两类模糊推理算法的连续性和逼近性_徐蔚鸿
模糊推理的全蕴涵三I算法的研究现状及进展
科 技 视 界
科技・ 探索・ 争鸣
模糊推理的全蕴涵三 Ｉ 算法的研究现状及进展
姜妍 丽 （ 东北 电力 大 学 理 学 院 ， 吉 林 吉林 １ ３ ２ ０ １ ２ ）
【 摘 要】 随着模糊 集的产 生与发展 ， 模糊推理 已经成 为 涵三 Ｉ 算法， 对其研
究现状及进展进行综述 ， 旨在 为模糊推理 算法的研 究提供 引导作 用。
【 关键词 】 模糊推理 ； 三Ｉ 算法 ； 研究现状 ； 进展
推理是人类智能的主要特征之一 ． 是实现人工智能 的一种重要技 术 随着模糊集的产生与发展 ． 模糊推理技术 已经 广泛 应用于智能系 统的许多领域 ， 如模糊控制系统 、 模糊专家系统 、 模糊神 经网络系统 以 及模 糊决策支持系统等等 １ ９ ７ ３年 ． Ｚ ａ ｄ ｅ ｈ首先给 出模糊 推理理论 中最基本 的规 则即模糊分 离 规则， 随后 Ｍ ａ ｍ ｄ ａ ｎ ｉ 等人 又将 其算法 化 ． 形 成如今广泛使用 的 Ｃ Ｒ Ｉ ｆ Ｃ ｏ ｍ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ａ ｌ Ｒ ｕ ｌ ｅ ０ ｆ Ｉ ｎ ｆ ｅ ｒ ｅ ｎ ｃ ｅ １ 方法 Ｃ Ｒ Ｉ 方法侧重于直接应用 ． 算法 简便 易行 。 成为工业 生产领域使 用最为广 泛的模糊 推理方法 。然 而 ， 模糊 推理远较经典 逻辑学中的二值推 理复杂得多 李洪兴［ １ ＿ 指出基于 Ｃ ＲＩ 方法 的模糊系 统本质上是一种插值 器 ． 因此在研究模糊 系统的函 数逼 近问题 时， 不 可避 免地出现“ 规则爆 炸” 的现象 王国俊目 指出Ｃ Ｒ Ｉ 方法采用 了复合运算 。 带有 一定的随意 陛， 偏离了 语 义蕴涵的框架。 为了解 决 Ｃ Ｒ Ｉ 方法的不足 ． 王国俊［ ２ １ 从 逻辑语 义蕴 涵的角度 提出 了模糊 推理的全蕴涵三 Ｉ 算法 （ 简称 “ 三Ｉ 算法 ” ） 。 自三 Ｉ 算法 提出以 来． 许多学者 针对三 Ｉ 算法 进行 了广泛 的研究 ． 总的来说 主要从这 样 几个 方面 ： （ １ ） 采用不 同蕴涵 算子 的三 Ｉ 算法 ； （ ２ ） 三Ｉ 算法 的相关 理 论； （ ３ ） 三Ｉ 算法的改进算法 。本文将从这三个方面对三 Ｉ 算法 的研究 情况 加以总结 ． 分析三 Ｉ 算法 的研究现状 及进展 ． 旨在为模糊 推理 的 研究提供引导作用 法 的计算公式 。张森等【 一 日 研究 了基于正则蕴 涵算子 一 Ａ — 。 模 糊推理 的三 Ｉ 算法 的支持 度理论 ． 给出了 一 三Ｉ 算法 的计算公 式 王绍海旧 讨论 了基 于正则蕴涵算子的三 Ｉ 方法 的支持度理论 ２ ＿ ３ 还原性 、 连续性及响应能力 裴道 武口 ８ １ 研究 了全蕴涵三 Ｉ 算 法的计 算公 式及其还原性问题 李 骏 等㈣ 对模 糊推理 三 Ｉ 算法具备还 原性 的条 件进行 了研 究 罗 清君 等倒基于模糊推理 的全蕴涵三 Ｉ 算法 ． 给出 了三 Ｉ 算法的表达式。 曾水玲等口 】 对全蕴涵反向三 Ｉ 算法是否满足连续性 问题进行 了首 次研究 潘海玉等阎 系统地研究 了三 １ 支持度算 法和反 向三 １ 支 持度 算法 的连续性问题。徐蔚 鸿等【 全蕴涵三 Ｉ 算法 是否满 足连续性 和 逼近性问题进行了细致的研究 李龙等［ 论 了基 于三 Ｉ 算法 构成 的模糊系统 的响应 能力 ． 给出 泛三 Ｉ 算法公式和单输入单输 出模糊控 制器。 胡凯等闭以 Ｒ ， Ｒ 。 Ｒ 。 三 个蕴涵算子为 基础构造单输入 单输出模糊控制器 ． 并 分析其响应能 力
