一起来．     

基于模糊优化的多目标投资组合选择模型研究

将模糊集合的概念引入投资组合模型中，并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化，用逻辑隶属函数作为新的目标函数．针对该模糊多目标投资组合模型，提出了一个动态遗传算法，算例给出了该模型的一个实例的最优解，并进一步解释了模糊尺度随决定逻辑隶属函数形状的参数的变化而反向变化的规律．     

两种工况下电主轴热误差的组合预测模型

为了有效地提高数控机床电主轴热变形模型的预测精度,在2种典型工况下,根据电主轴结构热变形的产生机理,提出了一种基于模糊逻辑的组合预测模型.该模型综合了由自回归分析理论和灰色系统预测理论所建立的热误差模型,采用模糊逻辑选取权值,使各单项预测模型能够扬长避短,从而增强了组合预测模型的泛化能力.通过对电主轴热变形工况下的实验结果与计算结果的比较表明,在单项预测模型中的工况1下,灰色系统预测模型的相对误差较小(6.9%),在工况2下,自回归预测模型的相对误差较小(12.1%),而组合预测模型在2种工况下的相对误差分别为2.2%和8.9%.因此,组合预测模型具有较高的精度和较强的鲁棒性.     

球磨机制粉过程煤粉粒度FCM-SVRs软测量建模

根据多个模型相加可以提高整体预测精度和鲁棒性的思想,提出了一种基于模糊C均值聚类(FCM)算法的煤粉粒度多最小二乘支持向量机回归(MLS-SVRs)软测量模型.采用变长度染色体的遗传算法同时优化模糊聚类数和聚类中心,每种聚类子集用LS-SVRs进行局部模型的建立和训练,再用模糊聚类后产生的隶属度将各子模型的输出加权求和得到最后软测量结果.仿真结果表明该软测量模型具有更好的泛化结果和预测精度,可以满足煤粉制备过程实时控制的在线软测量要求.     

基于模糊分类变系数的铅锌烧结过程综合透气性状态预测

针对铅锌烧结过程的强非线性、时变等特点,运用智能集成建模的思想,提出一种模糊分类变系数透气性状态预测方法。首先深入机理分析和工况参数相关性分析研究,采用神经网络方法建立工艺参数和时间序列透气性预测模型;然后借助于模糊组合器实现两个子模型的有机组合,设计了模糊分类变系数综合透气性集成预测模型结构,其中加权系数由工况波动程度确定。运行结果表明:提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果,该模型具有一定的灵敏度和鲁棒性。     

一种模糊组合预测方法

针对预测问题的不确定性,提出一种将组合预测结果扩展到置信集合的模糊组合预测方法.该方法利用概率中置信区间原理并结合模糊数概念,对观测值和各单项预测值进行模糊描述;以组合预测值对观测值的拟合度最高为目标,建立模糊规划模型,求解权重系数.该组合预测方法与单项预测方法相比,预测精度有所提高,具有一般组合预测方法的优点,并以模糊数的形式将预测结果确定在一置信集合内.最后以实例证明了该方法的有效性.     

基于SARIMA-GA-Elman组合模型的短时交通流预测方法

针对单一模型无法深入挖掘交通流复杂的线性和非线性特征方面的局限性以及神经网络模型在训练时收敛速度缓慢等问题,提出了一种基于SARIMA-GA-Elman的组合预测模型.该组合模型有效地融合了季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型良好的线性拟合能力和Elman递归神经网络强大的非线性映射能力;在预测过程中首先基于SARIMA滚动预测时间序列的线性分量,然后使用SARIMA模型的预测误差序列建立Elman-RNN构建非线性误差模型;此外在训练非线性误差模型的过程中使用经过二进制编码的遗传算法(genetic algorithm,GA)优化Elman-RNN,旨在提升Elman-RNN的训练效率,最后把两个模型的预测结果加权组合得到最终的预测值.实验结果表明,该组合模型在预测精度和鲁棒性方面相比单一模型都有较为明显的提升.     

一种证券投资组合的群选择模型

根据每一位专家给定的可能度(反映第k时期的证券收益率与未来收益率的相似程度),从乐观、悲观和折中三个角度预测证券的未来收益率,并以三角模糊数的形式表示.不同专家的预测结果用不同的三角模糊数表示,基于模糊数的相似度的定义,得到了一个集结多个专家判断的群投资组合模型,最后给出了算例.     

