一、一个有效的区间值模糊推理方法（论文文献综述）
杨茂[1]（2020）在《区间值SVM的参数优化及可解释方法研究》文中进行了进一步梳理本文主要包含以下两方面内容:（1）对一种区间值SVM分类模型的参数选取进行优化;（2）提出一种对区间型数据进行LIME解释的数据预处理方法。支持向量机（SVM）作为应用最广泛的分类算法之一,以其严密的数学逻辑在精确型数据集中有着良好的分类性能。对于区间型数据集,通常对区间型数据进行处理使其转换为精确型数据再进行SVM训练。传统方法是用区间的几何中心代表该区间,而Utkin等人则是通过考虑区间型数据的期望风险测度区间提出一种区间值SVM,直接将数据的区间信息引入训练过程,从而使得到的SVM分类模型地性能更加优异。然而,由于该算法的高复杂度导致直接进行参数选取优化存在一定的困难,使得模型性能未必能达到最优。针对这种情况,本文中通过结合粒子群优化算法以及传统方法,提出一种方法对Utkin等人算法的参数选取进行优化。通过在MATLAB平台上对人工合成数据以及8组UCI数据集的数值实验可以看出,与传统方法以及Utkin等人的方法相比较,本文所提的方法具有更加优良的分类性能。同时,本文所提参数优化方法在区间值SVM中的参数寻优时间也远小于Utkin等人所使用的网格搜索优化方法。机器学习被广泛应用,是科学和技术的许多最新进展的核心。大多机器学习模型仍然是黑匣子,了解预测背后的原因对于评估模型的信任度变得非常重要。通常,可以通过拟合代理模型来对黑箱模型的预测结果进行解释。但对于结构复杂的黑箱机器学习模型,拟合令人满意的全局代理模型较为困难,一般考虑用局部代理模型来拟合黑箱模型的单个预测,从而只对该单个预测进行解释。在本文中使用局部代理模型方法中的LIME方法进行解释,LIME方法通过在预测结果的周围建立局部可解释模型为单个预测提供解释。然而,LIME方法本身也是对精确型数据进行解释,因此本文中提出新的数据处理方式可以将需要解释的区间型实例转换为精确型实例,从而可以直接使用LIME方法对预测结果进行解释。通过在Python平台的数值实验可以看出,LIME方法对经过数据处理的4组UCI数据都可以给出直观有效、令人信服的解释。
王璇[2]（2020）在《基于区间模糊积分的上市公司财务预警分析》文中指出随着全球化经济的发展,市场变得更加不稳定,企业面临的风险也变多。企业财务危机可能会让公司破产,使其陷入不利的境地。同时上市公司通常经济体量较大,在整个经济行业内有着重要的地位,有一定的社会影响力。牵一发而动全身,上市公司的财务危机会影响到国家的经济发展和社会稳定。因此,建立一个有效的财务预警模型是非常重要的。使用模糊积分融合单分类器模型,克服了传统统计技术和单预警模型的诸多缺点,不仅可以充分地利用各个单分类器的优势,还能体现出分类器之间的交互作用。它是一种降低单预警模型预测误差,提高分类准确性的有效工具。本文引入区间数粗糙集的概念,提出了区间模糊积分分类模型。以往使用的模糊积分模型中模糊测度是实数值,本文选取区间值模糊测度,得到的Choquet模糊积分也是区间值,接着用区间数粗糙集对区间值模糊积分进行排序,得到了区间模糊积分多分类器融合模型。将改进后得到的区间模糊积分多分类融合模型应用到上市公司财务预警实际问题中。主要研究内容为:选取全部A股制造业上市公司作为研究对象,使用支持向量机、随机森林、BP神经网络三个单分类器进行训练得到输出结果,使用区间模糊积分进行融合,通过准确率、曲线和值对模型进行评估,并与其他四种融合方法进行对比,结果发现改进后的区间模糊积分模型相较于其它算法有更好的分类效果。
孙晓玲[3]（2016）在《基于区间值相似度的加权模糊推理》文中指出在相似度的方法用于区间值模糊推理的过程中,为合理地计算区间值加权模糊产生式规则的输入事实与规则前件之间的相似度,给出区间值相似度的计算公式.在此基础上提出基于区间值相似度的加权模糊推理算法.为体现规则前件断言对于规则结果的重要性程度,在区间值模糊产生式规则中加入了权值参数.为了采用该算法,给出区间值排序的方法.最后用实例说明所给出的推理算法更符合实际需要,可操作性强,便于应用.