模糊推理系统在人工智能咨询中的应用分析
模糊推理系统在人工智能咨询中的应用分析人工智能（Artificial Intelligence，AI）的发展已经深入到各个领域，其中咨询服务领域也不例外。
模糊推理系统作为一种重要的人工智能技术，在人工智能咨询中发挥着重要作用。
本文将从模糊推理系统的基本原理、在人工智能咨询中的应用案例以及未来发展方向等方面进行深入分析。
一、模糊推理系统的基本原理模糊推理系统是一种基于模糊逻辑原理构建的推理系统。
与传统逻辑不同，传统逻辑只有真假两个取值，而模糊逻辑则引入了“可能性”的概念，使得取值可以是一个连续的区间。
在模糊推理系统中，输入数据经过隶属度函数进行隶属度计算，然后通过规则库进行规则匹配和融合，在经过去隶属度函数计算后得到最终输出结果。
二、模糊推理系统在人工智能咨询中的应用案例1. 模糊分类与预测在人工智能咨询中，对于一些复杂的问题，往往很难用传统的分类和预测方法进行准确的判断。
而模糊推理系统可以通过模糊分类和预测，对问题进行更准确的判断。
例如，在金融咨询中，可以通过模糊推理系统对股票市场进行预测，从而提供更准确的投资建议。
2. 模糊决策支持在人工智能咨询中，决策支持是一个重要的环节。
传统的决策支持方法往往需要建立复杂的数学模型和规则，而模糊推理系统则可以通过对问题进行隶属度计算和规则匹配，在不需要建立复杂数学模型和规则库的情况下提供有效的决策支持。
例如，在人力资源咨询中，可以通过模糊推理系统对候选人进行综合评价，并提供最佳人选。
3. 模糊风险评估在风险评估领域中，传统方法主要依赖于精确度高但计算量大、数据需求高等特点。
而在人工智能咨询中，由于数据不完备或者不精确等原因导致风险评估变得困难。
而模糊推理系统则可以通过对数据进行模糊化处理，从而提供更准确的风险评估结果。
例如，在保险咨询中，可以通过模糊推理系统对保险风险进行评估，并提供相应的保险建议。
三、模糊推理系统在人工智能咨询中的优势1. 灵活性模糊推理系统可以处理不确定性和不完备性的问题，对于一些复杂、模糊的问题具有较强的适应能力。
人工智能领域中的模糊逻辑推理算法
人工智能领域中的模糊逻辑推理算法人工智能（Artificial Intelligence，简称AI）是一门研究如何使计算机能够智能地表现出类似人类的思维和行为的科学。
在人工智能领域中，模糊逻辑推理算法是一种重要的方法，其可以有效地处理现实世界中存在的不确定性和模糊性问题。
本文将介绍人工智能领域中的模糊逻辑推理算法及其应用。
一、模糊逻辑推理算法概述模糊逻辑推理算法是基于模糊逻辑的推理方法，模糊逻辑是对传统的布尔逻辑的扩展，允许命题的真值在完全为真和完全为假之间存在连续的可能性。
模糊逻辑推理算法通过模糊化输入和输出，使用模糊规则进行推理，最终得到模糊结果。
模糊逻辑推理算法主要包括以下几个步骤：1. 模糊化：将输入的精确值转化为模糊化的值，反映出其模糊性和不确定性。
