目錄
前言
第1章 二型模糊方法及應用研究進展 1
1.1 引言 1
1.2 二型模糊基本理論與性質(zhì)研究 2
1.2.1 二型模糊集合及其運算研究 2
1.2.2 二型模糊系統(tǒng)結(jié)構(gòu)及推理研究 2
1.2.3 二型模糊系統(tǒng)基本性質(zhì)研究 3
1.3 基于二型模糊集合的詞計算研究 4
1.3.1 基于二型模糊集合的感知計算研究 4
1.3.2 基于二型模糊集合的語言動力系統(tǒng)研究 5
1.4 二型模糊系統(tǒng)設(shè)計研究 6
1.4.1 二型模糊聚類方法研究 6
1.4.2 二型模糊神經(jīng)網(wǎng)絡方法研究 7
1.4.3 二型模糊系統(tǒng)的進化優(yōu)化方法研究 8
1.5 二型模糊控制研究 8
1.5.1 二型模糊控制方法研究 8
1.5.2 二型模糊控制應用研究 10
1.6 本書簡介 10
參考文獻 12
第2章 二型模糊集合與二型模糊系統(tǒng) 22
2.1 引言 22
2.2 二型模糊集合的定義與運算 22
2.2.1 二型模糊集合的定義 22
2.2.2 二型模糊集合的運算 23
2.3 二型模糊系統(tǒng) 24
2.3.1 一般二型模糊系統(tǒng) 24
2.3.2 區(qū)間二型模糊系統(tǒng) 27
2.4 本章小結(jié) 30
參考文獻 31
第3章 基于不確定度的數(shù)據(jù)驅(qū)動二型模糊集合構(gòu)建 33
3.1 引言 33
3.2 二型模糊集合的不確定度 34
3.2.1 對稱二型模糊集合 34
3.2.2 二型模糊集合的截集 34
3.2.3 二型模糊集合的不確定度及其性質(zhì) 36
3.3 典型二型模糊集合不確定度的計算 38
3.3.1 高斯二型模糊集合 38
3.3.2 梯形二型模糊集合 38
3.4 基于不確定度的二型模糊集合構(gòu)建 40
3.4.1 區(qū)間數(shù)據(jù)預處理 40
3.4.2 區(qū)間數(shù)據(jù)統(tǒng)計量及不確定度的計算 42
3.4.3 二型模糊集合待定參數(shù)滿足的方程 43
3.4.4 二型模糊集合參數(shù)的確定 45
3.5 在熱感覺建模中的應用 46
3.5.1 數(shù)據(jù)獲取及預處理 46
3.5.2 熱感覺語言詞二型模糊集合模型 47
3.6 在舒適性偏好建模中的應用 49
3.6.1 舒適性偏好建模步驟 50
3.6.2 傳感數(shù)據(jù)采集 51
3.6.3 區(qū)間數(shù)據(jù)獲取及預處理 51
3.6.4 舒適性偏好二型模糊集合模型 53
3.7 本章小結(jié) 54
參考文獻 54
第4章 基于集成方法的數(shù)據(jù)驅(qū)動二型模糊集合構(gòu)建 56
4.1 引言 56
4.2 相關(guān)知識 56
4.2.1 采用的模糊集合 56
4.2.2 一型模糊集合的含糊度 57
4.3 基于集成方法的二型模糊集合數(shù)據(jù)驅(qū)動建模 58
4.3.1 二型模糊集合建�？傮w方案 58
4.3.2 代表性一型模糊集合的構(gòu)建 58
4.3.3 一型模糊集合的集成 61
4.3.4 數(shù)據(jù)驅(qū)動的二型模糊集合構(gòu)建流程 63
4.4 在熱感覺建模中的應用 63
4.5 本章小結(jié) 65
參考文獻 65
第5章 數(shù)據(jù)驅(qū)動的二型模糊系統(tǒng)快速設(shè)計方法 67
5.1 引言 67
5.2 相關(guān)知識 68
5.3 二型模糊系統(tǒng)的數(shù)據(jù)驅(qū)動設(shè)計 69
5.3.1 總體方案 69
5.3.2 輸入論域的一型模糊劃分 69
5.3.3 一型模糊系統(tǒng)的優(yōu)化 70
5.3.4 基于集成策略的二型模糊劃分 71
5.3.5 規(guī)則后件參數(shù)的最小二乘優(yōu)化 73
5.4 仿真與比較 74
5.4.1 混沌Mackey-Glass時間序列預測 75
5.4.2 二階時變系統(tǒng)辨識 76
5.4.3 非線性模型辨識 78
5.4.4 風速預測 78
5.5 本章小結(jié) 80
參考文獻 80
第6章 知識在二型模糊系統(tǒng)中的嵌入 84