申颖颖[4]（2016）在《汽车防撞安全等级的分类方法研究》文中研究指明随着车辆的增多,交通事故频发。为了减少交通事故的发生,汽车防撞安全体系的研究也越来越迫切。保证行驶中车辆的安全距离是汽车防碰撞的重要因素之一。本文通过基于核的Fisher方法和区间模糊推理两种方法对汽车行驶的安全距离数据进行分类,分类结果及时反馈给驾驶人,提醒驾驶人注意安全驾驶。分类是数据挖掘和模式识别中的一个重要的研究问题,为了使汽车防撞安全数据的分类准确率高,运行速度快,本文实现了两种方法对其进行分类,都实现了较好的结果。首先,基于核的Fisher方法在处理非线性数据上有很大的优势,在Fisher线性判别基础上加入核函数,该方法在高维特征空间中得到的线性最优判别特征向量实质为原始空间中非线性最优判别特征向量。其基本思想,将原始训练样本通过一个非线性映射变换到某一高维特征空间中,在高维特征空间中完成Fisher线性判别。基于核的Fisher方法很好将汽车防撞安全数据进行分类,实现了较高的准确率,也为汽车防撞安全数据的分类提供了一种新的方法。在MATLAB平台上验证了该方法的有效性。其次,在区间模糊推理方法中,在邱望仁提出的基于区间推理的模糊分类器的基础上融入了权值计算,充分考虑了每个属性对分类的贡献程度,提出了一种新的匹配方法。该方法仅使用最大匹配性原则就可以分类,在处理一般数值型数据时,正确率高,而且对高位数据的处理不会带来指数级的运行速度的增加。在处理汽车防撞安全数据的分类中,改进的方法比原方法的准确率有很大的提高,并通过仿真验证了该方法的有效性。
谢亮[5]（2009）在《基于区间值模糊集合的分类算法研究》文中进行了进一步梳理分类是数据挖掘和模式识别的一个重要研究课题,在很多领域有着广泛的应用。目前,分类算法主要存在如下问题:分类过程的未知性、分类方法计算过于复杂且难以实现、分类结果的可解释性差等。针对以上问题,本文主要研究基于区间值模糊集合的分类算法,特别是针对高维数据时,如何得到更好的分类效果。首先,本文分析了模糊集合与区间值模糊集合的相关概念和基本性质,继而分析并讨论了区间值模糊集合之间的距离以及相似度的计算方法。在分析传统模糊推理规则缺点的基础上,引入了区间值模糊推理产生式规则,将一条模糊推理规则转化成一个区间值模糊集合,于是计算两条模糊推理规则之间的相近程度就转换为计算两个区间值模糊集合相似程度的问题。由此本文提出一种基于加权区间值模糊集合的分类算法,该方法充分考虑了每个属性对分类的贡献程度,并通过仿真验证了该方法的有效性。其次,针对高维数据的模糊分类算法研究相对较少,随着数据维数的增加,区间值模糊集合的论域也在增加,这不仅增加了计算的复杂性,也影响了分类结果的精确度,针对这种情况,本文改进了原有的加权区间值模糊集合匹配算法,并引入雷达图对高维数据进行降维,将高维数据用雷达图来表示,以全息利用特征的策略,将所有非重要的特征变量进行特征融合以降低数据维数,利用改进的区间值模糊集合分类方法来识别不同类别的雷达图形,并通过仿真验证了该方法的有效性。
吴茜[6]（2008）在《普适模糊访问控制策略描述语言研究》文中指出Mark Weiser于1991年提出普适计算的思想。近年来,随着无线网络、分布式计算利移动设备的发展,普适计算作为新的计算模式,已经受到工业界和学术界的广泛关注。但是实现普适计算的分布、异构、模糊、动态等特点仍需要解决许多关键理论和技术,其中一个重要问题就是如何保证普适计算的安全性。访问控制依据预先定义的授权策略授予主体访问客体的权限,并控制主体使用权限的过程,实现系统资源的有权访问,防止非授权的信息泄露,是确保计算系统安全的核心技术之一。目前已存在的访问控制策略有许多,包括自主访问控制、强制访问控制和基于角色的访问控制等。由于普适计算的访问控制具有高度的模糊不确定性和动态自适应性,这使得现有的访问控制策略不能够满足其需要,特别是无法表达普适访问控制策略的模糊不确定性和普适访问控制强度的动态自适应性,而这些恰恰是普适访问控制与传统访问控制间最重要和最根本的区别,是普适访问控制的重要特性。目前针对普适计算的研究主要集中在对其基础设施和应用技术的研究,对普适计算的安全问题讨论较少。为此,本文针对普适访问控制的模糊不确定性和动态自适应性两大特点,运用区间值模糊集合理论和区间值模糊推理方法,提出一种新的普适访问控制策略描述语言（ubiquitous computing access control policy language,简记为UCACPL）,实现普适计算的安全需求。