一种改进的Fuzzy c—means聚类算法

该文提出了一种改进的ｆｕｚｚｙ ｃ－ｍｅａｎｓ算法（ＭＦＣＭ）。此算法是将传统算法（ＦＣＭ）直接对样本集聚类变为对特征集聚类，从而极大提高了ｆｕｚｚｙ ｃ－ｍｅａｎｓ的速度，证明了ＭＣＭ与ＦＭＣ在分类效果上的等价性，且ＭＦＣＭ较ＦＣＭ有较低的时间复杂性，讨论了ＭＦＣＭ与ＦＭＣ空间复杂性的关系。最后数值实验证实了结论。     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

一种模糊神经网络的改进学习算法

针对前人（Ｃ．Ｔ．Ｌｉｎ， ｅｔ ａｌ． Ｉｎ ＩＥＥＥ Ｔｒａｎｓ ＯｎＣｏｍ ｐｕｔｅｒ， １９９１， Ｖｏｌ．４０， Ｎｏ．１２） 提出的模糊神经网络结构，改进了已有的学习算法，新算法更加简洁有效。利用新算法，可以自动获取模糊规则。通过函数模拟实验，验证了新算法的有效性。提出了网络的分解与综合方法，避免了模糊神经网络用于实际复杂问题时，模糊规则的组合爆炸问题。该模糊神经网络可应用于换热器受热面的结垢过程模拟。     

模糊聚类分析在郁金香品种间生理差异研究中的应用

郁金香１０个品种从现蕾前期开始的各生育期对其净光合作用（ＮＰ），蒸藤作用（ＴＲ），气孔阻力（ＲＳ）以及叶内ＣＯ２的浓度（ＣＩＮＴ）等光合参数进行了系统的测定，结果表明，某些品种在生理上有相似的特性，而另一些品种间在生理上存在显著的差异，光合生理特征上的相似或相异，显示它们对环境条件有相同或不同需求，采用模糊聚类分析法将入试品种按生理特性划分成三大类：第一大类具有花期早，ＮＰ和ＴＲ较高，ＲＳ和ＣＩＮ     

基于神经网络与模糊逻辑的智能控制算法

研究了将神经网络与模糊逻辑融合交叉而形成的神经网络－模糊智能控制算法的特点和优越性。提出基于小脑模型关节控制器（ＣＭＡＣ）与模糊逻辑相结合原理的新型智能控制器的结构与算法。     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

矢量量化的渐进构造模糊聚类算法

为了设计最优码书,提出了一种新的渐进构造模糊聚类（ＰＣＦＣ）算法,并将其应用到图像的矢量量化中．通过与其他矢量量化算法（如ＬＢＧ和ＦＣＭ）的比较,证明该算法不论在生成码书的质量还是在计算速度上都具有很强的优势．这种模糊矢量量化算法为进一步改善图像压缩的矢量量化性能提供了新途径     

MADALINES人工神经网络及快速学习算法研究

在研究ＭＡＤＡＬＩＮＥＳ人工神经网络中心差梯度学习算法（ＣＤＧ）的基础上，提出了一种加速中心梯度学习算法（ＳＣＤＧ），给出了该算法收敛性的证明，在计算机上模拟实现了ＳＣＤＧ算法且分析了实验结果，理论分析与实验均表明，ＳＣＤＧ算法较之传统的ＣＤＧ算法，收敛速度提高了二个数量级以上。     

Fuzzy循环矩阵半群的L—等价类

文［１］讨论了ｎ阶Ｆｕｚｚｙ循环矩阵集合Ｃ（Ｍ），建立了Ｃ（Ｍ）中元素Ａ为幂等矩阵的充要条件，本文是文［１］的继续，主要讨论如下问题，１），建立一类Ｆｕｚｚｙ循环矩阵方程有解的必要条件；２），在么半群Ｃ（Ｍ）中引入ＧｒｅｅｎＬ——等价关系，给出Ｃ（Ｍ）中元素Ａ，Ｂ为Ｌ——等价的充要条件；３），证明含幂等矩阵Ｅ＿ｉ的Ｌ—等价类Ｌ（Ｅ＿ｉ）是Ｃ（Ｍ）的极大子群，从而（结合文［１］）解决了在Ｃ（Ｍ）中寻求一切极大子群的问题。最后还讨论了集合Ｐ＝｛Ｌ（Ｅ＿ｉ）｜Ｅ＿ｉ∈Ｃ（Ｍ）为幂等矩阵｝的一些重要性质。     

