基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合．利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习．从而给出了基于神经网络的模糊推理预测模型。     

由模糊结构元线性生成的模糊数运算

为了解决模糊数计算上的困难，引入了区间[-1，1]上单调函数的某魑同序单调变换，利用模糊结构元理论．将模糊数的四则运算转换为同序单调函数之间的相应运算．由于模糊结构元线性生成的模糊数是一类最简单而实用的模糊数，因此，重点讨论了由模糊结构元线性生成的模糊数的四则运算，以及它们的隶属函数表达式。结果表明。基于结构元方法表示的模糊数运算的隶属函数是容易得到的，这种表达式是基于模糊结构元的隶属函数形式给出的。     

模糊多准则VIKOR决策的结构元方法

为解决备选方案中属性值及各属性权重均为三角模糊数的模糊多属性决策问题,采用模糊结构元理论的模糊VIKOR方法.以最接近理想解为基本思想,简化模糊数的复杂运算,引入模糊数的结构元加权特征值和序关系,将三角模糊数决策矩阵转化为实数矩阵.给出模糊VIKOR方法的步骤,通过排序分析得出多属性决策的最优解.运用到运输问题上,不仅对运输问题中的路径选择起到参考,同时也证明了该方法的有效性和可行性.     

因素分析法的推理模型

为解决由于样本的不完备性导致的因素分析法无法识别的问题,分别定义了因素的基础矩阵、相关性分析表、完整度、属性间的相似度等概念,提出了基于因素分析法的推理模型.实例验证结果表明:模型不但可以解决不识别问题,而且辨识率较高,与因素分析法的结合构成很好的数据挖掘方法.     

等式限制型模糊级数

介绍了G．J．Klir提出的限制型模糊算术(CFA),并与L．A.Zadeh的标准模糊算术(SFA)进行了比较。研究等式约束下的模糊运算及其性质,在G．J．Klir的基础上推广了等式约束下的模糊运算,定义了等式限制型模糊级数。     

模糊值函数极限与连续的模糊结构元表述

在模糊值函数的模糊结构元表述理论的基础上,利用[-1,1]上同序标准单调函数类上的距离诱导出模糊值函数空间上的距离,证明了模糊实数空间与[-1,1]上同序单调函数类同胚.模糊数空间和模糊值函数空间上的与距离相关的所有性质都可以在一类单调函数类上得到.在此基础上,给出了模糊值函数极限与连续的定义.证明了相应的一些性质.     

结构元线性生成的模糊数列极限与级数收敛性

定义了一种基于结构元线性生成的模糊数的距离,在此基础上研究了模糊数序列极限、模糊数项级数,同时给出了相关性质及定理的证明,并把模糊数与实数有机地联系起来,得到了一些类似于实数绝对值、实数序列极限、实数项级数收敛发散的性质。     

基于结构元方法的变量模糊的线性规划

主要目的是利用结构元方法来解决含有模糊变量的线性规划问题.首先,简单地介绍了结构元方法,根据该方法定义了结构元加权序,证明了其模糊优先的合理性,并同原有序关系进行了比较.然后,利用这种序关系,将一类含有模糊变量的线性规划问题等价地转化为一个经典的线性规划问题,简化了原问题的求解.最后,将给出一个实际例子,进一步表明了该方法的有效性.     

结构元理论下的模糊Markov决策过程

为解决模糊Markov决策过程中λ-截集计算的复杂性问题,利用模糊结构元理论建模及求解.对于状态模糊情况,分别给出全部状态模糊与部分状态模糊的模糊Markov过程定义,模糊结构元建模及优化决策;给出具有模糊转移矩阵的Markov过程定义,结构元建模及优化决策;给出状态及转移矩阵均模糊的Markov过程定义,结构元建模及优化决策.实例分析结果表明:模糊Markov过程的结构元建模及优化决策是简单有效的.     

基于结构元理论的模糊多元线性回归模型

针对系数为模糊数的多元线性回归模型， 运用基于模糊结构元理论的最小二乘法， 研究模型的解析表达式. 首先运用模糊结构元方法定义了模糊数距离公式， 该公式与文[1]给出的距离公式在一定条件下等价， 但避 免了后者因区间运算而带来的不便. 对模糊参数用结构元理论表示， 得到了模型的解析表达式. 再根据 定义的距离公式采用最小二乘法得到了估计模糊参数的方法. 根据该方法得到系数为LR-型模糊数的回归模型. 最后给出一个应用算例， 说明本文方法的简便性.