普适访问控制系统与传统的访问控制系统在研究思路和方法上有本质的区别,本文首先给出合理、准确的普适访问控制中各要素的模糊概念及其区间值模糊集,在此基础上,进一步提出一种新的以一阶模糊谓词为基础的区间值模糊产生式规则,作为普适访问控制策略描述语言的语法结构,用于有效刻画普适访问控制策略的模糊不确定性和动态自适应性特征,以实现访问控制策略与安全需求的一致性。同时根据应用需求,本文定义基本的一阶模糊谓词,用来描述复杂的普适访问控制上下文。本文主要内容如下:（1）根据普适计算的特征及区间值模糊集合理论,分析引起普适访问控制模糊不确定性和动态自适应性的原因,给出普适计算访问控制的模糊概念。并建立普适计算访问控制中模糊谓词和模糊量词对应的区间值模糊集合,为普适计算访问控制的研究提供模糊集合理论基础。（2）分析传统的访问控制策略描述语言及其语法结构,比较这些语言的优缺点,掌握策略描述语言的研究内容。在此基础上,根据普适计算访问控制的模糊不确定性和动态自适应性特点,指出普适计算访问控制策略描述语言应满足的条件,定义上下文谓词、基本授权谓词、主、客体关系等谓词,并加入量词、联结词以表示复杂的访问控制策略。进而提出一种新的区间值模糊产生式规则,作为普适访问控制策略描述语言的语法结构。（3）以智能空间的实例——智能教室为应用背景,在Microsoft.NET平台下,使用C#语言对相应理论和方法进行应用研究。本文研究依托普适计算访问控制系列研究课题——陕西省自然科学基金（编号:2006F27）,教育部科学研究重点项目（编号:107106）,国家自然科学基金（编号:60773224）。
张宪霞[7]（2008）在《空间分布动态系统的3-D模糊控制设计与分析》文中提出工业生产过程中的多数系统都具有空间分布特性,但实际应用过程中通常忽略系统的空间分布特性,采用发展较为成熟、实现较为简单的集总参数控制理论去解决存在的控制问题。然而,随着现代工业的发展,人们对生产过程提出了越来越严格的要求,除了考虑生产安全外,还要满足日益增长的环保、产品质量、能耗等要求。传统集总参数控制方法已不能满足实际控制要求,研究空间分布系统控制理论已成为现代控制理论的热点之一。经典分布参数系统控制方法是过去几十年中针对空间分布系统发展起来的方法,其不但需要系统的精确数学模型,并且需要设计人员掌握大量的、复杂的涉及到分布参数系统理论的数学知识,这为其在工程实践中的应用带来困难。模糊控制由于具有两个优点（设计控制器不需要被控系统的数学模型以及可以通过实际经验而非复杂数学推导获得令人满意的控制器）,在现实生活中得到广泛应用。然而传统模糊集固有的二维信息特征,使得传统模糊控制器并不能有效地解决空间分布系统的控制问题。空间分布系统模糊控制仍然是个有待解决的问题。为此,本论文基于空间分布系统的空间分布特性,从模糊集及模糊控制策略着手对空间分布系统的模糊控制问题进行了研究。主要工作包括以下几个方面:针对传统二维模糊集不能表征空间信息的特点,提出了具有三维信息（分别用于基本变量的论域、隶属度及空间信息）的空间模糊集,使其具有表征空间信息的能力。介绍了空间模糊集运算法则,并且给出了由空间模糊集延伸出的两个概念:空间输入变量与空间模糊化。根据系统的空间分布特点,提出了基于空间模糊集的模糊控制策略,使得控制器能够模拟人类操作员知识或者专家经验从整个空间角度去控制一个空间分布的场。作为基于空间模糊集的模糊控制策略的初步尝试,设计了区间值模糊控制器,仿真例子表明了该控制器的有效性。针对单控制源空间分布系统,提出了一种新型模糊控制器-3-D模糊控制器。它是在基于空间模糊集的模糊控制思想指导下设计而成的自成体系的模糊控制器。它具有与传统模糊控制器相似的结构,由空间模糊化、空间模糊规则推理及去模糊化构成,但却有着其独特的特点:①它可将来自空间域上的多个传感器输入作为空间分布输入,然后采用空间模糊集构造空间信息;②它具有能够处理空间信息的模糊规则推理机制;③规则数目不会随着测量传感器的数目增加而增加。由于3-D模糊控制器结构简单,空间模糊集与3-D推理均物理意义明确,计算并不复杂,使得对其作进一步研究分析成为可能。仿真例子表明了该控制器的有效性。推导了两项输入3-D模糊控制器的数学解析模型,并且对其作了结构分析。利用传统模糊控制器所使用的一种图形化解析法（规则库平面分解的方法）,推导并得到3-D模糊控制器的数学解析模型。从数学解析的角度揭示了3-D模糊控制器在空间上具有全局滑模变结构特点以及与传统模糊控制器存在着一个空间等价关系,并且根据这个空间等价关系,揭示了3-D模糊控制本身固有的一些属性。在3-D模糊控制器数学解析模型的基础上,研究了3-D模糊控制系统的稳定性问题。利用3-D模糊控制器在空间域上的全局滑模变结构特性,研究了3-D模糊控制系统的Lyapunov稳定性,给出了全局稳定性条件以及据此设计控制器参数的方法。