2. 模糊规则匹配：根据模糊规则库，匹配输入的模糊值和规则库中的规则。
3. 推理：根据匹配到的规则进行推理，得到模糊输出。
4. 解模糊化：将模糊输出转化为精确值，以便进行后续的处理和决策。
二、模糊逻辑推理算法的应用领域1. 专家系统专家系统是一种能够模拟人类专家的思维和行为的计算机程序。
在专家系统中，模糊逻辑推理算法可以用于处理专家知识中存在的模糊性和不确定性，帮助系统作出正确的决策和推理。
2. 模式识别模式识别是通过对事物特征进行抽象和分类，从而识别和理解事物的过程。
在模式识别中，模糊逻辑推理算法可以用于处理存在模糊性和不确定性的模式，提高模式识别的准确性和鲁棒性。
3. 数据挖掘数据挖掘是从大量的数据中发现潜在的、有效的信息，并进行模式的分析和提取的过程。
在数据挖掘中，模糊逻辑推理算法可以用于处理数据中存在的模糊性和不确定性，挖掘出更多有意义的信息。
4. 控制系统控制系统是指对某个对象或过程进行控制的系统。
在控制系统中，模糊逻辑推理算法可以用于处理控制对象的模糊输入和输出，实现对控制系统的智能化控制。
三、模糊逻辑推理算法的发展趋势随着人工智能领域的不断发展，模糊逻辑推理算法也在不断演化和完善。
第8章 特征的选择与提取(特征选择)
其核心问题
是通过合理组合搜索过程，可以避免一些 计算而仍能得到最优的结果。
其关键是利用了判据的单调性
最优搜索算法
判据的单调性
如果特征存在包含关系: 则有: 称该判据具有单调性 讨论过的J1-J5,以及基于概率距离的判据 JD,JC,JB都满足上述关系
最优搜索算法
下面我们结合一个从D＝6的六维特征空 间选择d＝2的二维最优子空间的例子， 说明该算法的原理以及如何利用判据的 单调性减少计算量。 设原D维空间有六个特征表示成 {x1,x2,x3,x4,x5,x6}
(2) 确定直接后继结点要删除的特征
删去其中一特征的相应判据值，判据最小
最优搜索算法
回溯过程
要执行的任务是将第i层的ψ加上第i-1层被删 除的特征，并检查其分支路数q 待发现到 qi-1>1,就到达回溯转折点，转入其 相邻左边第i层结点。
最优搜索算法
优点
该算法避免了部分d个特征组合的判据计算，与穷 举相比节约了时间。
当l＜r时，入选特征数逐渐增加，属“自下而上” 型 反之属“自上而下”型。
增l减r法(l-r法)
此法也可推广至用GSFS及GSBS代替SFS及SBS 并可在实现增加l特征时采用分几步实现
增l特征用Zl步减r则用Zr步，该种方法一般称为(Zl, ( Zr)法 这种做法是为了既考虑入选(或剔除)特征之间的相 关性，又不至因此引起计算量过大。 合理地设置Zl和 Zr可以同时对两者，即计算复杂性 及特征选择的合理性兼顾考虑
简单回顾
类别可分离性判据的种类
基于距离度量的可分性判据 基于概率分布的可分性判据等
特征提取
按欧氏距离度量的特征提取方法 按概率距离判据提取特征
8.4 特征选择
二型模糊集下的推理模型及Mamdani推理算法
在二型模糊集理论的基础上讨论了二型模糊集下的三种模糊推理模型研究了模糊推理模型的mamdani推理算法证明了mamdani推理算法具有单调性质
二型模糊集下的推理模型及Mamdani推理算法
二型模糊集下的推理模型及Mamdani推理算法
在二型模糊集理论的基础上,讨论了二型模糊集下的三算法,证明了Mamdani推理算法具有单调性质.
