基于三角形模糊数的非线性T-S模糊系统的峰值点和分量半径优化

单值模糊器是将高维空间中一个实值点映射成该空间上的一个单值模糊集,在构造非线性T-S模糊系统时不仅可克服输入变量的噪声问题,而且能减少模糊推理机设计中的计算量.首先,基于分片线性函数和单值模糊器给出了非线性T-S模糊系统模型;并依据广义三角形的重心坐标公式,对等距剖分论域中的峰值点和分量半径等参数进行了优化;最后,通过模拟实例对系统进行了验证,得到优化后的非线性T-S模糊系统确实有更好的逼近效果.     

新序意义下集值模糊测度的伪自连续性

在m维正欧式空间的子集类上, 通过引入集合的新序和依序收敛的概念,讨论新序意义下集值模糊测度的伪自连续、一致伪自连续性,并研究它们的蕴涵关系,从而丰富集值模糊测度的理论.     

广义模糊数值Choquet积分的自连续性与其结构特征的保持

在一般模糊测度空间的任一子集上，针对给定的μ-可积数模糊数值函数，定义所谓广义的模糊数值Choquet积分，并将这种积分整体看成可测空间上的模糊数值集函数．进而讨论并研究它的上(下)自连续性，逆上(下)自连续性，一致自连续性和一致逆自连续性等结构特征．     

关于K-拟可加模糊积分的几点注记

在K-拟可加模糊积分定义及积分转换定理的基础上，证明这种模糊积分恰好构成K-拟可加模糊测度，并依据积分转换定理讨论这种K-拟可加模糊积分的一些补充性质。     

K-拟可加模糊数值积分的自连续性

本文在K-拟可加模糊测度空间上建立了K-拟可加模糊数值积分,利用其积分转换定理和诱导算子的性质,将这种积分整体看成可测空间上取值于模糊值和集函数,从而使得这种模糊积分不仅具有自连续性,而且也满足逆自连续性。这些特性能更好地描述模糊值可测函数列和K-拟可加模糊数值积分序列的收敛性。     

TH型区间值模糊正规子群

本文在区间值模糊集空间上，引入了幂等区间范数ＴＨ，在此基础上，定义了ＴＨ型区间值模糊正规子群，并研究了它的一些性质和结构特征，从而拓广了区间值模糊集的理论。     

前向正则模糊神经网络依K-积分模的泛逼近能力

针对前向正则模糊神经网络引进K-拟可加积分和K-积分模概念,应用积分转换定理研究了该网络在K-积分模意义下对模糊值简单函数类的泛逼近能力,进而在有限K-拟可加测度空间上,借助模糊值简单函数为桥梁获得了前向正则模糊神经网络依K-积分模对(u)-可积有界模糊值函数类仍具有泛逼近性.该结果表明前向正则模糊神经网络对连续模糊系统的逼近能力可以推广为对一般可积系统的逼近能力.     

高维分层混合模糊系统的规则缩减及逼近性假设检验

混合模糊系统,即通过调控参数将Mamdani和T-S合并建立的一种新型系统模型.混合模糊系统不仅能保持各自模糊系统的优良特性,还可大大缩减系统内部的模糊规则总数.为避免因增加输入变量引发高维混合模糊系统规则爆炸,基于混合模糊系统的分层表示,给出了分层混合模糊系统对连续函数的逼近算法.对比发现,高维分层混合模糊系统的规则总数可被大幅度削减.此外,通过实例模拟了一个三维混合模糊系统分层后的实际输出,并用统计学的t-假设检验方法检验了该分层混合模糊系统的逼近性能.     

K-拟可加模糊数值积分的伪自连续及结构特征

在K-拟可加模糊测度空间上,针对给出的K-拟可加模糊数值积分,将这种积分整体看成可测空间上取值于模糊数值的集函数,进而研究这种K-拟可加模糊积分的伪上(下)自连续、伪一致上(下)自连续和伪双零渐近可加性等结构特征.     

毕达哥拉斯模糊环境下海明距离测度的证明及推广

距离测度是毕达哥拉斯（Pythagorean）模糊决策的一个基本概念，其在用权重向量进行有序集成运算、有序加权距离和相似度构造时具有重要作用。然而，早期发表于International Journal of Intelligent Systems中的文章Extension of TOPSIS to multiple criteria decision making with Pythagorean fuzzy sets，在首次引入海明距离测度时，对距离公理化条件的证明存在不妥。为此，通过反例和分析指出了其在证明公理化条件的有界性和三点不等式时存在的错误，并统筹考虑犹豫度的绝对值项和其他绝对值项，通过分情况讨论给出了海明距离测度的严格证明，进一步，证明了其推广形式（欧几里得距离测度）的公理化条件。