基于RBF神经网络的隶属度函数学习算法

模糊规则的提取和模糊隶属度函数的学习是模糊系统设计中重要而困难的问题.针对当前开发模糊控制系统的一个难点——发现最优的隶属函数和模糊规则,研究了利用RBF神经网络的学习能力,从历史数据中发现隶属度函数,在一定程度上减轻了系统开发工作量,克服了由于缺乏经验而可能造成的偏差.文中探讨了一种用于提取模糊规则的RBF神经网络结构,提出了基于此网路结构的模糊隶属度函数学习算法,最后给出了用于验证该算法有效性的仿真实例.     

基于RBF神经网络的隶属度函数学习算法

模糊规则的提取和模糊隶属度函数的学习是模糊系统设计中重要而困难的问题.针对当前开发模糊控制系统的一个难点--发现最优的隶属函数和模糊规则,研究了利用RBF神经网络的学习能力,从历史数据中发现隶属度函数,在一定程度上减轻了系统开发工作量,克服了由于缺乏经验而可能造成的偏差.文中探讨了一种用于提取模糊规则的RBF神经网络结构,提出了基于此网路结构的模糊隶属度函数学习算法,最后给出了用于验证该算法有效性的仿真实例.     

基于神经网络的模糊逻辑设计算法

提出了一种利用神经网络学习功能来设计模糊逻辑的方法。用类神经网络算法产生模糊规则和隶属函数，通过学习得到的模糊规则、隶属函数和以新模型推理、逆模糊化为基础的新模糊设计，显著地改进了系统性能，缩短了设计周期，将规则数目和隶属函数最优化，可有效降低系统成本。     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

一种模糊隶属函数的自动生成算法

提出了一种模糊隶属函数的自动生成算法，该算法基于样本数据的变化趋势对数据进行预处理，同时结合模糊C均值方法，实现连续数据的离散化，直观、合理地确定了模糊隶属函数的中心参数，并应用MATLAB语言实现了模糊隶属函数的自动生成算法。     

FNN在心率失常判别中的研究

提出了一种基于模糊神经网络（FNN）对心率失常信号进行判别的新方法。首先，根据心电信号特点构建Sugeno型模糊神经网络，然后使用Cam Delta算法对其进行训练，这样可以得到模糊隶属函数，此隶属函数将R－R间期波及QRS波的长度模糊化。随后，用几何法通过计算隶属度实现对心率失常的判别。经MIT－BIH心电数据库和实测数据检验，此方法可有效的对心率失常进行判别。     

基于多分辨率分析的区间类型2模糊系统

为了更有效地表达和处理系统的不确定性,提出了基于多分辨率分析的区间类型2(简称多分辨率区间类型2)模糊系统,构造了多分辨率区间类型2隶属度函数,并给出了基于尺度函数分解的结构和参数学习算法.多分辨率区间类型2模糊系统的前件是多分辨率隶属度函数,后件是输入的线性函数,因此系统可以自适应地划分输入论域空间,优化系统结构.将多分辨率区间类型2模糊系统应用于带有噪声的时间序列预测,预测结果的复杂度较小,均方根误差为0.105 2.     

基于组合隶属度的快速模糊聚类算法

为了改善模糊C-均值聚类算法(FCM)对噪声图像的分割效果,Stelios等提出了鲁棒性的模糊局部C-均值聚类算法(FLICM),通过引入模糊因子,充分利用邻域像素的灰度信息和空间信息,提高了算法对噪声的鲁棒性,但因每次迭代必须计算邻域像素到聚类中心的距离,导致耗时高、效率低.针对该问题,提出了基于组合隶属度的快速模糊聚类算法,通过构造组合隶属度函数,对迭代中的隶属度矩阵直接进行滤波处理,避免了计算邻域信息耗时较高的缺点,组合隶属度函数不仅考虑了隶属度的局部信息,而且考虑了隶属度的空间信息,在确保算法对图像分割精度的前提下,降低了算法的时间复杂度.实验表明,基于组合隶属度的快速模糊聚类算法可在较短时间内完成高精度的图像分割.     