模糊推理方法
模糊推理方法模糊推理方法是一种基于模糊逻辑的推理方法，它不同于传统的二值逻辑推理，而是考虑了事物之间的不确定性和模糊性。
在现实生活中，我们经常面对各种模糊的问题，例如天气预报、医学诊断、金融风险评估等等，这些问题都存在一定的模糊性和不确定性。
而模糊推理方法正是为了解决这些模糊问题而被提出的。
模糊推理方法的核心是模糊集合理论，它将模糊性作为一个数学概念进行描述。
在模糊集合理论中，每个元素都可以具有一定的隶属度，表示该元素属于该模糊集合的程度。
通过模糊集合的隶属度，我们可以对事物进行模糊分类和模糊推理。
模糊推理方法主要包括模糊逻辑推理和模糊数学推理两种形式。
模糊逻辑推理是通过对模糊命题的模糊逻辑运算，推导出模糊结论的过程。
模糊数学推理则是利用模糊数学的方法，通过模糊关系的运算，得出模糊结论的过程。
在模糊推理方法中，常用的推理规则包括模糊蕴涵规则、模糊合取规则、模糊析取规则等。
这些推理规则可以根据具体的问题和需求进行选择和组合，以实现对模糊问题的推理和决策。
模糊推理方法的应用非常广泛。
在天气预报中，由于气象数据的不确定性和模糊性，传统的二值逻辑推理往往无法准确预测天气情况。
而模糊推理方法可以通过对多个气象数据的模糊运算，得出更准确的天气预报结果。
在医学诊断中，由于病情的复杂性和多样性，传统的二值逻辑推理往往无法全面考虑各种可能性。
而模糊推理方法可以通过对病情特征的模糊分类和模糊推理，提供更全面的医学诊断结果。
除了天气预报和医学诊断，模糊推理方法还广泛应用于金融风险评估、交通流量预测、工程管理等领域。
在金融风险评估中，由于金融市场的不确定性和复杂性，传统的二值逻辑推理往往无法准确评估风险。
而模糊推理方法可以通过对各种金融指标的模糊运算，得出更准确的风险评估结果。
在交通流量预测中，由于交通数据的不确定性和随机性，传统的二值逻辑推理往往无法准确预测交通流量。
而模糊推理方法可以通过对多个交通数据的模糊运算，得出更准确的交通流量预测结果。
数学中的模糊数学与不确定性推理
数学中的模糊数学与不确定性推理数学是一门基础性的学科，它的应用广泛涉及各个领域。
在处理现实问题时，不可避免地会面对模糊性和不确定性的情况。
模糊数学和不确定性推理是数学中一类重要的概念与方法，它们为我们解决这些问题提供了有效的工具。
一、模糊数学模糊数学是数学中研究处理模糊现象的一种数学方法。
它的核心概念是模糊集和隶属函数。
模糊集是指具有模糊性质的集合，其中的元素隶属于该集合的程度不是二进制的，而是在0到1之间连续变化的。
而隶属函数则描述了元素对于模糊集的隶属程度。
以温度为例，通常我们将20℃以下定义为冷，20℃到30℃定义为温暖，30℃以上定义为热。
但是，实际上温度的感受因人而异，对于某些人来说，25℃可能并不觉得热，而对于另一些人来说可能已经感到非常热了。
这种情况下，我们可以用模糊集和隶属函数来描述温度的感受程度。
模糊数学可以帮助我们处理不确定性和模糊性的问题，扩展了传统数学在解决实际问题上的应用范围。
目前，模糊数学已经在控制工程、人工智能、决策分析等领域广泛应用。
二、不确定性推理不确定性推理是一种在不完全信息条件下进行推理的方法。
在现实问题中，我们往往不能获得完整准确的信息，而只能通过不完全信息进行决策和推理。
不确定性推理的关键是通过概率和统计方法对不确定信息进行量化和分析。
概率论是不确定性推理的基础，它通过定义概率模型和概率分布来描述不确定性事件的发生概率。
我们可以通过统计方法来估计概率，并利用这些概率来进行推理和决策。
例如，在医学诊断中，患者可能会同时出现多种症状，但是我们不能确定每种症状与特定疾病的关联程度。
在这种情况下，我们可以利用不确定性推理的方法，通过建立概率模型和分析病例统计数据来判断患者患病的可能性。
不确定性推理在人工智能、决策分析、经济学等领域具有广泛应用。
它不仅可以帮助我们理解和解释不确定性的问题，还可以提供决策支持和风险评估的工具。
三、模糊数学与不确定性推理的结合应用模糊数学和不确定性推理是相辅相成的，在实际问题中常常需要将它们相结合应用。
Lukasiewicz型直觉模糊推理三I方法的性质分析
Lukasiewicz型直觉模糊推理三I方法的性质分析李骏;刘岩【摘要】直觉模糊推理的两个基本模型是Intuitionistic Fuzzy Modus Ponens(IFMP)和Intuitionistic Fuzzy Modus Tollens(IFMT).首先利用经典模糊集之间的自然距离定义了直觉模糊集间的一种距离.其次,证明了基于Lukasiewicz 直觉模糊蕴涵的IFMP和IFMT问题的三I方法关于该距离都具有连续性,并且分别给出了IFMP和IFMT问题的三I方法满足逼近性的充分条件.%The two basic reasoning models of intuitionistic fuzzy reasoning are Intuitionistic Fuzzy Modus Ponens(IFMP) and Intuitionistic Fuzzy ModusTollens(IFMT)respectively.A kind of distance between intuitionistic fuzzy sets is intro-duced by the natural distance between classical fuzzy sets in the present paper.It is proven that both the triple I methods for solving IFMP and IFMT problems based on Lukasiewicz intuitionistic fuzzy implication are continuous with respect to this distance.Some sufficient conditions to guarantee the approximation property of the triple I methods for solving IFMP and IFMT are given respectively.