利用3-D模糊控制与传统模糊控制的空间等价关系以及离散时间系统的某些特点,研究了离散时间3-D模糊逻辑控制系统的BIBO稳定性,给出了全局BIBO稳定性条件以及据此设计控制器参数的方法。两个例子的仿真研究分别验证了依据不同稳定性条件所设计的控制器参数的有效性。针对空间分布更为复杂的多控制源空间分布系统,提出了基于分解协调的3-D模糊控制策略,使得3-D模糊控制能够处理一般的空间分布系统的控制问题。基于分解协调的3-D模糊控制采用了分层结构。首先处于底层的分解模块利用系统的局部影响特性,将空间域分解成多个子区域,进而将复杂多控制源空间分布系统分解成多个相对简单的单控制源空间分布子系统。在中间层,每个子系统均采用3-D模糊控制器。在顶层,针对子系统之间不可忽略的较强耦合,协调模块对空间邻近子系统之间进行局部协调,形成了协调式3-D模糊控制。将基于分解协调的3-D模糊控制应用于RTCVD系统,仿真结果表明了该控制方法的有效性。
赵丽元,黄天民[8]（2007）在《一种基于Vague集的区间值加权模糊推理方法》文中提出基于 Vague 集给出一种区间值加权的模糊推理方法．将精确量的推理规则区间值模糊化,并给出一种加权的 Vague 集相似度量方法,用以确定事实为区间数的模糊控制匹配函数．通过实例分析表明,该推理过程简化,具有很好的实用价值．
李玉婷[9]（2007）在《区间值模糊推理》文中研究指明自从1965年Zadeh教授建立了模糊集理论，数学的理论与研究范围便从精确问题拓展到了模糊现象的领域。1986年Turksen提出了区间值模糊集的概念。区间值模糊变量的隶属值范围比较容易确定，其隶属值不仅包含了变量属性的确定信息，还包含了不确定信息，使得它在对事物属性的描述上提供了更多的选择方式，在处理不确定信息时具有更强的的表现能力。近年来区间值模糊推理备受人们关注，至今为止，已提出了多种模糊推理方法。本文主要研究了区间值模糊推理，并在此基础上提出了一种新的区间值模糊推理算法。本论文的结构和主要研究内容如下：第一章介绍了区间值模糊推理的研究现状及区间值模糊推理理论的基本概念。第二章介绍了区间值模糊推理及其还原性，并对多重多维区间值FMT还原性的定义进行了讨论，给出了满足一定条件的FMT还原性的概念。接着讨论了区间值模糊推理的几种算法，对各推理算法的还原性，以及还原性满足条件进行了分析。第三章提出了一种新的基于区间值模糊产生式规则的推理算法，证明了该算法在多重多维推理时满足区间值FMP还原性条件。最后通过例子说明这是一种性能较好的算法。
李杰[10]（2007）在《智能控制在石膏纤维板生产线中的研究》文中认为石膏纤维板作为一种新型墙体材料，具有轻质、高效、防火、防潮、隔热、隔音等优点，这种新型材料具有广阔的发展前景。石膏纤维板生产中最重要的环节是厚度控制。由于石膏纤维板厚度控制系统是一个复杂工业控制系统，对“设定值跟踪特性”和“干扰抑制特性”的要求很高，传统PID控制器的参数很难同时满足两方面的要求，因此控制效果不理想。针对这些问题，模糊控制取得了一些令人信服的成效，但同时也存在着一定的问题。因此，采用改进后的模糊控制方法来设计模糊控制器将有助于提高板厚控制系统的性能，改善石膏纤维板的产品质量。本文以湖北三环墙体材料有限责任公司石膏纤维板生产线为研究背景，对生产线的工艺流程、厚度控制系统进行了认真的学习和研究，分析了连续式压机的工作原理和影响石膏纤维板厚度的主要因素。针对厚度控制系统中存在的时变性、非线性和不确定性问题，以及模糊控制中存在的隶属函数难以确定、稳态误差较大的缺点，通过对区间值模糊算法的分析研究，本文分别采用模糊匹配区间值模糊推理、相似度量区间值模糊推理、双向近似区间值模糊推理设计了三种石膏纤维板厚度控制器。通过仿真试验，验证了区间值模糊算法的有效性；通过和普通模糊控制器的仿真效果进行对比，体现了基于区间值模糊推理的控制器调整时间短、稳态误差小的优点。最后，针对这三种区间值厚度控制器，对原有控制规则提出了改进方案：增加系统稳定点附近控制点，使稳定点附近控制作用细腻，这样会使系统稳态误差和超调量减小；同时，远离稳定点控制作用幅度增大，保证响应速度加快。通过仿真验证了改进方案的合理性与有效性。其中，基于双向近似区间值推理设计的石膏纤维板厚度控制器各项性能指标表现最优。
二、一个有效的区间值模糊推理方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一个有效的区间值模糊推理方法（论文提纲范文）
（1）区间值SVM的参数优化及可解释方法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文背景概述 |
| 1.1.1 区间型数据分类的背景 |
| 1.1.2 可解释性方法的背景 |
