基于自适应模糊聚类的T-S模糊辨识方法

针对模糊建模在进行结构辨识时需事先设定聚类数的问题,本文在改进模糊分割聚类算法的基础上,对算法中聚类数c给出优选方法,提出了参数自适应模糊聚类算法,并结合递推最小二乘法构建T-S模糊辨识算法。为了验证本文提出的模糊辨识方法的有效性,采用该算法对熟知的Box-Jenkins煤气炉数据和实际的电液位置伺服系统数据进行建模,结果显示该辨识方法具有较高的逼近精度和较好的泛化能力。     

动态系统的模糊关系建模算法及实现

模糊集理论是一种研究复杂系统的有效的定性方法，本文研究在动态系统建模中使用模糊集和语言变量的方法。文章首先给出了基于模糊关系的动态系统模型表达形式，进而导出了一种利用牛顿梯度下降的模糊系统建模算法。并就一个简单的例子验证了上述算法的有效性。     

目标系数模糊型模糊关系线性规划

提出了目标系数模糊型模糊关系线性规划问题,这是传统模糊关系线性规划的扩展.以三角模糊数为例,基于它的一种排序方法给出了求解该类规划的一个算法.最后,为了说明算法的有效性给出了两个数值例子.     

模糊蚁群算法及其在TSP中的应用

在传统蚁群算法的基础上加入了使用模糊规则表更新信息素的策略,提出了一种新的算法——模糊蚁群算法.算法结合了模糊控制中输入输出的模糊化处理和蚁群寻优的特点,为实际问题提供了新的解决手段.文中将模糊蚁群算法应用于TSP问题,通过对中国31个省会城市等实例数据进行的测试,验证表明了新算法具有良好的有效性和鲁棒性.     

模糊聚类分析的新算法

提出了一种模糊聚类分析的新算法——追踪法 ,解决了以往模糊聚类分析计算量过大以及难于编程实现的问题 .该方法尤其适用于大规模数据的模糊聚类分析 ,对于模糊聚类分析的推广使用有重要意义 .     

以直觉模糊熵改进权重的模糊数据关联算法

针对多中心点的观测数据存在不确定性的问题,首先将观测数据和预测数据进行直觉模糊化,然后利用直觉模糊熵改进直觉模糊集的数据权重,再计算直觉模糊集之间的加权距离以获得观测与预测数据的隶属度,最后依次搜索最大隶属度实现观测与预测的关联.通过实例将改进的直觉模糊C-均值聚类(IFCM)算法应用于数据关联计算,计算结果表明,存在模糊观测数据情况下,可以比较好的处理距离的权重信息,并得到更好的处理结果,实例证明算法是可行的.     

基于模糊邻域相对依赖互信息的特征选择方法

模糊粗糙集作为处理不确定性信息的有效工具，已广泛应用于特征选择中。然而当数据分布密度差别较大时，传统模糊粗糙近似不能有效度量样本的隶属度，且大多特征评价函数仅从代数或信息单一视角构造。针对以上问题，提出了一种基于模糊邻域相对依赖互信息的特征选择方法。首先，为克服传统模糊粗糙近似对数据分布敏感的缺陷，引入相对距离计算模糊相似关系，同时考虑模糊邻域粒度结构，提出了模糊邻域相对依赖度，从代数观度量数据的不确定性。然后，基于相对粒度结构提出了模糊邻域相对互信息，并与模糊邻域相对依赖度结合构造出一种新的特征评价函数——模糊邻域相对依赖互信息，将代数观和信息观结合进行特征评价。最后，设计了一种基于模糊邻域相对依赖互信息的特征选择算法(FNRDI)。通过与其他算法在9个公共数据集上进行实验对比分析，结果表明所提算法可有效消除冗余特征且提高数据的分类精度。     

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．     

FCM聚类算法中模糊加权指数m的优选方法

模糊c-均值(FCM)聚类算法是一种通过目标函数的极小化来获得数据集模糊划分的方法。其中，模糊加权指数m对FCM算法的分类性能有着重要的影响，而调用FCM算法进行模糊聚类分析时又必须给m赋值。因此，模糊加权指数m的优选研究就变得很有意义。基于模糊决策的方法本文给出了一种对m的优选方法，实验结果表明该方法是有效的。     

模糊神经网络在多源数据融合中的应用研究

在T-S模糊神经网络数据融合的基础上,改进了标准T-S模糊融合算法中的模糊算子,并利用聚类算法对网络结构中模糊隶属度个数进行选取.通过仿真实验,验证了改进的算法在融合过程中的合理性、稳定性和准确性.以及聚类算法在T-S模糊神经网络数据融合算法中运用的合理性和有效性.     