【期刊名称】《计算机工程与应用》【年(卷),期】2018(054)008【总页数】5页(P44-47,54)【关键词】直觉模糊集;直觉模糊推理;三I方法;连续性;逼近性【作者】李骏;刘岩【作者单位】兰州理工大学理学院,兰州730050;兰州理工大学理学院,兰州730050【正文语种】中文【中图分类】TP181;O1591 引言模糊推理作为模糊控制的核心，在模糊信息的处理过程中起着举足轻重的作用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1000-9825/2004/15(10)1485
©2004 Journal of Software
软 件 学 报
Vol.15, No.10
两类模糊推理算法的连续性和逼近性
徐蔚鸿 1,2,3+, 谢中科 2, 杨静宇 3, 叶有培 3
3
+ Corresponding author: Phn: +86-731-2618996, Fax: +86-731-2295315, E-mail: xwhxd@,
Received 2003-07-28; Accepted 2004-01-08 Xu WH, Xie ZK, Yang JY, Ye YP. Continuity and approximation properties of two classes of algorithms for fuzzy inference. Journal of Software, 2004,15(10):1485~1492. /1000-9825/15/1485.htm Abstract: The authors investigate carefully whether or not two classes of inference algorithms, which are
Compositional Rule of Inference (CRI) proposed by L.A.Zadeh and Triple-Implication algorithm (Triple-I) proposed lately, hold the continuity and approximation properties, and moreover, also how the approximation errors are propagated by them. Therefore, a fuzzy inference algorithm is viewed as a mapping from one fuzzy set to another, Hamming distance formula is used as the computing distance between the two fuzzy sets. The authors prove that the two classes of algorithms hold the continuity properties in the cases of fuzzy modus ponens and fuzzy modus tollens. The authors also point out that Triple-I algorithm always holds the approximation property if antecedent and consequence of the known rule are normal fuzzy sets. However CRI algorithm holds approximation property only if CRI holds consistency property. Two classes of algorithms do not make approximation errors magnified when they hold approximation property. The results of the paper are useful for the selection and analysis of algorithms for fuzzy inference when practical fuzzy control and expert systems are designed. Key words: fuzzy reasoning; compositional rule of inference; triple implication algorithm for inference; fuzzy
XU Wei-Hong1,2,3+, XIE Zhong-Ke2, YANG Jing-Yu3, YE You-Pei3
1 2
(College of Mathematics and Computer Science, Jishou University, Jishou 416000, China) (College of Computer and Communications Engineering, Changsha University of Science and Technology, Changsha 410077, China) (Department of Computer Science and Technology, Nanjing University of Science and Technology, Nanjing 210094, China)
