数据库中的模糊规则获取方法

分析了规则化的模糊逻辑原理。介绍了模糊化的规则获取和推理方法,由分析可以看出,基于模糊逻辑的规则获取和推理方法能在数据库中找出其规则,并且在实际系统中有着一定的意义。

基于交互式隶属函数调整的模糊神经网络

对基于模糊神经网络的人脸识别方法进行了研究,提出的模糊神经网络在高维空间(如人脸)上进行模糊规则获取中得到的最终隶属度函数值并不合理,易得到零值的情况,对模糊规则获取过程中的隶属度函数初始值进行人为地调整.在ORL人脸库的实验结果表明,该方法具有良好的性能.

Add-Mult型模糊神经网络

提出了一种Add-Mult型模糊神经网络模型(AMFNN)，给出了该模型的结构。根据 梯度下降算法，给出了AMFNN模糊神经网络的误差反传学习算法。与6种极具代表性的模糊推 理方法进行比较的结果表明，AMFNN模糊神经网络模型具有推理精度高、适用范围广、泛化 能力强以及实现容易等特点，因而具有广阔的应用前景。