模糊聚类、识别、优选统一理论与循环迭代模型

模糊聚类、识别与优选是系统优化模糊集分析理论的数学基础．通过以全体样本对全体类别加权广义欧氏权距离平方和最小为目标函数,建立了模糊聚类、识别与优选决策统一的理论与循环迭代模型．其中模糊聚类是核心,模糊识别与优选决策模型均由模糊聚类导出．该模型发展了模糊数学关于模糊聚类、模糊模式识别、模糊决策理论．循环迭代模型及其多种组合模型,不仅可用于水资源系统,对其他学科领域模糊集分析同样适用．     

基于数字化和模糊识别的一般评价理论与方法

将数字化技术和工程模糊集理论同时引入一般评价理论，建立了高效且更加贴近评价对象客观实际的评价理论。评价工作可应用智能技术、因特网技术、数据仓库技术和地理信息系统等数字化技术，以提高工作效率和合理性。鉴于评价对象普遍存在模糊性，采用陈守煜提出的相对隶属度方法，用相对隶属度来描述评价对象的中介过渡，通过定义目标函数为“全体样本对于各标准模式间的加权广义距离平方和最小”，经构造拉格朗日函数可计算出相对隶属度的值，再计算级别变量特征值，计算结果可作为各样本隶属级辊的评判指标。     

经济区划时确定中心城市模糊模式识别模型

依据经济区划时“中心城市“概念的模糊性，按区域范围内全体城市样本对于各标准模式间的加权广义欧氏距离平方和最小建立目标函数，提出确定中心城市的模糊模式识别模型。提出客观确定多目标指标权重的模糊决策分析法，通过确定指标对模糊概念“双重性“的相对隶属度来确定目标权重，避免了权重确定的主观性。计算实例表明，建立的模型物理意义明确，模式识别结果符合实际。