信息分类中的一种模糊技术

把模糊交互熵和模糊似然函数的性质应用到模式聚类中，从而为模式聚类增加了新一种方法；最后给出安德林（IRIR）数据实验对比情况。     

大坝变形分析的模糊似然推理方法

作为模糊似然推理方法的扩展，在多输入因子情况下，推演出水位、温度、时效因子交替固定或变化而似然推理大坝位移的规则，并以刘家峡大坝的水平位移为例，导出了模糊演算预测模型。     

大坝变形分析的模糊似然推进方法

作为模糊似然推理方法的扩展，在多输入因子情况下，推演出水位，温度，时效因子交替固定或变化而似然推理大坝位移的规则，并以刘家峡大坝的水平位移为例，导出模糊演算预测模型。     

信息分类中的一种模糊技术

本文把模糊义互熵和模糊似然函数的性质应用到模式聚类中,从而为模式聚类增加了新一种方法;最后给出用安德森（IRIR）数据作实验的对比情况。     

关于一维模糊随机变量的极大似然估计方法

研究一维模糊随机变量情形总体未知参数的极大似然估计的两种方法——扩张原理法与随机集的可积选择法．在模糊观测条件下,定义了Kwakernaak-Knrse-Meyer型模糊随机变量情形的模糊参数的极大似然估计量及Puff-Ralescu型变量情形的模糊参数的边缘极大似然估计量．得到了它们的存在条件,一致性条件及其相关性质．     

多粒度模糊粗糙近似算子的信任结构与属性约简

多粒度是近年来粗糙集领域研究的一个热点方向, 为使多粒度模型更适用于实际数据, 提高模型的可用性, 模糊思想被引入到多粒度粗糙集模型中。本文构建了基于模糊相似关系下的多粒度模糊粗糙集模型, 并建立了模糊信任结构。在该信任结构下根据多粒度模糊粗糙集的上、下近似构造信任函数与似然函数。研究多粒度模糊粗糙集在模糊等价关系下的属性约简, 并给出相关算法。     

频域最大似然辨识及其算法实现

提出一种与Ｋｌｅｉｎ的方法不同的基于滤波序列的线性系统的频域最大似然估计算法，同时得到一种比通常方法简洁的似然函数的导出方法．本文的算法以飞行器的气动参数估计为例作为应用与Ｌｋｅｉｎ方法的结果进行了比较．     

基于模糊C均值聚类改进的最大似然分类法

基于参数密度分布模型的最大似然分类法(MLC)是遥感影像经典分类方法之一,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点,但是由于遥感数据具有高度的模糊性和随机性,使得贝叶斯(Bayes)判别函数中的均值向量和协方差矩阵很难准确确定。因此首先利用模糊C均值聚类得到模糊划分矩阵,然后基于模糊划分矩阵计算出每一个聚类类别模糊均值和模糊协方差矩阵,并利用模糊均值和模糊协方差矩阵来代替贝叶斯判别函数中的均值向量和协方差矩阵从而建立一个新的判别函数,最后与传统的最大似然分类结果进行比较,结果表明改进后的最大似然分类法在总体精度、Kappa系数均优于传统的最大似然分类方法。     

模糊广义决策信息系统的证据特征与信任约简

探究模糊广义决策信息系统的证据特征和信任约简.首先,给出模糊广义决策信息系统中的模糊上、下近似算子及其相关性质.然后,基于证据理论探讨模糊广义决策信息系统的数值特征,并在模糊广义决策信息系统中,利用证据理论中的模糊信任和模糊似然函数对模糊近似集进行刻画.最后,根据模糊信任函数定义的属性重要度,提出模糊广义决策信息系统信任约简的算法,并给出实例验证其有效性.     

模糊优化方法在结构模糊可靠性分析中的应用

在结构可靠性分析中应用模糊集合理论，给出一般情况下结构失效的模糊定义，并导出计算可靠性指标的模糊优化问题，利用截集的概念转换成普通非线性参数规划问题，得到可靠性指标系列的模糊解．文中还根据模糊判决原理给出特征模糊可靠性指标的定义及计算方法，并给出了计算例题．     

模糊粗糙集分解定理的讨论（I）

分解定理是模糊数学的最基本定理之一,文章给出了模糊粗糙集的四个分解定理,并指出因偏序关系普通模糊集的部分分解定理并不能推广到模糊粗糙集.分解定理建立了模糊粗糙集与经典集间的联系,通过它可以把模糊粗糙集的某些性质的研究转化为相关的经典集的有关性质的研究,从而可以利用人们千百年来的研究成果和实践经验。     

模糊集的比较与排序

通过定义模糊极大集和一个效用函数，从而找到一种判定模糊集优先关系的方法．而用这种方法来判断模糊集的优先关系具有较好的普遍性、可分辨性、直观性以及较强的物理和几何意义．     

图像识别的最大模糊积分识别法

以两个模糊（Ｆｕｚｚｙ）集的相容度为基础，给出了Ｆｕｚｚｙ识别的最大Ｆｕｚｚｙ积分识别法。该方法计算简单，能体现两个Ｆｕｚｚｙ集的平均相容度、Ｆｕｚｚｙ集的可能度与Ｆｕｚｚｙ积分的一种应用。     

模糊集的贴近度及多维综合贴近度

通过对传统F集贴近度的公理化定义进行改造,从而用普通函数的形式对两个F集之间的贴近度进行了更加全面、合理的描述。然后,将描述两个F集之间贴近度的函数推广到多维领域,使得所定义的综合贴近度能够对受多种因素影响的全体F集的综合贴近度进行度量。从而为模糊诊断的自学习功能提供了一条很好的解决途径。     

基于模糊数模糊集的聚类分析

提出了模糊数模糊集及模糊相似矩阵的概念,建立了基本模糊数模糊集的聚类分析理论,并引入了分类可信度的概念。     

粗糙模糊数

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题 ,前者基于信息系统中知识的不可分辨性 ,后者基于信息系统中知识的模糊性 ,将二者结合形成了粗糙模糊集 .定义了粗糙模糊数(RFN) ,进而研究了其性质及二RF数间的距离 ,可用于在实际问题中对模糊信息的表述及信息加工 .     

一种区间二型模糊隶属度函数的构造新方法

针对现有区间二型模糊隶属度函数的构造方法中,存在受试者需为模糊专家,易出现不确定迹(FOU)填满现象(下隶属度函数近似为0),或需预先确定不确定迹的形状的问题,设计受试者不为模糊专家也可正确回答的调查问题,提出一种构造区间二型模糊集隶属度函数的新方法.该法不需预先确定FOU的形状,受试者不必为模糊专家.该法的基本思想是从一组领域专家中收集类属词的上下隶属度区间数据,对所获数据进行数据预处理,最后获得类属词的隶属度函数和FOU.实验结果表明,所提出的新方法可有效构造区间二型模糊隶属度函数,避免出现填满现象.     

模糊粗糙集的贴近度

基于模糊集理论中贴近度的定义及模糊粗糙集的有关性质 ,讨论了模糊粗糙集 (FR集 )的贴近度 ,进而给出了模糊粗糙集的距离贴近度、最小最大贴近度、最小平均贴近度以及格贴近度     

模糊粗糙集的分解定理及表现定理

讨论了模糊粗糙集（FR集）的构造性质,给出其分解定理及表现定理。