关于二型模糊集合的一些基本问题

采用集合论的方法给出了单位模糊集合和二型模糊集合及其在一点的限制等定义,使得二型模糊集合更易于理解.通过定义嵌入单位模糊集合来描述一般二型模糊集合,并给出离散、半连通二型模糊集合的表达式.根据论域、主隶属度及隶属函数的特性将二型模糊集合分为四种类型:离散、半连通、连通及复合型,并根据连通的特点将连通二型模糊集合分为单连通及多连通两类.利用支集的闭包(Closure of support,CoS)划分法表述主隶属度及区间二型模糊集合.提出了CoS二、三次划分法分别来表述单、复连通二型模糊集合,并使每一个子区域的上下边界及次隶属函数在该子区域上的限制分别具有相同的解析表述式.最后,探讨了二型模糊集合在一点的限制、主隶属度、支集、嵌入单位模糊集合之间的关系.

带停止迭代条件的普通二型模糊集合降阶算法

针对普通二型模糊集合降阶算法效率低下问题,提出了带停止迭代条件的普通二型模糊集合降阶算法。基于模糊截集理论,将普通二型模糊集合的降阶简化为若干个区间二型模糊集合的降阶,并利用停止迭代条件来减小普通二型模糊集合降阶算法的运算时间。2种不同形式的首隶属度函数和次隶属度函数的仿真结果表明:该算法能够提高运算效率,具有较强的实用性。

基于区间二型模糊集合的语言动力系统稳定性

运用区间二型模糊集合(Interval type-2 fuzzy sets,IT2FSs)的扩展原理将常规的数值函数转化为对应的区间二型模糊函数,并给出了相应的词计算(Computing with words,CW)方法与算法,最后分析了严格单调情况下基于区间二型模糊集合的单输入单输出系统的语言动力系统(Linguistic dynamic systems,LDS)稳定性.

广义区间二型模糊集合的词计算

普通的模糊集合是点值为二维的一型模糊集合,二型模糊集合(Type-2 fuzzy sets,T2FS)是点值为三维的模糊集合,T2FS比相应的一型难以理解和计算.为了让人们更好地理解T2FS并推广其应用,本文提出了广义区间二型模糊集合(Generalized interval type-2 fuzzy sets,GIT2 FS)的定义,并将其分成三类:离散型、半离散型及连续型,分别给出相应的数学表达式与扩展原理公式,并得到了GIT2FS在两种不同的模糊逻辑算子下的词计算。

一种新的区间二型模糊集合降阶算法

区间二型模糊集合的KM/EKM降阶算法,其效率较低,难以用于二型模糊逻辑的实时控制。而基于切换点计算公式的单调性关系的IASC和EIASC算法虽然其运算时间低于KM/EKM算法,但其初始值都是从两侧端点开始,其效率也有待提高。提出了一种新的二型模糊集合降阶算法,利用切换点计算公式和论域中值的关系以及初始化左、右切换点的值来提高计算效率。两个仿真实例验证了本算法的有效性和实用性。

应急物资需求量的二型模糊集合预测方法

为提供准确、可靠的应急物资需求量的实时信息,建立基于模糊群决策的需求预测模型。通过数据收集、数据预处理、信息集结,将专家个人对应急物资需求预测的一型模糊集合集结成群体意见的二型模糊集合。分别讨论集结过程中专家权重是确定数值和一型模糊集合2种情况的预测方法。将该预测方法运用到应急决策案例中,求解结合多部门意见的物资需求量。结果表明,用该模型能在信息匮乏条件下预测应急物资需求,与一型模糊预测相比,能保留更多的个体预测信息。

基于二型模糊集合的电力客户满意度评估

根据供电服务质量的特点及客户满意度模型,给出了电力客户满意度评估指标。考虑到电力客户满意度的不确定性,运用离散的二型模糊集合,从票数与分数两方面对客户满意度各评估指标进行详细描述与分析,并采用二型模糊集合和模糊综合评判法,实现对电力客户满意度的评估与表述;通过实例验证了方法的可行性和有效性。

