伴随对及其构造

先讨论伴随对定义及其等价条件,给出伴随对存在的一个充分条件;其次讨论40个模糊蕴涵算子和40个模糊圈乘算子的性质,并给出由模糊蕴涵算子构造模糊圈乘算子的方法;最后讨论40个算子对构成伴随对的情况.     

基于工效学的舰桥人机界面数字化评估系统

开发用于人机界面评估的数字化中国人体模型,根据层次分析法原理构建舰桥人机界面评估指标体系;依据相关工效学设计准则,提取底层评估指标,并确定指标在评估体系中的权重值;研究定量和定性指标的量化方法,建立基于模糊理论的定性指标量化方法模型.采用UG/Open开发数字化的评估系统,集成人体模型、评估指标体系、指标量化方法及设计准则等.评估系统融合了Unigraphics NX数字化设计功能,实现了在设计阶段即完成舰桥人机界面的评估和改进工作.     

可信Web服务的度量模型

针对Web服务的可信性缺乏有效度量方法的问题,引用本体的基本思想和主要理论对Web服务进行统一的语义描述和建模,提出了可信Web服务的度量模型(MM-TWS),建立了面向本体的可信Web服务,并解析了MM-TWS中建立本体的基本步骤和主要流程。采用模糊描述逻辑来设计MM-TWS的模型算法FDL-MM-TWS,并推算Web服务的可信度。最后,利用MM-TWS对一个基于突发事件处理的智能建筑系统集成进行度量,初步验证了该方法的可行性和有效性。     

风力发电机组最佳功率追踪自适应模糊PID控制

针对变速恒频风力发电系统,以额定风速以下风能的最大利用率为目标,设计了基于自适应模糊PID控制的风能最佳利用追踪控制器.该控制器对叶尖速比进行控制,运行时根据实际输出的叶尖速比与其最优值间的误差及误差变化率在线实时调整PID参数,实现自整定,达到风能利用系数最佳的功率追踪目标.通过仿真对几种控制方法进行对比分析,结果表明,自适应模糊PID控制能够将风能利用系数和叶尖速比均控制在最优值附近,系统的稳态性能和动态性能都较好,控制效果优于PID控制和模糊控制.     

四川物流需求的灰关联熵分析

利用灰熵关联度分析法，计算影响四川物流需求的主要7个影响因子的灰熵值和灰熵关联度。对7个因子的灰熵关联度进行排序，分析各个因子对四川物流需求影响，展望四川物流发展。     

道路运输企业安全综合评价数学模型

目的为减少道路交通事故。方法根据AHP法建立道路运输企业安全综合评价指标体系,采用综合集成法确定各指标和不同评价人员的权重,运用灰色关联分析模型计算每一个企业与“最优”企业的关联度,最后应用模糊综合评价法对关联度再处理,可得到企业安全综合评价结果。结果建立道路运输企业安全综合评价的数学模型。结论道路运输企业可根据安全综合评价结果进行有针对性的工作,从而提高安全管理水平,有利于减少道路交通事故的发生。     

基于并行免疫遗传算法基因表达数据的动态模糊聚类

提出一种改进的并行免疫遗传算法, 通过在群体规模上引入“岛”的概念, 实现了可变的群体规模; 通过在适应度函数内引入免疫算子, 避免了算法过早收敛. 因此, 解决了寻优算法中局部收敛的困扰, 提高了获得全局最优解的几率. 把此算法应用于斯坦福大学酵母细胞周期表达数据库的数据进行共表达聚类, 并将实验结果与Spellman按照功能基因组学进行聚类所得结果进行了对比, 证明了所给算法在功能基因组 学聚类上的有效性.     

城市生态系统健康的综合评价

文中着重讨论了城市生态系统健康的评价方法及其应用，采用熵权法赋予指标权重，应用模糊数学方法建立评价模型，以重庆市为例进行城市生态系统健康评价．首先，以北京，天津，上海作为参照城市，进行横向评价，评价结果表明4个城市均处于亚健康状态；其次，对重庆市2001～2004午生态系统健康状况进行纵向评价，评价结果表明，重庆市生态系统健康状况正从亚健康状态向健康状态发展；最后，对重庆市都市图所包括的9个区进行现状评价，运用GIS技术进行等级划分，得出重庆都市囤生态系统健康状态的排序如下：渝北区〉南岸区〉渝中区〉巴南区〉九龙坡区〉江北区〉沙坪坝区〉大渡口区〉北碚区．     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

含随机-模糊参数的可追加订购报童问题

研究了模糊环境下的可追加订购的报童问题.假设需求量为随机变量,而追加定购的价格等为模糊变量.在本金有限制的条件下,以极大化收益为目标,建立了一个随机-模糊混合的规划模型,并将模糊随机模拟、神经元网络及遗传算法相结合给出一个混合智能算法来求解该模型,从而得到最优订购量及追加的最大定购量.最后给出了数值例子.