基于FVQ和HMM模糊训练的语音识别方法

本文提出了一种基于模糊矢量量化（ＦＶＱ）和隐马尔柯夫模型（ＨＭＭ）模糊训练的语音识别新方法．利用模糊矢量量化替代了传统方法中的矢量量化，语音特征参数序列经过模糊矢量量化后得到模糊观察符号序列．在此基础上提取出一个反映训练样本总体随机变化特性的模糊观察符号序列，然后用它对该音节的ＨＭＭ进行一次性全局训练，训练算法经传统的Ｂａｕｍ－Ｗｅｌｃｈ算法改进得到．经十个汉语数字的对比实验表明，该训练算法大大提高了系统的训练速度，模糊矢量量化与传统的矢量量化相比，不仅提高了隐马尔柯夫模型的鲁棒性，进而提高了系统的识别率，而且在语音训练数据不充足的情况下，也能得到很好的识别性能．     

基于二次修正的短时行程时间预测模型

为了提高高速公路短时行程时间预测模型的精度和鲁棒性,同时缓解过度训练带来的过拟合效应,构建了基于小波神经网络和马尔可夫链的组合预测模型,并采用平均绝对误差、平均绝对百分比误差、均方根误差三个指标评价模型的预测效果.分析结果表明,在行程时间突变之后,组合预测模型较其他模型都有着更高的预测精度;同时,该模型在预测行程时间突变点时不存在延迟,说明其在高峰时段内有着更高的预测精度和更强的预测鲁棒性.     

模糊环的再定义

利用模糊空间理论定义模糊环和模糊子环 ,并研究了它的基本性质 ,建立了研究模糊环的新的理论体系 ,弥补了传统模糊环定义中无模糊泛集和模糊运算的不足 ,是传统模糊环概念的规范化和一般化     

Fuzzy集的Fuzzy势和Fuzzy基数

首先定义了ｆｕｚｚｙ集的１／ｎ－度等势关系,在此基础上定义了ｆｕｚｚｙ集的１／ｎ－度ｆｕｚｚｙ基数,讨论了有关性质,并进一步推广定义了更一般的ｆｕｚｚｙ势与ｆｕｚｚｙ基数概念,即Ｔ－度ｆｕｚｚｙ势与ｆｕｚｚｙ基数。     

环的生成模糊理想

采用一种新的方法，即利用确界刻画环中由模糊子集生成的各种模糊理想，给出了建立各种生成模糊理想的构造定理，其结果在模糊代数和计算机科学研究中将产生重要影响。     

F值函数关于F值F测度的F积分

以非负F数的概念的基础,定义了取值的非负F数的F测度,研究了非负F值函关于F值I测度的F积分,得到了该种积分的定义,性质和收敛定理,使得Sugeno的数值F积分得以推广。     

环上的Fuzzy关系

本文旨在讨论R上的Fuzzy关系与环上R上的Fuzzy子环之间的联系。并由此而建立环R上的Fuzzy关系成为Fuzzy子环,Fuzzy理想,Fuzzy极大理想的充分必要条件及环R上的Fuzzy子集成为Fuzzy素理想与Fuzzy不可约理想的充分条件。     

基于区间推理的模糊分类器

在分析区间值模糊集理论和现有模糊分类器的基础上,提出一种新的基于区间值推理的模糊分类器的设计方法,并且对R．A．Fisher的iris数据库进行了分类实验处理,结果证明其分类的正确率超过90％,而且该方法计算简便,运行速度快,因而该分类器的设计方法具有良好的实际应用前景．     

半群的素模糊理想刻画

对半群S的素模糊理想进行了研究，借助半群S的模糊点和模糊左(右)理想给出了半群S的素模糊理想的刻画．     

模糊域上的模糊商代数

重新定义了模糊域上的模糊商代数,研究了模糊域上的模糊代数与模糊理想的性质,并给出了模糊商代数的同构定理.     

混合型模糊Agent结构

针对实际系统所具有的内在不确定性,提出了一种具有学习能力和通信能力的混合型模糊Agent结构,该结构由学习模块、通信模块、控制算法模块、知识模块和输入输出模块组成.文中根据Agent本身所具有的模糊性,定义了它的模糊愿望集、模糊信念集及模糊意图集,介绍了每个模块的作用及工作原理,同时给出了Agent以自治方式工作的流程图.仿真结果表明,这种混合型模糊Agent可实现对复杂系统在3种状态下的稳定控制,具有较强的学习能力和适应性.     

模糊极限的一种新定义

在模糊分析中模糊极限的定义都是基于扩张原理的形式给出的,并且都是对元素遍历某个条件或取λ遍历[0,1]所对应的全体结果进行运算,这种运算中的遍历过程给模糊极限的定义形式及其应用带来了极大的不便。利用模糊结构元方法给出了模糊极限的一种新的定义,这种形式摒弃了对元素遍历的繁琐运算,使得该定义运用起来更加灵活简便,而且也体现了模糊结构元方法在简化模糊分析计算方面的优越性。最后给出了 3 个结论,即极限的加减法与数乘定理、极限唯一性定理、有界性定理,