模糊完备格上模糊G-理想和模糊Galois伴随之间的一一对应

以交换单位quantale为取值格,研究了模糊完备格上的模糊G-理想。首先,给出了模糊G-理想的定义,证明了由X×Y上的所有模糊G-理想构成的集合在包含度下是一个模糊完备格。其次,研究了模糊G-理想和模糊Galois伴随之间的关系,证明了由X×Y上的模糊G-理想构成的模糊完备格与X和Y之间的模糊Galois伴随构成的模糊完备格相互同构。

基于模糊层次分析的导弹输送伴随保障能力评估

为提高作战保障单元遂行导弹输送伴随保障能力,提出一种能力评估方法。通过分析导弹输送任务行动过程中的伴随保障需求,建立伴随保障能力评价模型,并运用模糊层次分析法(fuzzy analytic hierarchy process,F-AHP)对某作战保障单元进行实例评估。结果表明:该方法符合实际作战需要,能减少主观因素的影响,对部队伴随保障决策具有一定指导作用。

模糊蕴涵算子及其构造(Ⅱ)——模糊蕴涵算子的伴随对及其圈乘算子

验证了 15个有可能存在伴随对的模糊蕴涵算子的保存在交性质 ,结果表明它们都满足保存在交性质 .求出了这 15个模糊蕴涵算子的伴随对 ,得到了 14个模糊蕴涵算子 .给出了一种构造模糊蕴涵算子的方法 ,并求出了在这种构造方法下 ,由 4 6个模糊蕴涵算子构造得到的模糊蕴涵算子及这 4 6个模糊蕴涵算子的圈乘算子 ,共构造出

由伴随对构造的模糊控制器的控制性能

考虑了分别由9个模糊蕴涵算子的伴随对构造的模糊控制器.以直流串联电机为实例,验证了每个模糊控制器的控制品质,其控制品质是通过比较均方根差的大小来衡量的.与其他文献的结果相比,采用所提供的模糊蕴涵算子构造的模糊控制器,其控制品质更好.设计者也可以参考均方根差,选用合适的模糊蕴涵算子设计模糊控制器.

模糊蕴涵算子与伴随对的若干注记

给出一种已知模糊蕴涵算子构造新模糊蕴涵算子的方法.讨论伴随对定义及其等价条件,改进伴随对存在的一个充分条件.特别地,利用36个模糊蕴涵算子构造36个新的模糊算子,并讨论新模糊算子与原模糊蕴涵算子间的关系;进一步,分析36个模糊算子对,给出若干常用伴随对.

基于模糊邻近支持向量机的伴随保障携行器材决策研究

论文利用模糊邻近支持向量机的分类决策方法,对当前伴随保障携行器材种类的问题进行了全面分析。在科学选取决策影响因素的基础上,结合伴随保障工作实例得到了准确率较高的决策方案,有助于准确高效地确定携带器材的种类,增强决策的科学性与准确性,进一步提升伴随保障水平。

基于多伴随直觉模糊粗糙集的三支决策

决策粗糙集提供了处理不确定数据和风险数据决策问题的一个新方法,基于决策粗糙集的三支决策理论是典型的风险决策理论的推广.传统的直觉模糊粗糙集采用一对三角模与蕴涵算子来构造逻辑算子,未考虑属性之间的差别,而多伴随直觉模糊粗糙集采用多个伴随对构造逻辑算子,更好地体现了用户偏好.构造了多伴随直觉模糊粗糙集模型,研究了基于多伴随直觉模糊粗糙集的三支决策.首先,定义了乐观多伴随直觉模糊粗糙集,并用于处理直觉模糊数的复杂计算问题;然后利用隶属函数和非隶属函数计算损失函数,通过期望损失函数对事件对象进行评估,进一步构造了相应的三支决策模型;基于期望损失函数值最小的原则诱导出三支决策,并得到相应决策的风险值.此模型中期望损失函数的构造是基于支持度与非支持度两种度量的综合讨论,考虑更全面,更能有效地反映实际生活情况,满足用户偏好.最后用医学诊断的例子来验证该模型的有效性.

量化Domain中的模糊收敛与伴随映射

研究LF-偏序集中模糊集的并,广义Zadeh函数与LF-伴随映射之间的关系,证明了由LF-左伴随映射提升的广义Zadeh函数一定保任意模糊集的并,该结果是经典偏序伴随理论一个著名结论(左伴随保任意并)的量化/模糊推广.

基于改进模糊层次分析的导弹输送伴随保障能力评估

针对传统模糊层次分析法评估导弹输送伴随保障能力时采用9标度法构建判断矩阵在多准则条件下排序一致性和权重拟合性较差、主观赋权法确定指标权重缺乏客观性、模糊关系矩阵依赖专家的经验评价、定性指标评价忽视专家专业程度等,提出一种改进模糊层次分析评价模型,并以某型导弹输送伴随保障能力评估实例进行分析,改进方法对比传统模糊层次法评估具有显著有效性,减少了主观因素,对部队导弹输送伴随保障决策具有指导意义。

模糊半连续格的性质

在模糊完备格上定义了一种新的模糊Way-below关系,在此基础上引入了模糊半连续格的概念,证明了它是分明半连续格的一种推广.讨论了模糊半连续格上模糊Way-below关系的性质,并利用模糊Galois伴随给出了模糊半连续格的一个等价刻画.