| 1.2 国内外研究现状 |
| 1.2.1 区间型数据分类的研究现状 |
| 1.2.2 可解释性方法的研究现状 |
| 1.3 本文研究意义 |
| 1.4 论文的主要内容及组织结构 |
| 第二章 相关理论研究 |
| 2.1 支持向量机 |
| 2.1.1 算法理论 |
| 2.1.2 SVM算法优缺点 |
| 2.2 粒子群优化算法 |
| 2.2.1 粒子群优化算法理论 |
| 2.2.2 粒子群优化算法的优缺点 |
| 2.3 代理模型 |
| 2.3.1 代理模型方法理论及拟合步骤 |
| 2.3.2 代理模型方法的优缺点 |
| 2.4 局部代理模型 |
| 2.5 本章小结 |
| 第三章 算法描述 |
| 3.1 区间值SVM |
| 3.2 参数优化方法 |
| 3.2.1 直接参数优化方法 |
| 3.2.2 本文所提参数优化方法 |
| 3.3 本章小结 |
| 第四章 人工合成数据集分类实验 |
| 4.1 合成人工数据集 |
| 4.2 制定决策规则 |
| 4.3 实验结果及分析 |
| 4.3.1 偏置MΔ取不同值 |
| 4.3.2 标准差σ取不同值 |
| 4.3.3 期望m取不同值 |
| 4.3.4 参数优化时间对比 |
| 4.4 本章小结 |
| 第五章 UCI公共数据集分类实验 |
| 5.1 UCI数据集介绍及预处理 |
| 5.2 实验结果及分析 |
| 5.2.1 算法性能对比 |
| 5.2.2 参数优化时间对比 |
| 5.3 本章小结 |
| 第六章 UCI公共数据集可解释研究 |
| 6.1 LIME方法介绍 |
| 6.1.1 保真度与可解释性 |
| 6.1.2 局部采样 |
| 6.1.3 稀疏线性解释 |
| 6.2 区间型待解释数据处理方法 |
| 6.2.1 传统数据处理方法 |
| 6.2.2 本文所提数据处理方法 |
| 6.3 LIME解释 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 未来的展望 |
| 参考文献 |
| 在学期间研究成果 |
| 致谢 |
（2）基于区间模糊积分的上市公司财务预警分析（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外财务危机预警研究 |
| 1.3.2 国内财务危机预警研究 |
| 1.4 本文研究的主要内容及创新点 |
| 2 基础理论介绍 |
| 2.1 几种常见的分类器 |
| 2.1.1 支持向量机 |
| 2.1.2 随机森林 |
| 2.1.3 BP神经网络 |
| 2.2 分类器融合方法 |
| 2.2.1 多数投票法 |
| 2.2.2 有序加权平均法 |
| 2.2.3 DS证据理论 |
| 2.2.4 模糊积分 |
| 3 模糊积分理论 |
| 3.1 模糊测度 |
| 3.2 模糊积分 |
| 4 改进后的模糊积分多分类器融合 |
| 4.1 区间数粗糙集 |
| 4.2 区间模糊积分 |
| 4.3 基于区间模糊积分融合方法的多分类模型构建 |
| 4.3.1 区间数模糊测度的确定 |
| 4.3.2 区间模糊积分融合方法的多分类模型 |
| 5 上市公司财务预警的实证研究 |
| 5.1 实验数据处理 |
| 5.1.1 研究样本选取 |
| 5.1.2 指标体系的构建 |
| 5.1.3 财务预警等级 |
| 5.2 模型训练与结果分析 |
| 5.2.1 模型训练 |
| 5.2.2 实证与结果分析 |
| 总结与展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）基于区间值相似度的加权模糊推理（论文提纲范文）
| 0 引言 |
| 1 区间值的概念与区间值排序 |
| 1.1 区间值的定义 |
| 1.2 区间值相似度 |
| 1.3 区间值排序 |
| 2 区间值加权模糊推理 |
| 2.1 区间值模糊量词与区间值模糊谓词的概念 |
| 2.2 区间值加权模糊产生式规则 |
| 2.3 区间值加权模糊推理算法 |
| 3 算法分析 |
| 4 算例 |
| 5 结束语 |
（4）汽车防撞安全等级的分类方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 安全意义 |
| 1.2.2 模式识别研究的意义 |
| 1.3 国内外研究发展 |
| 1.3.1 国外发展 |
| 1.3.2 国内发展 |
| 1.4 章节安排 |
| 第2章 基于核Fisher汽车安全等级的分类 |
| 2.1 Fisher线性判别 |