具有数据丢失的网络化控制系统的基于观测器的镇定

研究具有数据丢失的网络化控制系统的基于观测器的镇定问题。受控对象是由T-S模糊模型描述的非线性时滞系统。把数据丢失过程建模成独立同分布过程。利用模糊Lyapunov函数方法得到了闭环系统随机稳定的充分条件,其基于观测器的反馈控制器可通过求解一组线性矩阵不等式来设计。一个仿真例子说明方法的有效性。     

Some robust objectives of FCM for data analyzing

There are many data clustering techniques available to extract meaningful information from real world data, but the obtained clustering results of the available techniques, running time for the performance of clustering techniques in clustering real world data are highly important. This work is strongly felt that fuzzy clustering technique is suitable one to find meaningful information and appropriate groups into real world datasets. In fuzzy clustering the objective function controls the groups or clusters and computation parts of clustering. Hence researchers in fuzzy clustering algorithm aim is to minimize the objective function that usually has number of computation parts, like calculation of cluster prototypes, degree of membership for objects, computation part for updating and stopping algorithms. This paper introduces some new effective fuzzy objective functions with effective fuzzy parameters that can help to minimize the running time and to obtain strong meaningful information or clusters into the real world datasets. Further this paper tries to introduce new way for predicting membership, centres by minimizing the proposed new fuzzy objective functions. And experimental results of proposed algorithms are given to illustrate the effectiveness of proposed methods.     

A taxonomy and review of the fuzzy data envelopment analysis literature: Two decades in the making

Data envelopment analysis (DEA) is a methodology for measuring the relative efficiencies of a set of decision making units (DMUs) that use multiple inputs to produce multiple outputs. Crisp input and output data are fundamentally indispensable in conventional DEA. However, the observed values of the input and output data in real-world problems are sometimes imprecise or vague. Many researchers have proposed various fuzzy methods for dealing with the imprecise and ambiguous data in DEA. In this study, we provide a taxonomy and review of the fuzzy DEA methods. We present a classification scheme with four primary categories, namely, the tolerance approach, the α-level based approach, the fuzzy ranking approach and the possibility approach. We discuss each classification scheme and group the fuzzy DEA papers published in the literature over the past 20 years. To the best of our knowledge, this paper appears to be the only review and complete source of references on fuzzy DEA.     

模糊神经网络在数据融合技术中的应用

本文主要阐述了模糊神经网络技术，尤其是模糊联结聚合神经网络技术在数据融合技术中的理论与应用。     

模糊推理的灵敏度

借助于模糊逻辑连接词的灵敏度，定义了模糊推理系统的灵敏度，研究了几种常见的模糊推理系统的灵敏度，进一步估算了各种模糊推理机的灵敏度，并将模糊推理系统的灵敏度与模糊连接词灵敏度的关系用等式表示出来。     

度量模糊标志值离散程度的变异系数

继续[1],[2]的讨论，进一步探讨由Fuzzy数据资料计算变异系数的问题，提出了正有界闭Fuzzy数平均取值大小的评价指标，据此而给出了由表示为正有界闭Fuzzy数的数据资料计算变异系数的计算公式，还给出了数据资料的三角Fuzzy数和对称形Fuzzy数时变异系数的计算公式。     

论域的模糊划分与仿真数据采集

给出一类MIMO模糊系统对紧集上连续函数的万能逼近定理的证明。在此证明基础上分析造成“规则灾难”的原因,提出基于覆盖重叠数的模糊划分方法和基于“线性”划分论域的方法,以及相应仿真数据的采集方法,对实际数据的处理提出不同的聚类处理方法。     

A fuzzy goal programming method with imprecise goal hierarchy

Two most widely used approaches to treating goals of different importance in goal programming (GP) are: (1) weighted GP, where importance of goals is modelled using weights, and (2) preemptive priority GP, where a goal hierarchy is specified implying infinite trade-offs among goals placed in different levels of importance. These approaches may be too restrictive in modelling of real life decision making problems. In this paper, a novel fuzzy goal programming method is proposed, where the hierarchical levels of the goals are imprecisely defined. The imprecise importance relations among the goals are modelled using fuzzy relations. An additive achievement function is defined, which takes into consideration both achievement degrees of the goals and degrees of satisfaction of the fuzzy importance relations. Examples are given to illustrate the proposed method.     

基于模糊近容度的战时物资供应偏好选址

提出一种基于模糊近容度的战时物资供应的偏好选址方法,认为选址方案的确立是一个模糊多属性决策过程,而且这些属性在决策中具有主观偏好性,决策表是在原始模糊条件属性表的基础上,根据模糊粗糙隶属度和近似精度约简得到。选址方案的排序由模糊近容度生成。最后说明此方法在应用上的合理性和有效性。     

新的模糊数的模糊距离

文[1]中基于现有的模糊数的距离定义及模糊距离定义的缺陷进行分析并给出了改进的模糊数的距离定义。本文在此基础上给出新的模糊数的模糊距离定义，并给出相应的定理。