一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况,模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的.针对这一问题,根据模糊积分的思想,本文通过分析隶属函数的变化曲线来确定模糊密度,以此为依据为输入特征划分合适的模糊变量,并以Iris数据集为例验证了该方法的有效性.     

一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况, 模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的. 针对这一问题, 根据模糊积分的思想, 本文通过分析隶属函数的变化曲线来确定模糊密度, 以此为依据为输入特征划分合适的模糊变量, 并以Iris数据集为例验证了该方法的有效性.     

一种新型区间二型模糊神经网络隶属函数的设计

对于区间二型模糊神经网络（IT2FNN）,论文给出了一种新型的模糊隶属函数（FMF）设计方法.通过所设计的模糊隶属函数,可以衍生出三种区间二型模糊隶属函数（IT2FMF）.每种区间二型模糊隶属函数都具有不同的不确定域.论文将三种衍生模糊隶属函数应用于简化区间二型模糊神经网络辨识两个非线性系统.通过仿真,将衍生区间二型模糊隶属函数的辨识性能与高斯和椭圆型模糊隶属函数进行了对比.仿真结果表明,通过调节简化区间二型模糊神经网络的参数,本文所设计的区间二型模糊隶属函数比高斯和椭圆型模糊隶属函数具有更好的辨识性能.     

基于模糊隶属度函数的脑图像分割方法

为提高医学图像在组织边界不清晰以及灰度不均匀下的分割性能，提出一种基于多类样本间模糊距离的隶属度函数分割方法。通过磁共振序列测量确定反映磁共振图像脑部组织特性的映射图，经预处理后得到样本模糊标签；设计基于多样本类间模糊距离的隶属度函数确定各样本的隶属度，该隶属度的确定综合考虑了同类样本与不同类样本之间的空间距离，降低了同类样本之间的隶属度依赖；训练模糊支持向量机对三种主要脑组织进行分割。在脑图像公开数据集上的分割实验表明，改进算法可有效提高分割精度。     

模糊熵聚类在运动变化区域检测中的应用研究

文章介绍了模糊熵聚类的一般定义和常用隶属度函数,根据差分图像的特性确定模糊熵、隶属度函数的选择和阈值的取法.公式推导和理论研究证明,模糊熵算法运用到差分图像中检测运动变化区域的方法是可行的.     

基于核方法的一种新的模糊支持向量机

由于支持向量机对样本中的噪声及孤立点非常敏感,因而在解决非线性、高维数、不确定问题时,使用模糊支持向量机比使用支持向量机的效果要好。在模糊支持向量机中,模糊隶属度函数的建立是关键也是难点。一般,模糊隶属度是在原始空间中根据样本点的相互距离及到类中心的距离创建的。考虑样本间的密切度,在特征空间中利用混合核函数建立一种新的模糊隶属度。通过试验比较多项式核函数、高斯径向基核函数与混合核函数,可看出新方法表现出了它的优越性。     

基于核方法的一种新的模糊支持向量机

由于支持向量机对样本中的噪声及孤立点非常敏感,因而在解决非线性、高维数、不确定问题时,使用模糊支持向量机比使用支持向量机的效果要好。在模糊支持向量机中,模糊隶属度函数的建立是关键也是难点。一般,模糊隶属度是在原始空间中根据样本点的相互距离及到类中心的距离创建的。考虑样本间的密切度,在特征空间中利用混合核函数建立一种新的模糊隶属度。通过试验比较多项式核函数、高斯径向基核函数与混合核函数,可看出新方法表现出了它的优越性。     

正态云隶属度函数确定的FSM方法

隶属度函数及其确定方法的研究具有重要意义。采用正态云模型表示的隶属度函数综合了模糊性和随机性,具有普适性;提出了确定隶属度函数的模糊减法均值聚类(FSM)方法,得到了最优聚类中心和数据的隶属度。实例仿真表明,采用该方法确定了石油钻井中总体积的正态云隶属度函数,解决了隶属度函数难以客观描述和难以确定的问题。     

基于遗传算法的模糊控制器的优化设计——采用模糊数据挖掘技术

论文为模糊系统建模提出了一种新颖的方法——由输入输出数据集合设计基于遗传算法的模糊控制器,该方法采用模糊数据挖掘技术,从大量的输入输出数据集合中自动地提取模糊规则模型,确定模糊分割点及各变量的隶属度函数;并利用实数编码的遗传算法RGA对隶属度函数参数进行全面优化。最后通过实例及仿真验证了该方法的有效性。     