| 2.1.1 理论基础 |
| 2.1.2 实现步骤 |
| 2.1.3 Fisher线性判别在汽车防撞安全等级的分类研究中的应用 |
| 2.2 基于核的Fisher分类 |
| 2.2.1 理论基础 |
| 2.2.2 核Fisher算法在汽车防撞安全等级的分类方法中的应用 |
| 2.2.3 实验数据和Matlab实验结果 |
| 2.2.4 判别分析 |
| 2.3 本章小结 |
| 第3章 区间模糊集合理论基础 |
| 3.1 模糊集的基本概念 |
| 3.1.1 传统模糊集的提出与发展 |
| 3.1.2 区间模糊集的研究与发展 |
| 3.2 区间模糊集的定义及性质 |
| 3.3 区间值模糊集距离及性质 |
| 3.4 区间值模糊推理 |
| 3.4.1 判断与推理 |
| 3.4.2 模糊推理 |
| 3.4.3 区间值模糊推理 |
| 3.5 本章小结 |
| 第4章 区间模糊推理的分类方法 |
| 4.1 引言 |
| 4.2 模糊分类器 |
| 4.2.1 模糊分类器分类的一般步骤 |
| 4.2.2 传统模糊推理方法的不足 |
| 4.3 区间值模糊推理算法改进部分 |
| 4.3.1 区间模糊推理的分类算法基本思想 |
| 4.3.2 权值计算 |
| 4.3.3 区间值模糊匹配方法 |
| 4.4 区间模糊推理步骤 |
| 4.5 实例分析 |
| 4.6 区间模糊推理在汽车防撞安全数据的分类 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（5）基于区间值模糊集合的分类算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 模糊理论的产生发展及应用 |
| 1.2 模糊理论有关概念 |
| 1.2.1 模糊逻辑 |
| 1.2.2 传统模糊集合 |
| 1.2.3 区间值模糊集合 |
| 1.3 区间值模糊集合分类算法的研究现状 |
| 1.4 本课题的主要研究内容及论文结构 |
| 第2章 区间值模糊集合的距离及其相似性 |
| 2.1 区间值模糊数的距离及其相关性质 |
| 2.2 离散型区间值模糊集合的距离及其相关性质 |
| 2.2.1 d ' 型距离及其性质 |
| 2.2.2 d_h 型距离及其性质 |
| 2.2.3 d′′型距离及其性质 |
| 2.2.4 三种距离之间的关系 |
| 2.3 区间值模糊集合的相似度计算 |
| 2.4 本章小结 |
| 第3章 基于加权区间值模糊集合的分类算法 |
| 3.1 引言 |
| 3.2 模糊分类器 |
| 3.2.1 模糊分类器设计的一般步骤 |
| 3.2.2 传统模糊推理规则的缺点 |
| 3.3 加权的区间值模糊集合相似计算 |
| 3.3.1 加权区间值模糊匹配函数 |
| 3.3.2 权值的确定 |
| 3.3.3 分类器的设计 |
| 3.4 实例仿真 |
| 3.4.1 仿真实验 |
| 3.4.2 实验结论 |
| 3.5 本章小结 |
| 第4章 基于区间值和雷达图的高维数据分类 |
| 4.1 引言 |
| 4.2 雷达图型特征增强技术 |
| 4.2.1 数据预处理方法 |
| 4.2.2 高维数据特征选取原则 |
| 4.2.3 雷达图的图形特征融合方法 |
| 4.3 区间值模糊集合相似度算法的改进 |
| 4.3.1 改进的区间值模糊集合匹配公式 |
| 4.3.2 分类器的设计 |
| 4.4 实例仿真 |
| 4.4.1 仿真实验 |
| 4.4.2 实验结论 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（6）普适模糊访问控制策略描述语言研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.1.1 普适计算简介 |
| 1.1.2 传统访问控制 |
| 1.2 国内外研究的概况 |
| 1.3 论文的主要工作 |
| 1.4 论文结构和章节安排 |
| 第2章 区间值模糊集合理论 |
| 2.1 模糊集合理论概述 |
| 2.1.1 模糊集合 |
| 2.1.2 模糊集合的运算 |
| 2.1.3 模糊语言 |
| 2.2 区间值模糊数学理论 |
| 2.2.1 区间值模糊数 |
| 2.2.2 区间值模糊集 |
| 2.2.3 区间值模糊数学理论的优点 |
| 2.2.4 区间值模糊数学理论的应用 |
| 2.3 本章小结 |
| 第3章 面向普适计算的模糊集合理论 |
| 3.1 普适计算访问控制系统 |
| 3.1.1 普适计算对安全的新需求 |
| 3.1.2 普适访问控制系统体系结构 |