二型模糊集合在遥感影像土地利用分类中的应用

在遥感影像土地利用分类中,传统的布尔分类法只考虑地物光谱信息,用"是"与"非"的二值确定逻辑状态分类影像,当存在较多混合像元时,其不能满足一些实际应用的要求。模糊分类法综合了地物光谱特征、空间特征和对象的拓扑关系,对每个像元的归属用[0～1]的模糊度来表示,有效地解决了该问题。通过对研究区TM影像进行传统布尔法分类和模糊分类法分类的结果比较可知:对混合像元较多且波段较少的遥感影像土地利用分类,二型模糊集合分类能够适应用户不同精度需求,并能交互式输出结果。

基于区间二型模糊集合的人工交通系统可信度评估

提出了一种基于区间二型模糊集合理论的人工交通系统可信度评估方法.该方法以二型模糊集合算法为核心数据处理方法,构建了人工交通系统的评估体系.利用置信区间方法提取实际交通数据和人工交通数据的统计特征,同时为二型模糊集合提供了输入数据.利用二型模糊集合处理不确定性、随机性和噪声数据的能力,得到刻画实际交通系统和人工交通系统特性的输出数据集.并基于Jaccard算法对两个系统二型模糊集合的输出集进行了相似度运算,以Cronbach系数值为依据,实现了人工交通系统的可信度评估.与传统可信度评估方法相比,该评估方法具有较强的数据处理能力,有效地实现了基于数据驱动方法理念下人工系统与实际系统之间的比较.本文基于面向对象编程语言搭建开发的基于Agent的人工交通系统模型,对其进行了可信度评估验证,评估结果说明了所提出方法的合理性和有效性.

区间二型模糊集合的表述与应用

通过引入多值映射,本文给出了二型模糊集合的新定义以便其能更好地容易理解,并在修正的不确定覆盖域(footprint of uncertainty,FOU)定义与公式的基础上,提出了FOU划分法来表示连续区间二型模糊集合,最后将该表示方法应用于区间二型模糊集合的词计算及并、交、补运算之中。

一一映射下区间二型模糊集合的语言动力学轨迹

给出区间二型模糊扩展原理,并将常规的一一映射抽象成与之对应的区间二型模糊映射.介绍基于区间二型模糊扩展原理的词计算方法.最后分析区间二型模糊集合的语言动力学轨迹.

基于α截集的改进二型模糊集合降阶算法研究

针对普通二型模糊集合降阶计算量很大的问题,提出了一种基于α截集的改进降阶算法。利用α截集表示二型普通模糊集合,将普通二型模糊集合的降阶过程简化为α-区间二型模糊集合的降阶过程。对快速二型模糊集合降阶算法进行改进,利用插半法求取左、右切换点。2种不同形式的首隶属度函数和次隶属度函数的仿真实验表明,本文算法能够有效减少求取切换点的比较次数,提高运算效率,具有较强的实用性和适应性。

基于二型模糊集的移动客户满意度综合评价模型

根据移动通信公司服务质量的特点以及客户满意度模型,给出了移动公司客户满意度的评价指标.通过问卷调查的方式获取相应的数据,并利用SPSS22.0软件对这些数据进行了独立样本t检验、信度检验、效度检验以及因子分析,证明了所给评价指标是合理且可靠的.由于移动客户满意度存在更多的不确定性,采用一型的模糊集合无法对其进行准确的描述与分析.因此,从投票和得分两个角度对各个评价指标进行描述与分析,得到相应的离散的二型模糊集合,采用多级模糊综合评价法,对移动公司客户的满意度进行二型模糊综合评估,并通过实例验证该模型的可行性以及有效性.

