顾客忠诚度测评模型

简述顾客忠诚的意义 ,提出顾客心理、言语、行为忠诚的概念 ,提出顾客忠诚度的定义和测评基本原理 ,并在此基础上构建以模糊推理和模糊综合评判为主要工具的测评模型 ,且进行实证研究     

模糊推理的一个新方法

作为控制的理论基础,模糊推理已有２０多年的历史,至今持续不衰,但其基本原理与逻辑基础似乎均应重新考虑。本文指出Ｚａｄｅｈ的ＣＲＩ算法中的复合运算是缺乏根据的,提出了完全建立在蕴涵运算基础上的三Ⅰ算法,从方法与运算结果两个方面都改进了ＣＲＩ算法。     

模糊推理的基本理论

模糊推理已经在多个领域得到成功的应用,同时,模糊推理的理论研究也取得较大的进展.本文针对模糊推理研究文献比较杂乱和零散的情况,系统地构建模糊推理的理论体系.从模糊推理的理论研究和一些实际应用提取出五个基本模型,简要评述模糊推理的三个重要方法,仔细讨论评判模糊推理方法优劣的五个准则,进一步明确与模糊推理有关的一些概念及相互关系,统一有关的术语与记号,综述相关的研究成果,同时给出一些新的观点和结果.     

区间值模糊推理

针对区间值模糊关系,讨论区间值模糊关系的合成运算及其运算性质,在此基础上研究简单区间值模糊推理和多重区间值模糊推理的两种模糊推理形式,给出4种区间值模糊推理的数学模型,并辅以实例来说明我们提出的区间值模糊推理方法的可行性。     

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。     

模糊推理的摄动性

在模糊推理过程中,推理前件的微小变化往往会引起推理结果的较大变化。针对这种情况,本文讨论基本模糊推理,多重模糊推理以及多重多维模糊推理的摄动性问题,并根据推理过程中复合算子和蕴涵算子的不同选取对各种形式的模糊推理的最大摄动参数进行评估。     

模糊集的相对扰动

在模糊推理的理论研究中,模糊推理方法的扰动性分析是一个重要的研究方向,即讨论模糊推理前件的变化对后件的影响。本文给出模糊集的相对扰动的概念,讨论由模糊集运算产生的相对扰动,以及模糊推理的相对扰动性,给出一些有趣的性质。     

区间值模糊推理的三Ⅰ算法

模糊推理在控制和人工智能等领域已得到了广泛的应用，但其理论基础还不完善，王国俊教授提出的模糊命题逻辑的形式演绎系统和三Ⅰ算法为模糊推理奠定了严格的逻辑基础，本文把三Ⅰ算法用于区间值模糊推理，并且指出一般模糊推理是在区间退化为点时的特殊区间值模糊推理，从而把一般模糊推理纳入于区间值模糊推理的框架之内。     

基于Schweizer-Sklar算子的模糊推理模型的连续性

本文将Schweizer-Sklar算子引入模糊系统,引入了模糊推理模型连续性的新定义,给出了两种典型的模糊推理模型为连续模型的充要条件.讨论了几种常用的模糊推理模型的连续性,给出其改进形式.     

模糊推理插值器

提出了模糊推理插值器概念.这一方向的研究既能为模糊推理算法引入数值分析中成熟的误差分析方法,又能为插值法引入模糊推理中的算子和技巧,有望在高维插值,模糊控制器设计和分析等领域得到应用.     

作用模糊子集推理方法的研究与应用

针对实用模糊控制过程,提出作用模糊子集和作用模糊控制规则的概念;根据模糊逻辑推理中真值的产生、传递和接收机理,提出作用模糊子集推理方法;比较分析了作用模糊子集推理方法与CRI法的推理结果;利用该推理方法实现了试验室温度模糊控制试验。     

一种新的三角模糊数算子在加权模糊推理中的应用

针对基于模糊逻辑的加权模糊推理,Chen Shy i-M ing提出了两种计算合取式前件整体真值的方法。由于所用模糊数算子的影响,两种方法的求取结果在准确性和合理性上都存在一定的缺陷。这种缺陷将直接影响推理的性能。因此,为改善这种缺陷,提高推理性能,本文提出了一种新的三角模糊数算子。它的应用可以提高推理的准确性和合理性。     

基于极大模糊熵原理的模糊推理三I算法

用模糊熵来度量模糊推理结果的模糊程度，并用本文给出的极大模糊熵原理对王国俊先生提出的模糊推理三Ⅰ算法做进一步的解释和改进，提出基于极大模糊熵原理的模糊推理三Ⅰ算法，证明这几种算法在一定条件下是关系再现算法。     

基于三角范数的模糊逻辑中的三Ⅰ方法

三I推理方法是一种新的模糊推理方法,通过已有的研究成果表明,在许多方面它优于传统的CRI推理方法,它将成为模糊系统和人工智能的理论和应用研究中一个比较理想的推理机制。最近,国外学者提出了一个新的模糊逻辑形式系统,叫做Monoidal t-norm based logics(简记为MTL),已经证明这个形式系统是所有基于左连续三角范数的模糊逻辑的共同形式化。本文基于这类逻辑将三I推理方法形式化,从而在这些逻辑系统中为三推理方法找到了可靠的逻辑依据。     

Symmetric implicational method of fuzzy reasoning

Fuzzy reasoning should take into account the factors of both the logic system and the reasoning model, thus a new fuzzy reasoning method called the symmetric implicational method is proposed, which contains the full implication inference method as its particular case. The previous full implication inference principles are improved, and unified forms of the new method are respectively established for FMP (fuzzy modus ponens) and FMT (fuzzy modus tollens) to let different fuzzy implications be used under the same way. Furthermore, reversibility properties of the new method are analyzed from some conditions that many fuzzy implications satisfy, and it is found that its reversibility properties seem fine. Lastly, the more general α-symmetric implicational method is put forward, and its unified forms are achieved.     

Toward extended fuzzy logic—A first step

Fuzzy logic adds to bivalent logic an important capability—a capability to reason precisely with imperfect information. Imperfect information is information which in one or more respects is imprecise, uncertain, incomplete, unreliable, vague or partially true. In fuzzy logic, results of reasoning are expected to be provably valid, or p-valid for short. Extended fuzzy logic adds an equally important capability—a capability to reason imprecisely with imperfect information. This capability comes into play when precise reasoning is infeasible, excessively costly or unneeded. In extended fuzzy logic, p-validity of results is desirable but not required. What is admissible is a mode of reasoning which is fuzzily valid, or f-valid for short. Actually, much of everyday human reasoning is f-valid reasoning.f-Valid reasoning falls within the province of what may be called unprecisiated fuzzy logic, FLu. FLu is the logic which underlies what is referred to as f-geometry. In f-geometry, geometric figures are drawn by hand with a spray pen—a miniaturized spray can. In Euclidean geometry, a crisp concept, C, corresponds to a fuzzy concept, f-C, in f-geometry. f-C is referred to as an f-transform of C, with C serving as the prototype of f-C. f-C may be interpreted as the result of execution of the instructions: Draw C by hand with a spray pen. Thus, in f-geometry we have f-points, f-lines, f-triangles, f-circles, etc. In addition, we have f-transforms of higher-level concepts: f-parallel, f-similar, f-axiom, f-definition, f-theorem, etc. In f-geometry, p-valid reasoning does not apply. Basically, f-geometry may be viewed as an f-transform of Euclidean geometry.What is important to note is that f-valid reasoning based on a realistic model may be more useful than p-valid reasoning based on an unrealistic model.