| 3.1.3 普适访问控制系统的组成 |
| 3.2 普适计算中的上下文 |
| 3.2.1 上下文分类 |
| 3.2.2 上下文表示应满足的要求 |
| 3.3 区间值模糊谓词 |
| 3.3.1 区间值模糊谓词定义 |
| 3.3.2 模糊谓词上的操作符 |
| 3.4 面向普适计算的区间值模糊谓词 |
| 3.5 面向普适计算的区间值模糊量词 |
| 3.6 本章小结 |
| 第4章 安全策略描述语言 |
| 4.1 访问控制策略描述语言概述 |
| 4.1.1 策略及策略语言 |
| 4.1.2 访问控制策略语言概述 |
| 4.2 面向普适计算的访问控制策略描述语言 |
| 4.2.1 普适计算的模糊需求 |
| 4.2.2 区间值模糊产生式规则 |
| 4.2.3 面向普适计算的安全策略 |
| 4.2.4 UCACPL的语法 |
| 4.3 本章小结 |
| 第5章 系统设计与实现 |
| 5.1 系统平台设计 |
| 5.2 系统设计 |
| 5.2.1 系统模块 |
| 5.2.2 重要对象类设计 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 本文研究工作总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间的研究成果 |
（7）空间分布动态系统的3-D模糊控制设计与分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 空间分布系统的基本概念 |
| 1.3 空间分布系统的经典控制方法 |
| 1.4 空间分布动态系统的模糊控制方法 |
| 1.5 传统模糊控制 |
| 1.6 本文主要解决问题及结构安排 |
| 第二章 基于空间模糊集的模糊控制策略 |
| 2.1 引言 |
| 2.2 空间模糊集定义与运算法则 |
| 2.3 空间模糊集与传统模糊集、TYPE-2 模糊集、区间值模糊集的区别 |
| 2.4 空间输入变量与空间模糊化方法 |
| 2.5 基于空间模糊集的模糊控制策略 |
| 2.5.1 传统模糊控制策略 |
| 2.5.2 基于空间模糊集的模糊控制策略 |
| 2.5.3 区间值模糊控制器 |
| 2.6 小结 |
| 第三章 空间分布动态系统的3-D 模糊控制器 |
| 3.1 引言 |
| 3.2 3-D 模糊控制器构成 |
| 3.3 3-D 模糊控制器设计 |
| 3.4 设计实例与仿真研究 |
| 3.5 3-D 模糊控制器与传统模糊控制器、区间值模糊控制器的对比 |
| 3.6 小结 |
| 第四章 3-D 模糊控制器的数学解析模型及结构分析 |
| 4.1 引言 |
| 4.2 传统模糊控制器解析推导：规则库平面分解法 |
| 4.3 3-D 模糊控制器的解析结构 |
| 4.4 3-D 模糊控制器的结构分析 |
| 4.4.1 3-D 模糊控制的滑模结构 |
| 4.4.2 3-D 模糊控制与传统模糊控制的空间等价结构及其属性 |
| 4.5 小结 |
| 第五章 3-D 模糊控制系统的稳定性分析 |
| 5.1 引言 |
| 5.2 系统描述 |
| 5.3 3-D 模糊控制系统的LYAPUNOV 稳定性 |
| 5.3.1 全局稳定性条件 |
| 5.3.2 仿真研究 |
| 5.4 3-D 模糊控制系统的BIBO 稳定性 |
| 5.4.1 BIBO 稳定性条件 |
| 5.4.2 仿真研究 |
| 5.5 小结 |
| 第六章 多控制源空间分布动态系统的3-D 模糊控制设计 |
| 6.1 引言 |
| 6.2 基于分解协调的3-D 模糊控制 |
| 6.2.1 分解策略 |
| 6.2.2 3-D 模糊控制 |
| 6.2.3 协调策略 |
| 6.2.4 设计步骤 |
| 6.3 设计实例与仿真研究 |
| 6.4 小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的主要学术成果 |
（9）区间值模糊推理（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论及预备知识 |
| 1.1 绪论 |
| 1.1.1 区间值模糊推理的背景与研究现状 |
| 1.1.2 主要研究内容 |
| 1.2 预备知识 |
| 1.2.1 区间值 |
| 1.2.2 区间值模糊集 |
| 1.2.3 OWA算子介绍 |
| 1.2.4 相似度量的公理化描述 |
| 第二章 区间值模糊推理 |
| 2.1 区间值模糊推理的含义 |
| 2.1.1 区间值模糊推理 |
