Vague值向Fuzzy值转换的两种方法

提出两种Vague值向Fuzzy值的转化方法。证明了这些转化方法是实用方法。证明了文献[1]所提出的三种转化方法都是这些转化方法的特殊情况。还证明了文献[2]所提出的转化方法是这些转化方法的特殊情况。     

Vague值向Fuzzy值转化方法新探

用反例证明文献[1]提出的两种Vague值向Fuzzy值的转化方法是不满足准则1^[2]和准则2^[2]的。但是如果在这两个方法中补充参数的约束条件,则这两种方法皆是实用方法。提出两种Vague值向Fuzzy值新的转化方法,证明了它们是实用方法。     

关于Vague值向Fuzzy值转化方法的一些思考

提出Vague值向Fuzzy值转化的系列均值修正法。证明了这些方法满足Vague值向Fuzzy值的转化准则。     

Vague集向Fuzzy集转化的一种新方法

提出Vague值向Fuzzy值转化的实用方法的定义。针对文献[6]中的一个Vague值向Fuzzy值转化的均值修正法,提出了加权均值修正法,并证明了这种方法同样是Vague值向Fuzzy转化的一种非常实用的方法。     

一种新区间值vague集及其在模式识别中的应用

基于现有定义证明了区间值vague集并非vague集的扩展,并提出了一种新的区间值vague集定义。证明了 vague集和区间值vague集都是新区间值vague集的特例。进而提出了带参数区间值vague集的概念,并从已知隶属 度和非隶属度出发,重点分析了带参数区间值vague集的构造。将模式识别与医疗诊断案例进行了对比。仿真实验 结果表明,带参数区间值的vague集方法比传统的vague集方法更全面且更具灵活性。     

一种新区间值vague集及其在模式识别中的应用

基于现有定义证明了区间值vague集并非vague集的扩展,并提出了一种新的区间值vague集定义.证明了vague集和区间值vague集都是新区间值vague集的特例.进而提出了带参数区间值vague集的概念,并从已知隶属度和非隶属度出发,重点分析了带参数区间值vague集的构造.将模式识别与医疗诊断案例进行了对比.仿真实验结果表明,带参数区间值的vague集方法比传统的vague集方法更全面且更具灵活性.     

从Fuzzy值数据向Vague值数据的转化公式

提出了Fuzzy值数据向Vague值数据的转化准则和定义,提出了一些Fuzzy值数据向Vague值数据的转化公式（方法）。例题表明这些公式（方法）都是有效的。     

区间值逻辑柔性化的研究

蕴涵是研究逻辑学的重点和难点,本文运用泛逻辑学的理论,把广义相关性引入到区间值逻辑中,重新定义了区间值逻辑的补、交、并运算,给出一种区间蕴涵的定义形式,使区间值逻辑运算模型连续可变,进一步证明了区问蕴涵的正则性、单调性和伴随性。以全新的观点给出区间值逻辑在h几个特殊点处的交、并和蕴涵运算模型。这对深入研究区问值逻辑柔性化,具有重要的意义。     

关于区间值数据向Vague值数据转化公式的研究

提出了区间值数据向Vague值数据的转化准则和定义,以及两个区间值数据向Vague值数据的转化公式。例题表明不同公式有不同的特征。     

集值决策信息系统的知识约简与属性特征

本文定义了集值决策信息系统中的一种新的关系，给出了在这种关系下协调集值决策信息系统属性约简的判定定理和辨识矩阵，从而得到了知识约简的具体操作方法，并讨论了在属性约简中起不同作用的属性分类及其特征。定义了不协调集值决策信息系统的分配协调集，给出了一种将不协调集值决策信息系统转化为广义协调近似空间的方法，并证明了不协调集值决策信息系统的分配协调集就是广义协调近似表示空间的协调集。     

Vague值向Fuzzy隶属度转化方法的准则

引入从Vague值A(u)导出的Vague值A軒(u)、赞成与反对程度、可能的不确定度、可能的赞成与反对程度等概念,应用这些概念提出两种把Vague值转换成Fuzzy隶属度的方法,提出判断Vague值转化为Fuzzy隶属度的准则,证明四种“转化”方法满足这些准则。     

分形隶属度函数模糊控制

本文给出了分形隶属度函数的定义，提出了分形隶属度函数模糊控制思想，并利用分形隶属度函数模糊逻辑对四级倒立摆进行了仿真，取得了很好的控制效果。     

On Paradox of Fuzzy Modeling: Supervised Learning for Rectifying Fuzzy Membership Function

The paradox of fuzzy modeling is recognized due to the co-existence of its effectiveness of solving uncertain problems in the real world and the skepticism of its reasonability in membership function. In this paper, a revised membership function by means of supervised machine learning is introduced, in which the membership function curve is revised from the learning data of existing samples. It points that the information from supervised machine learning by samples is in the same argument to the statistic data from observation in the probability model. The formulations of supervised fuzzy machine learning by samples for revising the membership function are presented, and satisfactory results by the revised membership function compared with the experimental data are shown. It steps forward in promoting the pragmatic application of fuzzy methods in real world problems.     

多指标决策中隶属度转换算法及其应用

隶属度转换涉及了众多应用领域, 但是, 目前已有的隶属度转换算法仍然存在如下问题: 给出的转换算法不能揭示指标隶属度中哪部分对目标分类有用, 从而导致了指标隶属度中原本对目标分类不起作用的冗余数值也被用于计算目标隶属度. 针对已有隶属度转换算法中存在的冗余数据问题, 本文从对目标分类的角度设计了一种滤波器, 可以识别对目标分类不起作用的冗余的指标隶属度和指标隶属度中的冗余数值, 并从指标隶属度中分离出对目标分类起作用的``有效值', 参与计算目标隶属度; 最终建立实现由指标隶属度到目标隶属度转换的一般算法. 应用实例说明了转换的全过程.     

模糊控制中隶属函数的自动生成

本文摘要分析了模糊控制中模糊语言变量的隶属函数，提出了一种实用的隶属函数设计方法经对多种实例的设计，均获得满意的结果。     

一种新颖隶属度函数的模糊支持向量机

传统的支持向量机(SVM)训练含有外部点或噪音数据时,容易产生过拟合(over-fitting)。通过模糊隶属度函数来降低外部点或被污染数据的选择。本文提出了一种新的核隶属度函数,这种新的隶属度函数不仅依赖于每个样本点到类型中心的距离,还依赖于该样本点最邻近的K个其他样本点的距离。实验结果表明了具有该隶属度函数的模糊支持向量机的有效性。     

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。     

Membership modification and level sets

We introduce the concept of a membership modification function and describe its role in transforming one fuzzy set into another. We discuss the related idea of a membership modification program consisting of a collection of related membership modification functions and show how the concept of level sets is an example of a membership modification program. Using this idea of membership modification allows us to consider other transformations of fuzzy sets that soften the idea of level sets. Using these ideas we provide an extension of the Jaccard similarity index.