6.1 引言 84
6.2 相關(guān)知識 84
6.2.1 用到的模糊集合 84
6.2.2 討論的模糊系統(tǒng) 86
6.3 輸入輸出有界性知識的嵌入 90
6.4 奇偶對稱性知識的嵌入 91
6.5 單調(diào)性知識的嵌入 94
6.5.1 問題描述與定義 94
6.5.2 單調(diào)性條件 95
6.5.3 規(guī)則前件中的模糊集合需滿足的單調(diào)性條件 98
6.5.4 舉例 107
6.5.5 進一步的討論 113
6.6 本章小結(jié) 114
參考文獻 114
第7章 知識與數(shù)據(jù)驅(qū)動二型模糊系統(tǒng)構(gòu)建 116
7.1 引言 116
7.2 總體方案 116
7.3 優(yōu)化問題中的線性約束條件 118
7.3.1 單輸入情況 118
7.3.2 兩輸入情況 120
7.4 在單輸入問題中的應用 121
7.4.1 問題描述 121
7.4.2 仿真結(jié)果 122
7.4.3 辨識結(jié)果舉例 125
7.4.4 比較與討論 125
7.5 在兩輸入問題中的應用 126
7.5.1 問題描述 126
7.5.2 仿真設(shè)定 127
7.5.3 仿真結(jié)果 127
7.6 本章小結(jié) 129
參考文獻 130
第8章 基于知識的單輸入規(guī)則模塊連接二型模糊控制器設(shè)計 131
8.1 引言 131
8.2 單輸入規(guī)則模塊連接模糊控制器 131
8.3 知識驅(qū)動單輸入規(guī)則模塊連接模糊控制器設(shè)計 133
8.3.1 奇對稱性 133
8.3.2 單調(diào)性 134
8.3.3 閉環(huán)系統(tǒng)的局部穩(wěn)定性 134
8.4 仿真試驗 136
8.4.1 倒立擺系統(tǒng) 136
8.4.2 倒立擺控制器設(shè)計 137
8.5 本章小結(jié) 139
參考文獻 139
第9章 數(shù)據(jù)驅(qū)動二型模糊神經(jīng)網(wǎng)絡設(shè)計及其應用 141
9.1 引言 141
9.2 基于KM方法的二型模糊神經(jīng)網(wǎng)絡 141
9.3 二型模糊神經(jīng)網(wǎng)絡的學習算法 143
9.3.1 反向傳播算法 144
9.3.2 混合學習算法 147
9.4 在系統(tǒng)辨識中的應用 149
9.4.1 問題描述 149
9.4.2 仿真設(shè)定 149
9.4.3 仿真結(jié)果 150
9.5 基于二型模糊神經(jīng)網(wǎng)絡的水箱液位直接自適應控制 152
9.5.1 二型模糊神經(jīng)網(wǎng)絡直接自適應控制器 152
9.5.2 多容水箱液位控制模型 153
9.5.3 多容水箱液位控制結(jié)果 155
9.6 在水平調(diào)節(jié)吊具系統(tǒng)中的應用 157
9.6.1 問題描述 157
9.6.2 水平調(diào)節(jié)吊具系統(tǒng)二型模糊神經(jīng)逆控制器 158
9.6.3 實驗結(jié)果 160
9.7 本章小結(jié) 161
參考文獻 162
第10章 知識與數(shù)據(jù)驅(qū)動的二型模糊神經(jīng)網(wǎng)絡設(shè)計 164
10.1 引言 164
10.2 基于BMM方法的二型模糊神經(jīng)網(wǎng)絡 164
10.3 單調(diào)二型模糊神經(jīng)網(wǎng)絡參數(shù)學習 166
10.3.1 單調(diào)二型模糊神經(jīng)網(wǎng)絡條件 166
10.3.2 單調(diào)二型模糊神經(jīng)網(wǎng)絡參數(shù)學習方案 167
10.3.3 單調(diào)二型模糊神經(jīng)網(wǎng)絡參數(shù)初始化 167
10.3.4 單調(diào)二型模糊神經(jīng)網(wǎng)絡參數(shù)學習的最速下降法 168
10.4 在舒適性指標預測中的應用 171
10.4.1 問題描述 171
10.4.2 仿真設(shè)定 172
10.4.3 仿真結(jié)果 173
10.5 本章小結(jié) 175
參考文獻 176