模糊Bayes检验

本文对原假设和备择假设中参数是模糊子集的假设检验问题，引入了模糊Ｂａｙｅｓ检验的概念，对简单模糊假设，给出了求模糊Ｂａｙｅｓ检验的方法，讨论了它的性质，并针对一类特殊的隶属函数，得出了检验的具体公式。最后，通过几个数值实例，表明了模糊Ｂａｙｅｓ检验的优良性。     

基于广义最大熵的具有模糊输入输出的回归模型的参数估计

模糊回归是在模糊系统中建立因变量与一组自变量之间关系的重要工具,以评估模糊自变量如何影响模糊响应变量的过程。当系统中出现小样本或者非列满秩设计矩阵时,模糊最小二乘法可能得出偏误估计。本文基于文献[13]中的多元线性回归模型,利用广义最大熵方法,针对模糊输入模糊输出数据,给出线性回归模型的参数估计和算法步骤。当输入或输出数据退化为清晰值时,该估计退化为清晰输入模糊输出或者模糊输入清晰输出的回归模型参数估计。本文结合模拟数据和实例数据,将广义最大熵方法与模糊最小二乘方法、岭估计方法进行比较研究,结果显示广义最大熵方法的可行性和有效性。     

定数截尾样本情形指数分布参数的模糊假设检验

以控制犯两类错误的概率为目的。本文在定数截尾样本情形，研究指数分布参数的模糊假设检验问题，并给出了一个数值例子。     

清晰集构造模糊集的简易方法及其在模糊评判中的应用

运用清晰集合的交、并运算、模糊集的分解定理,本文提出了一个用多个清晰集合构造一个模糊集合的简易方法,并将这个方法应用于模糊综合评判.本方法能将模糊综合评判中取值范围不同的指标的取值范围归一化为区间(0,1).实例表明,本方法在模糊综合评判领域是有效的、且易于操作,可以广泛应用于工程、社科等领域.     

水平中段模糊算子

本文提出“水平中段模糊算子”的概念,并且应用清晰域的观点研究了它们的性质,从而在实质上较文[1]更深刻地揭示了一般模糊算子的性质,为实际应用各种模糊算子提供了进一步的依据。     

具有模糊属性的关联产生式发掘算法及应用

本文通过不确定性推理的分析，提出了模糊关联的概念，用模糊概念表示事务数据之间的关联关系，研究了模糊关联的性质，给出了模糊关联产生式的发掘算法及应用的实例．     

关于模糊拟阵的独立子集套和独立集函数

本文的研究方法主要是将模糊拟阵问题转化为普通拟阵问题来研究的方法。本文首先建立独立子集套概念,并使用这个概念和独立集函数概念构建了闭模糊拟阵的充要条件和模糊独立集的充要条件;然后,本文仔细分析了模糊基的性质,找到了一个使用独立子集套和独立集函数来描述的模糊基的充要条件;最后,利用模糊基的这个充要条件提出并证明了闭正规模糊拟阵的充要条件。     

基于模糊覆盖的模糊聚类

提出了ε水平最优模糊覆盖的新思想,结合推广的价关系概念,通过三角模糊算子（本文简称为Ｔ算子）,研究了一种 模糊聚类方法,不仅能够充分利用已有数据信息,而且解决了聚类的评价性问题。     

概率型数据模糊化方法研究

在实际中用一个精确量很难描述一个比较模糊的概念，如好坏、高低等，而用模糊数学方法往往能很好地解决这类问题。在模糊评估和模糊控制中，常常碰到隶属度如何确定或将精确数据如何模糊化的问题。本文采用正态分布模型对概率型数据进行模糊化，并针对正态分布模型存在边缘非单调性的缺陷，对模型进行了改进，最终建立了改进型正态分布模糊化模型，通过模糊化实例计算，证明这种方法是有效可行的。     

含弹性约束的多目标模糊线性规划求解

本文讨论了一类含弹性约束的多目标模糊线性规划问题.利用模糊结构元方法引入模糊数的加权特征数概念和序关系,应用Verdegay的模糊线性规划方法及模糊数的加权特征数将此类多目标模糊线性规划问题转化成一类含参数约束条件的清晰多目标线性规划模型,并应用一种基于线性加权函数的规划算法求其α-拟最优可行解.最后,给出了一个数值实例来说明如何求解此类多目标模糊线性规划问题.