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。     

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．     

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。     

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。     

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。     

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.     

基于半监督学习的SVM-KNN

提出一种新的基于半监督的SVM—KNN分类方法,当可用的训练样本较少时,使用SVM进行分类,不能得到准确的分类边界,本文采用半监督学习策略从大量未标记样本中提取边界向量来改善SVM-KNN分类器的引进不仅扩充了SVM的训练样本数目,而且优化了迭代过程中训练样本的标记质量,可不断修复SVM的分类边界．实验结果表明,所提出的方法能提高SVM算法的分类精度,通过调整参数能够获得更好的分类效果,同时也减小了标记大量未标记样本的代价．     

基于异构模糊神经网络集成算法的自主车导向控制

设计了基于神经网络的自主车导向控制器,建立了异构模糊神经网络控制器的结构,并由实验数据产生训练样本和验证样本集.该控制器通过精确控制2个驱动轮的差动转速实现路径跟踪.实验结果表明,采用异构模糊神经网络集成算法的导向控制器能够稳定地实现跟踪导向路径的控制功能.     

一种基于GA和梯度下降法的快速模糊系统学习方法

分析了现有模糊系统的两类主要的学习算法存在的缺陷。针对半梯形和三角形隶属度函数，提出了一种保证隶属度函数ε－完备性的方法。实现了一种新的基于遗传算法和梯度下降方法的快速模糊系统学习算法。通过实例进行了模拟，验证了该方法的高效性， 及保证隶属度函数完备性和模糊集合语义一致性的优点。     

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.     

辽西沿海河流分类的模糊混合聚类法

将模糊聚类最大矩阵元原理与最小二乘最优准则下的模糊ISODATA聚类迭代原理相结合，并按最大隶属原则确定最优分类，建立了基于迭代的模糊混合聚类法．利用此方法对辽西沿海诸河流域进行了分类评价，得到了令人满意的结果．     

RBF神经网络在边坡岩体稳定性中的预测研究

简要分析RBF网络的结构特点及最近邻聚类学习算法之后，以大量边坡工程的稳定状况为学习训练样本及预测样本，建立了预报模型．讨论了基于RBF神经网络技术的边坡岩体稳定性分析方法及其有效性．研究表明，用RBF神经网络方法预测边坡岩体的稳定状况是可行的．     

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。     

基于模糊聚类融合的长输管线气体压力控制系统

在分析神经网络和模糊聚类融合控制方法基础上，将三维模糊控制系统通过ART-2融合变为二维模糊控制系统，采用变强度的通-断控制方法，求出了控制强度σ的值，在长输管线增压气站的压力控制系统中，解决了无特定数学模型问题，受控过程表现出“黑箱”特性，取得了较为满意的控制效果．     

基于HSI空间的模糊C均值彩色图像分割方法

给出了一种在HSI空间上基于模糊C均值的彩色图像分割方法．首先对每个像素根据H分量和I分量计算出4个隶属度,然后将其中的两个隶属度结合形成一个二雏特征矢量来表征像素的全部颜色特征,最后对二维矢量运用模糊C均值聚类算法得到最终的彩色图像分割结果．     

自组织径向基神经网络在数据融合中的应用

径向基神经网络是一种基于数值计算方法插值逼近原理构造的人工神经网络，学习速度快且可以避免局部极小问题。文中提出了使用一种自组织径向基人工神经网络来构造雷达功能推理机的方法，此网络采用非监督自组织和监督学习相结合的混合学习算法。实验结果表明，径向基神经网络只需要用比模糊神经网络少很多的学习时间即可达到相同的识别结果。     

基于模糊神经网络的员工晋升辅助决策系统

为定量地分析企业员工晋升决策过程的影响因素，用基于实例的模糊神经网络方法，通过划分非模糊化和模糊化输入变量。改进了Takagi-Sugeno模糊模型．用包含求和、求积和求极小运算节点的扩展的pi-sigma神经网络学习算法确定结论参数和前提参数。自适应地从员工数据库中归纳出模糊逻辑关系，建立企业晋升决策的辅助系统．经算例验证准确率达75％以上．     

一种基于模糊聚类的无线传感器网络定位算法

节点自定位算法是无线传感器网络的关键技术之一．通过三边比例法，未知节点与任意2个锚节点可计算一对候选共轭位置．用未知节点估计位置作为模糊聚类核心，可以消除共轭干扰并简化聚类迭代过程．用候选位置正态分布概率密度作为模糊隶属度，可降低误差较大锚节点影响，提高定位精度．OPNET仿真证实，模糊聚类算法可用近一次泛洪法通信量，达到22％定位精度．     

模糊神经网络在钢筋混凝土桥梁结构可靠度分析中的应用

钢筋混凝土桥梁结构可靠度分析中存在着模糊性问题,计算结构可靠度的传统方法没有考虑结构的模糊性问题．将模糊神经网络用于钢筋混凝土桥梁结构的可靠度计算,用神经网络来构造模糊系统,实现输入、输出隶属函数的自动调整,并给出了模糊神经网络计算结构可靠度的步骤．最后通过两个算例来计算结构可靠度,计算结果表明,模糊神经网络法计算结果与JC法计算结果比较接近,该方法可以用于桥梁结构的可靠度计算,特别是可用于功能函数不能显示表达的可靠度计算．该方法的缺点是计算用时稍长以及训练、检验样本的来源存在问题．