基于模糊隶属度分布函数的博斯腾湖景观适宜水位确定

采用层次分析法识别博斯腾湖景观关键点,基于湖泊特征水位分析,构建了景观关键点水位和景观适宜度的模糊隶属度分布函数,计算了不同季节博斯腾湖景观适宜水位范围。结果表明:湖泊水质、年旅游业收益是识别博斯腾湖景观关键点的主要因素;博斯腾湖最佳景观水位为1046.70 m,低警戒水位为1045.00 m,高警戒水位为1047.90 m,低、高破坏边缘水位分别为1045.40 m和1047.40 m;不同季节博斯腾湖景观适宜水位存在差异,春季和秋季景观适宜水位范围为1045.90~1047.16 m,夏季为1046.00~1047.00 m,冬季为1045.85~1047.25 m。

基于ANP和优化隶属度函数的雷达质量评估研究

为检验雷达系统质量状况,依据其应用需求和功能特性,构建了雷达质量状况评价的指标体系。针对各层级指标因素间可能存在一定关联性的情况,文中采用网络层次分析法确定指标权重。针对单一隶属度函数可能产生隶属度突变的问题,提出了组合隶属度函数的方法,通过计算各指标在不同隶属函数下的评价信息,而后对多种隶属函数的评价信息进行优化组合,使得评估结果具有更高的可信性。运用模糊综合评判的方法,对某雷达系统质量进行了实例评价分析,结果表明该方法简易可行,能够较为准确地评估雷达装备的质量状况。

高斯隶属度函数模糊神经网络在肺癌诊断中的应用

选用隶属度函数为高斯函数的模糊神经网络用于肺癌诊断,尝试提高诊断的正确率.对于非二值输入参数,首先用高斯隶属度函数模糊化,然后与二值参数一起作为BP神经网络的输入参数.所用病例被随机分为训练集和证实集,训练模糊神经网络,用证实集测试该网络区分肺癌与非肺癌的能力.结果表明,用高斯隶属度函数的模糊神经网络比作为对照的三角形隶属度函数模糊神经网络诊断正确率有所提高,而且对病例如何分组不敏感.

基于自适应高斯云变换的模糊控制器隶属度函数选取

针对现阶段模糊控制器中隶属度函数选取的局限性,利用自适应高斯云变换算法在概念含混度阈值的引导下对工程样本数据进行概念层次划分,根据最终所得的高斯云分布情况确定出隶属度函数的数目、形状及覆盖范围。为了验证自适应高斯云变换算法提取的隶属度函数的合理性,构建了无人机六自由度模型,搭建了基于simulink仿真平台的无人机俯仰角模糊控制器用于仿真验证。数值仿真结果表明嵌套有自适应高斯云变换算法所确定的隶属度函数的无人机俯仰角模糊控制器可有效实现俯仰角的控制,同时具有良好的动态响应特性。

基于广义高斯隶属度函数的PID参数模糊自整定

提出一种基于广义高斯隶属度函数的PID参数自整定方法。利用对专家经验总结和对系统响应规律的分析获得的具有一般特性的模糊规则 ,通过改变隶属度函数型式 ,适应了不同的过程对象 ,扩大了模糊自整定的适应范围 ,改善了整定效果。同时给出了整定过程中相关初始参数的选定原则。仿真结果表明此方法具有良好的适应性和整定效果 ,对工业过程对象的控制具有很好的实用性和推广价值。

一种组合隶属度函数及其在电能质量模糊评价中的应用

在电能质量模糊评价中,选择不同的隶属度函数会导致评价结果出现差异,影响评价的可信度。为避免隶属度函数选择上的主观性,充分利用评价信息,本文提出了一种基于方差—协方差优选组合法的组合隶属度函数。首先选取五种典型的中间型隶属度函数作为优选组合的基础;然后通过方差—协方差优选组合法计算各函数权重并进行最优组合,构造出一个具有普遍适用性的组合隶属度函数;最后利用得到的组合隶属度函数进行模糊评价从而提高评价结果的可信度。应用本文算法对某变电站的电能质量数据进行实证分析和评价,验证了该算法的有效性。