基于爱因斯坦t-模的模糊联想记忆的学习算法

为神经网络提供有效学习算法是神经网络研究的关键问题。文章利用t-模的伴随蕴涵算子,为基于Max和Tes合成的模糊联想记忆网络Max-TesFAM提供了一种新的学习算法,此处Tes是由爱因斯坦提出的一种t-模算子。从理论上严格证明了,只要Max-TesFAM能完整可靠地存储所给的多个模式对,则该新的学习算法一定能找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者。最后,用实验说明了所提出的学习算法的有效性。

基于Lukasiewiczt-模的模糊双向联想记忆网络的有效学习算法

利用t-模的伴随蕴涵算子,为基于Max和TL合成的模糊双向联想记忆网络Max-TLFBAM提供了一种新的学习算法,此处TL是Lukasiewiczt-模算子。从理论上严格证明了,只要存在有连接权矩阵对使得任意给定的模式对集成为Max-TLFBAM的平衡态集,则依该学习算法所确定的连接权矩阵对是所有这样的连接权矩阵对中的最大者。并用实验验证该学习算法的有效性。

模糊双向联想记忆网络的有效学习算法

基于模糊取大运算和爱因斯坦s-模提出新的模糊双向联想记忆网络模型(Max-Ses FBAM),并为该网络提出了一种新的学习算法。在理论上严格证明了,任意给定的模式对集,只要存在有连接权矩阵对使其为Max-Ses FBAM的平衡态集,则依该学习算法所确定的连接权矩阵对(,)是所有这样的连接权矩阵对中的最大者;且该最大连接权矩阵对能使Max-SesFBAM对任意输入在一步内就进入平衡态。

基于三角模的模糊联想记忆网络

当T为t-模时,基于模糊取大和T的模糊联想记忆网络(FAM)存在局限性,当T为三角模,是t-模的广义形式,将这种FAM推广成基于Max-T的模糊联想记忆网络Max-TFAM.则Max-TFAM实现了从一个向量空间到另一向量空间的映射,从Max-TFAM的值域角度,分析了它的存储能力,并建立了一个三角模T的伴随蕴涵算子新概念,利用该伴随蕴涵算子,在无需T为连续的、严格增等条件下,提出了Max-TFAM的一个简洁的通用离线学习算法和通用在线学习算法.从理论上严格证明了只要Max-TFAM能完整可靠地存储所给的多个模式对,则这两种算法都能轻易找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者.最后,用实验证明了Max-TFAM模型和所提出的学习算法的有效性.

模糊Z-Quantale范畴的反射子范畴

利用模糊Quantale上的模糊预核映射,证明模糊Quantale范畴是模糊Z-Quantale范畴的反射子范畴,给出由万有映射像集生成的模糊Quantale的具体结构,并讨论由反射子构造的模糊Galois伴随.

Vague集、模糊集和粗糙集的内在联系及其转化

研究了Vague集、模糊集与粗糙集之间的内在联系和互相转化.证明了:对于给定的粗糙集,可以在它的幂集上定义一个伴随的Vague集(模糊集);反过来,给定的一个Vague集(模糊集),可以定义它伴随的粗糙集.另一方面,在一个粗糙集系统给定的两个等价关系之间,可以定义它们的相对Vague集(模糊集);同一个论域上的两个不同的Vague集(模糊集)可以定义它们的相对粗糙集,从而利用粗糙集方法研究它们之间的相对关系.

剩余型直觉模糊差算子的统一形式

研究了直觉三角模和直觉三角余模的性质,提出了直觉模糊差算子和直觉余伴随对的概念,证明了它们可以由左连续的三角模生成,讨论了它们在直觉模糊区域上的结合性和分配性.给出了由左连续三角模生成的直觉三角余模所伴随的剩余型直觉模糊差算子的统一形式,根据直觉模糊算子与模糊算子的关系,给出了4类直觉模糊差算子的具体形式.

IMTL代数上的素布尔模糊滤子及其运算

在IM TL代数M的全体素布尔模糊滤子集P B(M)∪{}上定义格运算和逆序对合对应,证明P B(M)∪{}在这些运算下是一个完备的有逆序对合对应的有界分配格(即是一个完备的拟布尔代数)。然后再在P B(M)∪{}上定义一个伴绥对,证明P B(M)∪{}也构成一个剩余格。

正则FI-代数上的伴随算子

研究了正则FI 代数的性质,并证明了对于正则FI 代数(L,→,0)的蕴涵算子→,存在惟一满足条件(a b)→c=a→(b→c)的算子 ,使得( ,→)成为伴随对.所得结果在一定程度上反映了正则剩余格内部结构的特征.

模糊蕴涵算子族L-λ-G及其应用

讨论了L-λ-G族模糊蕴涵算子的伴随算子及其正则性,指出了在模糊蕴涵算子族L-λ-G中,只有R_(Lu)算子与R_G算子有伴随算子且具有正则性,从而说明了这两种算子是较理想的蕴涵算子.最后通过一个实例,说明了模糊蕴涵算子族L-λ-G在近似推理中的具体应用.