1486 intelligent system; fuzzy logic 摘
2004,15(10)
对 Zadeh 的模糊推理合成法则(CRI 算法) 和全蕴涵三 I 算法( 三 I 算法) 是否满足连续性和逼近性问题
进行了细致的研究, 进一步讨论了这两类算法对逼近误差的传播性能 . 为此, 把模糊推理算法看成是模糊集合到 模糊集合的映射, 选用海明距离作为两模糊集的距离. 证明了在模糊假言推理和模糊拒取式推理情形, 这两类算 法都拥有连续性. 指出三 I 算法在已知规则的前件和后件是正规集的条件下总是满足逼近性, 而 CRI 算法只有当 它满足还原性时才拥有逼近性. 在满足逼近性的条件下, 两类算法都不会放大逼近误差. 结果对构建模糊控制系 统和模糊专家系统时选用和分析模糊推理算法有一定的指导作用. 关键词: 模糊推理;模糊关系合成法则;全蕴涵三 I 算法;模糊智能系统;模糊逻辑 中图法分类号: TP18 文献标识码: A 正在蓬勃发展且显示了巨大应用潜力的模糊技术, 是一种非常重要的智能化手段 . 它在处理难以用传统数 学工具 (微分方程或差分方程) 建模的具有不确定性、非线性化的复杂过程控制等问题方面有着很强的能力, 并 且对其他技术有着极强的渗透力和互补性. 模糊技术在实用化、 产品化方面有代表性的成就是已经在一系列的 家用电器的研制中取得很大成功. 融入模糊技术的家用电器( 模糊洗衣机、模糊照相机、模糊微波炉和模糊数 字电视机等) 有着很高的技术附加值和诱人的市场卖点. 我们知道, 人工智能包括推理、学习和联想三大要素.而 模糊智能系统中的模糊推理技术是建立在模糊集合论、模糊 if-then 规则和模糊推理等概念基础上的先进计算 框架. 它在诸如自动控制、数据分类、决策分析、专家系统、时间序列预测、机器人和模式识别等众多领域得 到了成功的应用. 模糊推理系统通常由 3 个重要部件组成 :规则库, 包含一系列规则;数据库( 或词典), 定义模糊规 则中用到的隶属函数; 推理机制 , 根据已知规则和事实执行推理过程求得合理的输出或结论. 事实上, 模糊推理 是模糊控制的理论基础 [1], 是模糊专家系统的关键技术 [2].Zadeh 提出的模糊关系合成法则(compositional rule of fuzzy inference, 简称 CRI) 是基本的、常用的方法, 从逻辑学、数学插值、稳定性、神经网络的学习等多个角度 得到了推广、校正和较系统的分析[1~14].运用 CRI 算法的关键是, 从已有的蕴涵关系中选择或根据具体的应用 问题重新构造一个适宜的蕴涵关系. 王国俊教授在文献[1]中指出, 从逻辑语义蕴涵的角度看,CRI 算法中的复合 运算是缺乏根据的, 并提出了每一步都使用蕴涵算子的全蕴涵三 I 推理方法. 三 I 算法比 CRI 算法有更好的逻辑 学背景和更优的性质[1],是对 CRI 算法的一种实质性的改进, 并得到了应用 [3]. 对模糊系统的逼近特性的分析是 理论和应用中的重要课题 , 如王士同教授 [5] 分析了模糊系统的逼近误差和初始状态误差对模糊系统的影响 . 已 知规则 A → B ,当输入前件 A * 求后件 B * ,称为广义假言推理或模糊假言推理(fuzzy modus ponens, 简称 FMP); 已知规则 A → B ,当输入后件 B * 求前件 A * ,称为广义拒取式推理或模糊拒取式推理(fuzzy modus tollens, 简称 FMT). 而对于模糊推理,D. Dubois 和 H. Prade 在文献 [6]中就指出 :模糊产生式系统、模糊专家系统和模糊控制 系统中要求推理方法满足逼近原则. 该原则是指, 在 FMP 情形, 希望当 A * 充分逼近 A 时, 推理方法能够保证 B * 充分逼近 B ;在 FMT 情形, 希望当 B * 充分逼近 B 时, 推理方法也能使 A * 充分逼近 A .然而, 著名的 CRI 算法和 全蕴涵三 I 算法是否满足逼近原则这一重要的问题以及相关的逼近误差的传播问题, 尚未得到分析( 这两个问 题在模糊控制、模糊信息处理和模糊神经网络中是尤为重要的). 本文正是针对这两个问题进行首次研究. 本文 用海明距离来估计两个模糊集的逼近(或匹配)程度.即当 A1,A2∈F(U)时,U 是非空有限集, A1 − A2 = 其中 U = n . 1 n ∑ | A1 (u i ) − A2 (u i ) | , n i =1
∗ Supported by the National Natural Science Foundation of China under Grant No.60072034 (国家自然科学基金); the Natural
Science Foundation of Hu’nan Province of China under Grant No.02JJY4060 (湖南省自然科学基金) 作者简介 : 徐蔚鸿 (1963 － ), 男 , 湖南湘潭人 , 博士 , 副教授 , 主要研究领域为智能系统与模式识别 , 计算机应用 ; 谢中科 (1964 － ), 男 , 讲师 , 主要研究领域为数据挖掘, 数据库系统开发; 杨静宇(1941 － ), 男, 教授 , 博士生导师 , 主要研究领域为模式识别与智能系统, 图像 处理;叶有培(1945－),男,教授,博士生导师,主要研究领域为模糊系统,算法设计和分析.