基于遗传算法的模糊隶属函数的选择

确定合适的隶属函数对模糊控制效果有重要影响,是应用模糊控制的基础,也是难点之一。作者应用遗传算法对模糊温度传感器信号处理过程中的隶属函数进行选择,阐述了基本原理和具体实施过程,最后用一具体的实例来说明该优化算法在模糊隶属函数选择中的应用。结果表明：该方法简单实用,具有较为理想的效果。     

PROPOSAL OF AN INTERPOLATIVE FUZZY INFERENCE METHOD

In this paper, we propose an interpolative fuzzy inference method, in which the fuzzy relation is represented by the membership functions of the antecedent and consequent parts. The strong point of this method is that the membership function of an inferred conclusion has a simple shape and thus its meaning can be interpreted easily. Firstly, the proposed method is explained, and then it is applied to fuzzy modeling of distributed data. From the modeling result, it was found that the method performed as a possibility distribution model. The proposed method is expected to be effective on a human supervised system, in which a human being takes any action according to the interpretation of a fuzzy inferred conclusion.     

Fuzzy SVM with a new fuzzy membership function

It is known that with a proper fuzzy membership function, a fuzzy support vector machine can effectively reduce the effects of outliers when solving the classification problem. In this paper, a new fuzzy membership function is proposed to the nonlinear fuzzy support vector machine. The fuzzy membership is calculated in the feature space and is represented by kernels. This method gives good performance on reducing the effects of outliers and significantly improves the classification accuracy and generalization.     

基于模糊隶属度空间约束的FCM图像分割

针对模糊C均值(FCM)算法对噪声较为敏感,提出了基于隶属度空间约束的FCM图像分割方法,该方法将隶属度空间约束关系引入到FCM目标函数,在新的目标函数中,像素点的隶属度不仅仅与FCM标准目标函数有关,还与其领域像素点的隶属度有关。由于融合了图像像素点的空间信息,反映了领域像素点间的隶属度关联信息,因此该算法具有较强的杭噪性能。     

一种优化模糊划分的遗传方法

模糊隶属函数是设计模糊系统的一个关键概念.如何生成适当的隶属函数已成为30年来一个富有挑战性的问题.利用遗传算法和信息熵来解决模糊区域划分和优化,用信息熵来作为适应度评价函数的标准.最后,利用Matlab对所给算法进行了实验,得到一个优化的模糊区域划分.     

基于最优模糊变换和Retinex理论的静脉图像增强方法

一种新的结合模糊变换和retinex理论静脉图像增强方法,可以解决近红外静脉图像所存在的低对比度,动态范围狭窄和强度分布不对称问题。最优模糊变换用于加强全局对比度,引入的Retinex方法可以增强图像细节信息,弥补最优模糊变换的细节缺失。由于图像从空间域向模糊域转换时使用一个参数优化隶属函数,处理的图像不具有最佳性,文中提出一种双参数的隶属函数的优化方法,同时提出一种自适应的选择控制参数方法。实验结果表明,该方法可以有效提高静脉图像与背景的对比度,与其他方法的实验结果相比较,可以看出该办法具有更好的图像增强性能。     

模糊信息系统中基于OWA算子的模糊粗糙集模型

在模糊信息系统中,属性值并不是一个确定的值,而是一个隶属度函数。因此,通过利用有序加权平均(OWA)算子聚合对象间在每个属性上的差异,刻画出对象之间的相似性,定义对象的相似度并讨论其相关性质。借助对象相似度,通过逻辑关系和相应的函数运算,分别给出了对象隶属于上、下近似集合的隶属度。最后,通过实例分析说明在模糊信息系统中,该相似度能较准确地刻画出对象的相似性,同时,对象对于上、下近似的隶属度能更直观、合理地反应对象隶属于某一集合的上、下近似的情况,且能更合理地描述这一粗糙集合。     

A fuzzy bi-criteria transportation problem

In this paper, a fuzzy bi-criteria transportation problem is studied. Here, the model concentrates on two criteria: total delivery time and total profit of transportation. The delivery times on links are fuzzy intervals with increasing linear membership functions, whereas the total delivery time on the network is a fuzzy interval with a decreasing linear membership function. On the other hand, the transporting profits on links are fuzzy intervals with decreasing linear membership functions and the total profit of transportation is a fuzzy number with an increasing linear membership function. Supplies and demands are deterministic numbers. A nonlinear programming model considers the problem using the max–min criterion suggested by Bellman and Zadeh. We show that the problem can be simplified into two bi-level programming problems, which are solved very conveniently. A proposed efficient algorithm based on parametric linear programming solves the bi-level problems. To explain the algorithm two illustrative examples are provided, systematically.