基于改进隶属度函数的电能质量模糊综合评价

通过分析电能质量模糊综合评价中的隶属度函数问题,提出了一种改进的隶属度函数来量化刻画电能质量评价指标各质量等级的模糊特性,从而实现更为细致的电能质量的模糊综合评价,解决了电能评价指标两质量等级之间难以建立联系和量化刻画的问题.文中首先对电能质量指标的权重、确定隶属度函数参数的指标限值及质量等级划分问题进行了分析;然后以传统的岭形函数为基础进行改进,得到基于评价指标质量等级的隶属度函数,并对电能质量的各项评价指标建立了模糊模型;最后运用所设计的算法对某地区的电能质量数据进行评价,结果验证了文中方法的实用性和有效性.

基于类高斯隶属函数的模糊万能逼近器性能分析

为了验证由三角形和高斯型隶属函数构造的逼近器均能以任意精度逼近非线性连续系统,引入了一种基于类高斯隶属函数的模糊逼近器设计方法,借助参数可调性来构造隶属函数的"泛模型",从而实现三角形到高斯型两类隶属函数的切换.由类高斯隶属函数、单值模糊器、乘积型推理和中心平均解模糊器构成模糊逼近系统,并由万能逼近定理指出逼近精度及模糊子集数目的确定方法.与神经网络、决策树和小波级数等非线性万能逼近器相比,模糊系统具有可解释性强和可利用语言信息的独特优势.分别以一维和二维非线性系统为例进行模糊逼近设计与分析,逼近效果体现了不同的控制特性,证明了类高斯函数用于模糊隶属函数表示的合理性和有效性.

一种新隶属度函数的模糊支持向量机

传统的模糊支持向量机隶属度函数都是基于样本与类中心距离进行设计,这对非球形分布数据很不合理。使用类内超平面代替类中心,提出基于样本到超平面距离的新隶属度函数设计方法。该方法克服传统方法的不足,降低隶属度函数对样本集几何形状的依赖,提高模糊支持向量机的泛化能力。数值实验表明,与支持向量机和三种不同隶属度函数的模糊支持向量机相比,新隶属度函数的模糊支持向量机达到最好的分类效果,而且新隶属度方法的简单易行,计算时间少。

不同隶属函数对地下连续墙模糊可靠度影响的分析

虽然有学者已经将模糊可靠度的概念引入到了岩土工程结构可靠性分析中,但是仍然存在一些有待解决的问题,其中可靠度计算时隶属函数依据什么样的标准进行选取尤为重要,因为隶属函数的选取作为一个先决条件,其对可靠度计算结果有着直接的影响,隶属函数选取不同,计算结果有可能存在明显的差异。针对这种现状进行了研究,分别选取了3种具有代表性的隶属函数:降半梯形分布、二次抛物线分布以及岭形分布,从理论上推导出三者对模糊可靠度的计算结果的影响差异,通过比较分析得出计算地下连续墙模糊可靠度时隶属函数选取的一般原则。通过一个工程实例进行了验证计算,计算结果与理论分析结果相吻合。

基于模糊聚类的车辆跟驰隶属度函数确定方法

为了精确获得车辆跟驰模糊推理系统的隶属度函数,避免因采用专家法而使模糊推理结果的误差增大,提出采用模糊聚类分析的方法,考虑车辆跟驰数据内部的关联性,并根据高斯函数中参数的统计学意义进行车辆跟驰模糊集的划分和隶属度函数的确定。利用NGSIM数据,将后车速度、前后车相对速度、前后车间距作为输入变量,后车加速度作为输出变量建立车辆跟驰模糊推理系统,对提出的基于模糊聚类的车辆跟驰隶属度函数确定方法进行评价。结果表明,提出的新方法能真实反映数据本身的特征和驾驶员的心理生理特性,其推理结果与真实数据误差较小,可为车辆跟驰模糊推理系统的建立提供参考。

采用三角型隶属度函数的模糊系统的插值特性

研究了采用三角型隶属度函数的模糊系统的插值特性 .针对常见的 Mamdani和 TSK两类模糊系统 ,研究了模糊系统与分段插值函数在函数逼近上的等价性 .在此基础上 ,分别给出了两类模糊系统在插值方面的逼近误差估计 .