一类代数上的逻辑学（Ⅱ）

Ｚａｄｅｈ的复合命题演算方法（简称ＣＲＩ方法）虽然已被广泛采纳并在应用上取得了很大成功，然而ＣＲＩ方法至今尚未有严格的理论基础．本文在一类模糊公式代数Ｆ（Ｓ）上通过特殊的赋值方法为模糊取式（ＦｕｚｙＭｏｄｕｓＰｏｎｅｎｓ）与模糊拒取式（ＦｕｚｙＭｏｄｕｓＴｏｌｅｎｓ）建立了严格的逻辑基础．其中关于ＦＭＰ的一个结果不只是Ｚａｄｅｈ的ＣＲＩ方法相应结果的改进，而且也是首次把ＣＲＩ方法纳入了模糊逻辑的框架之中，沿此途径，进一步提出并研究了前提与结论之间的支持度与相似度的理论．     

模糊算子方程的解

一些实际问题的数学模型可以是集值算子方程，而在不确定环境下，这类算子方程中将可能出现不确定变量，例如，可能出现模糊变量。该文将讨论一类模糊算子方程解的存在性，并给出一个算法逼近方程的解。这里研究的算子方程是定义在模糊集上，其隶属度由模糊变量所确定。     

模糊变量时间序列及其应用

为了解决实际研究过程中模糊数据设定不准确的问题,采用模糊数学方法。应用模糊度说明了数据变量模糊化的重要性,给出了模糊变量和模糊变量时间序列的定义,并用计量经济学和数据挖掘例子说明变量模糊化的必要性。结果表明:研究中的很多数据确实具有模糊特性,模糊变量时间序列的应用有利于得到更客观的计量模型及进行时间序列挖掘。模糊变量时间序列的提出对计量经济学和数据挖掘有一定的参考价值。     

二叉树型分层模糊系统的等效性分析

为进一步研究分析多变量模糊系统以及分层模糊系统的数学机理,解决多变量模糊系统的"维数灾"问题,该文对一类广泛应用的多输入单输出模糊系统(MISO-FS)进行了解析分析,提出了一类二叉树型分层模糊系统(HFS),并推导了其解析表达式。从而证明了HFS和MISO-FS具有等效性。在此基础上分析了HFS的规则数,证明了HFS的规则数随输入变量数线性增长,因此HFS是解决模糊多变量系统"维数灾"问题的一个很好的实用方案。     

基于模糊模拟的遗传算法在最短路径问题中的应用

模糊最短路径问题将网络中弧的权值描述成模糊的，突破了传统最短路径问题的局限性，更符合实际网络的要求。采用模糊期望值模型求解最短路径问题，由于模糊变量隶属函数的形式多种多样，对于有些模糊变量，很难求出其具体的期望值，所以本文设计了基于模糊模拟的遗传算法进行求解，获得了良好的效果。     

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最后由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.     

基于逼近误差的非线性自适应模糊控制

针对一类单输入单输出不确定非线性系统,提出了一种稳定的自适应模糊控制方法·该方法不需要系统状态可测的条件,而是通过设计模糊状态观测器来估计系统的状态·系统的未知非线性项通过模糊逻辑系统进行逼近,且逼近误差满足一定的有界条件,根据李雅普诺夫方法对系统进行分析,得出相应的参数自适应律·该方法不但能保证跟踪误差收敛于原点的一个小的邻域内,而且所涉及到的变量一致有界·仿真结果验证了此方法的有效性与正确性·     

一种基于模糊线性方程组的模糊随机时间序列模型

利用模糊系数实变量的线性方程组建立了一种新的模糊随机时间序列模型.模型的求解被转化为一种线性规划问题,它可广泛应用于不确定环境中的各种预报.     

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。     

复Fuzzy随机变量的独立性

本文将Ｆ随机变量从实值推广到复值，研究了Ｆ随机变量的独立性及其相关性质，得到了一些结果。