基于区间二型模糊EDAS的多属性决策方法

针对多属性决策存在的复杂性和不确定性问题,提出基于区间二型模糊平均解距离法(evaluation based on distance from average solution,EDAS)的多属性决策方法。采用区间二型模糊集合(interval type-2 fuzzy sets,IT2FS)表达评价信息解决专家的偏好信息存在个体化差异问题,并纳入EDAS对备选方案进行排序。以区间二型模糊数表达评价信息构建决策矩阵,以计算得到的综合评价值的去模糊化结果作为最终的方案排序依据。针对EDAS中属性权重需要从外部获取的问题,采用区间二型模糊集合改进的最优最劣法(best-worst method,BWM)确定属性权重。最后,以某汽车制造企业选购新能源汽车云服务方案为例,验证所提方法的有效性。

区间二型模糊综合评判下的语言动力学分析

为了解决多人对事物的多因素动态评估问题,提出区间二型模糊综合评判下的语言动力学分析方法,给出半连通区间二型模糊集合的表述与运算.综合二型模糊集合与模糊综合评判,探讨二型模糊综合评判方法.结合不同时段的数据,形成多因素动态评估的语言动力学轨迹.最后将区间二型模糊综合评判下的语言动力学系统应用于旅游景区的动态评估中.

基于区间二型模糊逻辑的短期风速预测研究

针对风速具有强随机性而难以准确预测的问题,引入二型模糊逻辑以减小预测误差。基于反向传播-奇异值分解混合迭代算法,建立了区间二型模糊模型用于风速的短期时间序列预测,首先通过反向传播算法调节模型输入及规则前、后件集合的参数,然后利用奇异值分解法优选模型规则。同时,基于反向传播算法建立了一型模糊模型和区间二型模糊模型,将其预测结果作为检验性能的基准。仿真结果表明,基于混合迭代算法的区间二型模糊模型能有效精简系统规则并提高预测精度,具有一定的实用价值。

二型模糊系统研究与应用

简单介绍模糊系统和二型模糊系统发展,概述二型模糊系统的应用范围、条件和组成,比较详细的介绍了二型模糊集合基础理论,按照二型模糊系统的组成模块描述模糊器,规则库,推理引擎,降型器,精确器的表达式和推导过程。

二型模糊系统理论与应用

文章回顾了二型模糊系统理论的发展,详述了二型模糊集合的基本概念和计算方法,重点介绍了系统各基本组成部分的表达式和推导过程以及区间二型模糊系统的相关知识,概述了二型模糊系统的应用条件以及近几年的成功应用案例,最后总结了现阶段存在的问题及发展方向。

一类区间二型模糊PI控制器设计算法

区间二型模糊控制器在处理不确定性方面优于传统的模糊控制器,但带来的一个问题就是区间二型模糊控制器需要降阶过程。常用的KM等迭代式降阶算法效率低下,难以用于实时性较高的场合。本文利用直接降阶算法和动态解模糊化算法,提出了一类区间二型模糊PI控制器设计算法。该算法在降阶过程中考虑偏差和偏差变化量对控制器输出的影响,避免了KM等迭代式降阶过程。通过二阶迟延对象以及一个非线性对象的仿真实验表明,本文算法能够有效降低系统超调,降低系统的稳态时间,控制器在设定值附近的输出更为平滑。

基于模糊聚类的二型模糊神经网络系统辨识

二型模糊神经网络结合了二型模糊系统描述实际情况不确定性和神经网络的学习能力,在非线性系统的辨识中得到了广泛应用。二型模糊神经网络参数学习使用最多的是反向传播算法算法,该算法原理简单,易于实现。但是该算法对初值敏感,不合适的初始会导致算法收敛于非最优解或者发散。针对反向传播算法的这一缺点,提出了一种基于模糊C均值聚类的区间二型模糊神经网络辨识算法。该算法选择高斯型隶属度函数,将模糊C均值算法得到的聚类中心初始化高斯函数的中心,而高斯函数的宽度利用模糊C均值聚类算法的隶属度和中心求取。通过2个非线性系统的辨识效果表明,提出的辨识算法具有较高的辨识精度,收敛速度较快。