论文部分内容阅读
Ⅱ-型模糊集作为I-型模糊集的扩展，能够更好地表达和处理复杂的不确定性问题，已经在空间数据挖掘、模糊控制、模式识别等方面得到了广泛的应用和发展。不过，Ⅱ-型模糊集的理论还不够完善，需要进一步深入的分析和讨论。本文的主要工作如下：(1)关于Ⅱ-型模糊隶属函数的扩展研究。基于Ⅱ-型模糊不确定均值或方差的高斯隶属、分段线性隶属、分段高斯隶属，给出三角型隶属、钟形隶属的Ⅱ-型模糊隶属函数，为表示和处理复杂的不确定性问题提供一种有价值的参考。(2)关于随机值Ⅱ-型模糊高斯混合模型的实证研究。在区间值Ⅱ-型模糊高斯混合模型基础上，提出一种随机值Ⅱ-型模糊高斯混合模型。通过模拟实验说明，所提模型具有较高的分类率，并且在表达不确定问题上具有更大的自由度。(3)关于Ⅱ-型模糊集降阶算法的比较研究。将常规Ⅱ-型模糊集的降阶算法应用于区间值Ⅱ-型模糊逻辑系统，比较KM、EKM、EKMANI、IASC和EIASC等算法的计算效率。结果表明，EIASC算法具有较高的计算效率。