一种基于三角模糊数多指标信息的聚类方法

针对一类特征指标值及指标权重均为三角模糊数的多指标信息聚类问题,提出了一种新的最大树聚类分析方法。首先对三角模糊数多指标信息聚类问题进行了描述;然后依据传统的基于数值信息的最大树模糊聚类分析方法的基本思路,给出了解决三角模糊数多指标信息聚类问题的计算步骤。最后,通过算例说明了本文给出的聚类方法。     

一种基于粗糙集理论的SVM短期负荷预测方法

在分析粗糙集理论方法与支持向量机方法的优势和互补性后,探讨了粗糙集与支持向量机的结合方法,提出了一种基于粗糙集数据预处理的支持向量机预测系统。该系统利用粗糙集理论在处理大数据量、消除冗余信息等方面的优势,减少支持向量机的训练数据,克服支持向量机方法因为数据量太大,处理速度慢等缺点。将该系统应用于短期负荷预测中,与BP神经网络法和标准的支持向量机方法相比,得到了较高的预测精度,从而说明了基于粗糙集理论方法作为信息预处理的支持向量机学习系统的优越性。     

一种基于S-粗集的实时调度建模方法

基于S-粗集理论(Singular roush sets)提出了一种车间作业实时调度建模方法.在动态加工环境下,考虑有工件加工完成、工件到期时间改变和急加工工件到来等实时事件发生,研究了实时调度窗口工件的再选择与再调度问题,建立了基于S-粗集的车间作业实时粗调度模型,把S-粗集理论成功地应用于实时调度领城.仿真算例表明,利用该方法不仅能适应动态的工件加工环境,减小调度问题的求解规模,而且能够减少动态再调度次数.     

Improved fuzzy identification method based on Hough transformation and fuzzy clustering

This paper presents an approach that is useful for the identification of a fuzzy model in SISO system. The initial values of cluster centers are identified by the Hough transformation, which considers the linearity and continuity of given input-output data, respectively. For the premise parts parameters identification, we use fuzzy-C-means clustering method. The consequent parameters are identified based on recursive least square. This method not only makes approximation more accurate, but also let computation be simpler and the procedure is realized more easily. Finally, it is shown that this method is useful for the identification of a fuzzy model by simulation.     

降水预测的模糊权马尔可夫模型及应用

中长期降水量的预测是气象科学的一个难点问题，论文首先基于降水过程存在大量不确定性、不精确性的特点，应用模糊有序聚类的方法建立降水丰桔状况的分级标准；然后针对降水量为相依随机变量的特点，采取以规范化的各阶自相关系数为权重，用加权的马尔可夫链来预测未来降水的丰桔变化状况；在此基础上，根据模糊集理论中的级别特征值，计算出具体的降水量；最后以山西省河曲水文站近50年的降水资料为实例，对该方法进行了具体的应用，收到了较为满意的结果，从而为提高中长期降水量预报的精度提供了一条值得探索的途径。     

基于模糊逻辑系统的组合大系统自适应观测器设计

针对一类非线性不确定组合大系统，利用模糊逻辑系统具有充分逼近连续函数的性质，分析和研究了这类系统自适应状态观测器设计问题，并在较弱的假设条件下，证明这种观测器与被控系统状态间的误差及各参数估计误差一致终极有界。最后的仿真实例说明了本文所提出方法的有效性。     

江苏省区域经济发展水平的静态评判

利用模糊数学和信息方法对江苏省区域经济发展水平的静态表现进行了综合评判.苏州、无锡为该省经济增长中心,南京为亚中心,淮阴、宿迁为不发达地区,梯度轴线为从太湖沿京杭大运河指向洪泽湖.     

基于模糊神经网络方法的新构造控水专家系统

在对大量野外地质资料统计和综合分析基础上，依据地质专家在新构造领域的理论知识和成功经验，运用模糊数学理论和神经网络理论相结合的方法，提出一种用线性单元并联实现非线性划分的神经元网络模型，并研制出相应具有较强推理能力和学习功能、广泛用于非定性系统数据处理的专家系统，该系统经实例验证具有较强的适用性。     

伺服系统中模糊控制器的设计与仿真

同步随动系统是雷达系统中十分重要的单元，它驱动平面位置显示器的偏转线圈跟随雷达天线同步转动，以便精确地测量目标方位，是典型的角度伺服系统。在现行装备中，该系统大多采用模拟调节器，带来了参数调节不方便、动态特性差和跟踪精度低等缺点，因此采用现代控制理论对其进行改造十分必要。根据交流电机的数学模型，对雷达同步随动系统采取了数字PID和模糊控制两种控制策略，通过仿真分析，说明了采用模糊控制的先进性。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。