| 2.1.2 区间值模糊推理还原性 |
| 2.2 几种主要的区间值模糊推理 |
| 2.2.1 模糊匹配区间值推理 |
| 2.2.2 相似度量区间值模糊推理 |
| 2.2.3 3I算法的区间值模糊推理 |
| 2.3 本章小结 |
| 第三章 一种新的区间值模糊推理方法 |
| 3.1 一种新的区间值模糊推理方法介绍 |
| 3.1.1 算法介绍 |
| 3.1.2 算法变换 |
| 3.1.3 实例 |
| 3.2 算法的还原性 |
| 3.2.1 FMP还原性的证明 |
| 3.2.2 实例 |
| 3.3 算法讨论 |
| 3.4 本章小结 |
| 第四章 结论与展望 |
| 4.1 研究总结 |
| 4.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士研究生期间发表的论文 |
（10）智能控制在石膏纤维板生产线中的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外石膏板生产情况 |
| 1.3 课题来源及本文主要工作 |
| 2 石膏纤维板的生产工艺及厚度控制原理 |
| 2.1 石膏纤维板生产工艺 |
| 2.1.1 主要原料性能要求 |
| 2.1.2 几台主要设备简介 |
| 2.1.3 生产工艺技术 |
| 2.1.4 生产工艺过程简述 |
| 2.1.5 生产工艺流程图 |
| 2.2 生产控制系统 |
| 2.2.1 板厚控制 |
| 2.2.2 切割控制 |
| 2.2.3 烘干控制 |
| 2.3 影响石膏纤维板厚度的主要因素 |
| 3 区间值模糊控制器设计基础 |
| 3.1 区间值模糊控制研究背景及发展概况 |
| 3.1.1 模糊控制的发展概况 |
| 3.1.2 区间值模糊控制发展概况 |
| 3.2 区间值模糊数学理论 |
| 3.2.1 区间值模糊数学 |
| 3.2.2 区间值模糊集 |
| 3.3 区间值模糊控制器设计步骤 |
| 3.3.1 区间值模糊控制器的结构设计 |
| 3.3.2 区间值模糊产生式规则 |
| 3.3.3 区间值模糊化方法和模糊判决 |
| 4 石膏纤维板厚度控制器设计 |
| 4.1 基于普通模糊算法的厚度控制器设计 |
| 4.1.1 模糊控制器设计方法 |
| 4.1.2 控制对象的描述 |
| 4.1.3 普通模糊厚度控制器的设计 |
| 4.1.4 仿真实验与结果分析 |
| 4.2 基于模糊匹配区间值推理的石膏纤维板厚度控制器设计 |
| 4.2.1 模糊匹配区间值推理 |
| 4.2.2 模糊匹配区间值推理的控制器设计 |
| 4.2.3 系统仿真实验结果 |
| 4.3 基于相似度量区间值模糊推理的石膏纤维板厚度控制器设计 |
| 4.3.1 相似度量区间值模糊推理 |
| 4.3.2 基于相似度量区间值推理的控制器设计 |
| 4.3.3 系统仿真试验结果 |
| 4.4 基于双向近似区间值推理的厚度模糊控制器设计 |
| 4.4.1 双向近似区间值模糊推理 |
| 4.4.2 基于双向近似区间值推理的控制器设计 |
| 4.4.3 系统仿真试验结果 |
| 4.5 区间值控制规则的改进 |
| 4.5.1 控制规则表的改进方法 |
| 4.5.2 改进后的控制效果对比 |
| 5 结论 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
四、一个有效的区间值模糊推理方法（论文参考文献）
- [1]区间值SVM的参数优化及可解释方法研究[D]. 杨茂. 兰州大学, 2020(04)
- [2]基于区间模糊积分的上市公司财务预警分析[D]. 王璇. 北京交通大学, 2020(04)
- [3]基于区间值相似度的加权模糊推理[J]. 孙晓玲. 淮阴师范学院学报(自然科学版), 2016(03)
- [4]汽车防撞安全等级的分类方法研究[D]. 申颖颖. 沈阳理工大学, 2016(05)
- [5]基于区间值模糊集合的分类算法研究[D]. 谢亮. 燕山大学, 2009(07)
- [6]普适模糊访问控制策略描述语言研究[D]. 吴茜. 陕西师范大学, 2008(06)
- [7]空间分布动态系统的3-D模糊控制设计与分析[D]. 张宪霞. 上海交通大学, 2008(06)
- [8]一种基于Vague集的区间值加权模糊推理方法[A]. 赵丽元,黄天民. 2007中国控制与决策学术年会论文集, 2007
- [9]区间值模糊推理[D]. 李玉婷. 西北大学, 2007(04)
- [10]智能控制在石膏纤维板生产线中的研究[D]. 李杰. 沈阳工业大学, 2007(05)