模糊数的隶属度区间分布函数

定义了关于模糊集合的隶属度区间分布函数的概念,用L-R梯形模糊数的隶属度区间分布函数等例子,说明了所引入的概念具备重要的实际背景,是合理的。进一步澄清了模糊数的隶属度函数、隶属度区间分布函数和随机变量的概率密度函数的关系,以及模糊数的隶属度区间分布函数和随机变量的概率分布函数的异同。

基于参数化隶属度匹配函数的含分布式发电配电网模糊潮流计算

随着分布式发电渗透水平增长、负荷波动性加强,配电网所面临的不确定性因素日益复杂和严峻,在给配电网规划和调度等环节带来挑战的同时,也间接对不确定性潮流计算的准确性提出了更高的要求。针对含分布式发电与负荷不确定性对配电网潮流分析带来的影响,该文提出新型模糊潮流计算方法。首先分析分布式发电与负荷采样数据的嵌套特性,构建基于隶属度匹配函数的功率模糊模型,弥补常规方法理论基础不充分和主观性较强的问题。然后,采用参数化隶属度匹配函数改进前推回代法,通过含参迭代计算实现配电网模糊潮流的求解,避免?截集分解和线性近似所引起的低运算速度或低计算精度。最后,通过实际配电网进行算例仿真与分析,结果不仅能够合理表征出分布式发电与负荷的不确定性,还可定量分析由此所导致的电压水平和功率分布数值的可能性变化情况,验证了所提模糊潮流计算方法的有效性。

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.

模糊控制中隶属度函数的确定方法

本文对模糊控制理论中的隶属度函数的确定方法进行了广泛的探讨 ,对隶属度函数的四种曲线形状进行了详细的分析 ,并对隶属度函数形状对控制特性的影响进行了研究。指出了能达到控制精度高且稳定性好的控制效果的模糊变量隶属度函数的选择原则 。

基于T-S模糊模型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 .文中探讨了Takagi Sugeno模糊模型的隶属度函数学习问题 ,建立了基于模拟退火的模糊隶属度函数学习算法 ,给出了用于验证该算法有效性的仿真实例 .

基于高斯隶属函数的模糊定性仿真

通过分析发现模糊定性仿真系统存在两个缺陷,即模糊子集距离定义和相似原理的不完善。这两个缺陷存在的根本原因是采用了四元数表示的模糊定量空间。用高斯隶属函数代替梯形隶属函数研究模糊定性仿真,并对模糊子集的距离定义以及相似原理作了改进。在FuSim的基础上,给出了到达时间、持续时间的具体表达式并用于时间过滤。仿真实例证明了此算法的有效性。

一种保证隶属度函数完备性和模糊集合语义一致性的学习方法

文中首先对模糊系统的两类主要的学习算法：梯度下降和遗传算法方法进行了深入分析，并指出了存在的问题．然后，在此基础上提出了一种针对半梯形和三角形隶属度函数的保证隶属度函数ε完备性和模糊集语义一致性的参数调整方法．并基于上述方法实现了一种新的基于遗传算法并利用梯度下降的快速模糊系统学习算法．最后通过实例进行了模拟，验证了该方法的高效性。

后验概率加权的模糊隶属度函数

模糊支持向量机(FSVM)中的模糊隶属度函数确定一直是一个难点问题。针对支持向量分类机对噪声数据或孤立点非常敏感的问题,受贝叶斯决策理论的启发,结合样本密度特性,研究样本点相对于同类和异类的关系,对各样本点分布的紧密程度给出了描述,构造了样本点的后验概率与样本密度的加权方法,提出了一种新的加权模糊隶属度函数构造。该方法避免了对噪声数据和孤立点的检测。通过建立基于提出模糊隶属函数的FSVM进行仿真,实验表明,提出的模糊隶属度函数构造的后验概率加权方法的有效性。