集值统计方法

文章[1]中首次提出了集值统计的思想框架,并且提供了实验依据和实际应用背景。本文从统计判决理论的观点对集值统计的理论和方法做了初步探讨。在一些数学概念例如随机集的定义上与[1]略有不同。     

基于集值统计的直觉模糊聚类

针对聚类问题中样品属性值不能或很难直接给出的情况,提出了一种基于集值统计的直觉模糊聚类方法,讨论了四种情况下的属性直觉模糊相似矩阵的公式,给出了聚类方法的步骤,最后通过算例 对该方法进行了说明和分析.     

基于集值统计的模糊综合评判及其应用

考虑到专家在评判过程中思维的不确定性、随机性及模糊性,采用了一种基于集值统计的模糊综合评判方法,并将其应用于课堂教学质量的测评,实验结果表明该评判方法比传统综合评判模型更为合理、更客观.     

模糊排序专家系统及其在科研管理中的应用

本文建立了一种模糊排序专家系统,并将其应用于科研项目立项评审工作,取得了很好的应用效果。该系统还可推广应用于其它排序工作。     

广义多值直觉模糊软集及其在多属性决策中的应用

软集理论作为一种处理不确定问题的数学新工具弥补了传统模糊理论在参数工具上的不足。本文将广义模糊软集与多值直觉模糊集相结合,提出了广义多值直觉模糊软集的概念,给出了广义多值直觉模糊软集的交、并、补、“且”、“或”运算的概念,并基于这些概念研究其若干相关性质。此外,还将广义多值直觉模糊软集应用到多属性决策问题中去,给出相应的算法。并进行实例分析说明该决策方法的可行性和有效性。     

基于集值统计的战略联盟评价模型

联盟绩效评价是战略联盟管理的重要内容。本文在综合评价的基础上．利用平衡记分卡的基本思想．结合集值统计和线性规划方法．提出了一种战略联盟绩效评价方法。应用说明了该模型的有效性。     

一种新型的模糊神经网络及其应用

本文提出了一种新型的模糊神经网络，从理论上论证了其推理的合理性和逼近能力，同时应用于系统辩识，取得较好的效果。     

局部紧空间上模糊值模糊测度的正则性

研究局部紧Hausdorff空间上模糊值模糊测度。首先,给出模糊值模糊测度的自连续和一致自连续的定义,然后引进模糊值模糊测度正则性的概念,在自连续或一致自连续的条件下,证明了局部紧空间上模糊值模糊测度的一些定理。     

集值映射的Epi-导数及其应用

在本文里，集值映射的Epi-导数被引入，它可以认作是实值Lipschitz函数的Clarke-广义方向导数的推广，同时它的一些性质也被研究．进一步地，利用这个Epi-导数集值映射的次微分被定义并研究它的性质．作为其应用，我们给出了集值优化问题的一些(必要或充分)最优性条件．     

一种基于模糊集值统计的集对预测方法

在集对分析中,差异度系数i是体现系统不确定性的重要变量,但如何取值一直在理论上没有解决,本文根据i的取值的不确定性与模糊性,提出了一种基于模糊集值统计的差异度系数取值方法.对于原始数据中的噪声,本文提出了一种基于模糊软阈值的小波去噪方法,并利用支持向量回归方法来进行同异反预测,在一定程度上克服了线性建模技术的不足.此外,为了克服同一度、差异度与对立度之间的归一化约束,本文还提出了一种熵变换的方法.     

基于神经网络的模糊决策方法

给出用神经网络去处理模糊决策问题的方法,此方法避免了模糊决策计算量大、计算复杂,隶属函数确定带有主观性等问题。     

复Fuzzy级数及其收敛性的进一步讨论

给出复 Fuzzy数项级数与复 Fuzzy函数级数的概念 ,讨论它们的收敛性问题 ,给出它们收敛性的相应判别法则。     

基于模糊综合函数的目标属性识别模型

应用模糊集理论量化了防空火力单元识别结果,利用模糊综合函数对火力单元的量化结果进行综合,并给出了信任函数的表达式。     

模糊概率神经网络水质评价模型及其应用

鉴于水质类型和分级标准存在模糊性,将模糊数学中的相对隶属度理论和概率神经网络和相结合,构建了模糊概率神经网络水质评价模型(FPNN).阐明了该模型的构建方法,提出了基于指标相对隶属度矩阵插值构建学习样本的方法,并将该模型应用于实际水质评价.通过与综合评判法、属性识别法和BP网络法的比较,验证了该模型操作简便,评价结果客观可靠.     

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。     

基于模糊结构元表述的模糊数排序

讨论了如何利用结构元理论来解决模糊数的排序问题.首先,给出了四种经典的模糊数排序方法,并证明了这四种方法都可以利用结构元理记来表述;进而,提出了一种基于结构元理论的排序方法,给出了该方法的性质,并同传统方法进行了比较.     

插值型模糊前向神经网络

为了克服前向神经网络的固有缺陷,提出了基于采样数据建立的含单隐层神经元的模糊前向神经网络.该网络模型利用权值直接确定法得到了最优权值,网络结构可以随采样数据的多少,自主设定隐层神经元,完成了近似插值与精确插值的转换.计算机数值仿真实验表明,模糊前向神经网络具有逼近精度高、网络结构可调和实时性高的优点,并且可以实现预测和去噪.