��������ģ��Ŀ��滮�����Ķ�Ŀ�꽻ͨģ���о�

针对具有模糊因数的多目标交通问题,提出了一种优先模糊目标规划方法。本文首先建立了模糊目标的隶属度函数,其次,将隶属度函数的最高度作为期望水平并引入了偏差变量,从而将隶属度函数转化为隶属度目标。通过最小化负偏差变量得到最满意解。对模糊目标不同优先级结构下的解进行了敏感性分析,并用欧氏距离函数确定了最佳的目标优先级结构,通过最小化后悔值达到决策区域理想点决策值,得到决策单元最满意解。最后,应用实例对本文方法进行分析验证。     

基于模糊识别的神经网络分类器

提出一种基于模糊识别的神经网络分类器。首先对训练样本ＸＫ进行模糊聚类，求其从属于各类别ωｉ的隶属变Ｕｗｉ（Ｘｋ）。然后利用这些训练样本和所求得的从属于各类别的隶属度，通过神经网络的学习拟合出各模式类的隶属函数，进而构造出神经网络分类器。这种方法将模糊理论与神经网络分布式联想存储的优点相结合，使无监督分类器成了有监督分类器。     

机械系统可靠性指标的模糊决策

在模糊综合评判方法的基础上，提出了二级模糊决策模型，该模型物理意义明确、简单实用为设计者确定系统的可靠性指标提供了科学依据，并就模型的建立、隶属函数和隶属度的确定方法进行了重点论述，给出了应用实例。     

基于Takagi_Sugeno型神经模糊控制系统仿真研究

提出了一种用神经网络实现基于Takagi-Sugeno型模糊系统结构，将神经网络的学习功能引入到模糊控制系统中，MATLAB下的仿真研究表明，通过自学习过程，模糊控制器的隶属函数得到自动修正，系统的动态性能得到了改善。     

����IFS��ͨ״̬������Ϣһ�����ں�

针对多源交通信息具有模糊性和时变性的特点,引入直觉模糊集理论(IFS),建立多源交通信息一致性融合算法,融合传感器检测信息与人工信息对交通状态进行实时判别.为了解决IFS中非隶属度函数难以确定的问题,借鉴隶属度函数的构造方法,通过建立双隶属度函数构造直觉模糊数.并以直觉模糊数中的隶属度、非隶属度建立支持度函数,量化决策信息的一致性程度,决策信息的支持度越高集成权重越大,并且权值随决策信息的变化而动态更新.最后给出交通状态决策信息融合算法的具体步骤,并通过算例证明算法是有效的.     

三角模糊数的立方根及在模糊系统上的应用

以往的文献很少讨论模糊数的立方根表示和成员关系函数.模糊数的立方根能够用来解决模糊控制系统中的一些问题.本文新提出了一种三角模糊数的立方根代表值和隶属度函数.最后,作为一个数值示例,模糊数的立方根被应用到一个模糊系统例子中.     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型．采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优．实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的．     

基于粒子群的城市交通信号两级模糊控制

针对城市交通流的特点,设计一种单交叉口多相位两级模糊控制器,有效地减少控制规则数,实现相序、绿信比、周期随交通状况而自适应变化,并采用粒子群算法对模糊控制器的隶属度函数进行优化。仿真结果表明,该系统能有效地提高交叉口的通行能力,减少车辆平均延误。     

应用自适应网络模糊推理系统的sugeno模糊模型辨识

给出了一种模糊系统建模的有效方法。首先用减法聚类对系统输入输出数据进行聚类，然后用自适应网络模糊推理系统建立系统的sugeno模糊模型，这样解决了因输入变量高维引起规则的组合爆炸问题以及隶属函数形状和模糊规则不能自动选择的问题。     

基于模糊综合评判的智能行程时间预测算法

提出一种智能行程时间预测算法。算法基于交通流量和占有率等实时交通信息,用模糊综合评判的方法实现对行程时间的预测。其核心是由交通流量和占有率构成因素集,把行程时间看成由因素集组成的评判集,通过因素集的隶属度函数确定模糊评判矩阵,从而求出行程时间的定量值。算例验证了算法的预测精度高,拟合程度好,具有一定的可行性。     

相邻双交叉口的三级模糊协调控制算法分析

提出一种相邻双交叉口三级模糊协调控制的算法,并通过遗传算法对模糊控制器各参数的隶属度函数顶点进行优化,设计实现相邻双交叉口协调控制的三级模糊协调控制器。通过使用MATLAB7．1进行编写仿真程序,在不同到达率情况下进行仿真,并且与传统单交叉口模糊控制方法进行比较。仿真结果表明,三级模糊协调控制可以有效减少相邻双交叉口车辆的平均延误。     

多源信息环境下的路径决策模型

针对路径选择过程中主观因素和客观因素共同作用且无法量化的问题,根据直觉模糊集理论,建立了双隶属度函数,分别构造了主观和客观直觉模糊函数;利用直觉模糊函数中的隶属度、犹豫隶属度建立了决策函数;借鉴证据理论的证据冲突思想,改进犹豫隶属度函数投影法,用该方法进行了犹豫隶属度分配;并运用对数增长型权重模型,量化了时序多源信息的重要程度,建立了分析道路决策选择结果的驾驶决策行为模型.算例分析结果表明:该模型在考虑个人历史经验信息、交通管制信息、道路物理环境信息与道路拥堵信息形成的多元信息环境下,选择驶入和不驶入的决策近似隶属度分别为0.767和0.233.