基于测度递进的模糊认知图及其应用
合集下载
《模糊推理系统》课件
• 并行化与分布式实现：为了处理 大规模问题，研究并行化与分布 式实现是必要的。
模糊推理系统的发展趋势与展望
更广泛的应用领域
随着模糊推理系统的不断发展和完善，其应用领域将越来越广泛， 例如自然语言处理、智能控制等。
与其他机器学习方法的结合
将模糊推理系统与其他机器学习方法相结合，例如与神经网络、支 持向量机等结合，可以进一步提高分类和预测的准确性。
模糊推理系统广泛应用于各种领域， 如控制系统、医疗诊断、智能机器人 等，以解决复杂的问题和不确定性。
模糊推理系统的基本原理
1 2 3
模糊化
将输入的精确值转换为模糊集合，通过隶属度函 数确定每个输入值属于各个模糊集合的程度。
模糊逻辑规则
基于模糊集合和模糊逻辑运算符（如AND、OR 、NOT等），制定模糊逻辑规则，用于推理和决 策。
参考文献
[请在此处插入参考文献]
[请在此处插入参考文献]
[请在此处插入参考文献]
01
03 02
感谢您的观看
THANKS
其他领域
如金融、物流、农业等， 用于解决各种复杂和不确 定性问题。
02
模糊集合与模糊逻辑
模糊集合的定义与性质
模糊集合的定义
模糊集合是经典集合的扩展，它允许元素具有不明确的边界和隶属度。
模糊集合的性质
模糊集合具有连续性、可数性、可加性和可减性等性质，这些性质使得模糊集合能够更好地描述现实世界中的不 确定性。
更好的解释性
随着可解释机器学习的需求增加，如何提高模糊推理系统的解释性 是一个重要的研究方向。
06
总结与参考文献
本报告的主要内容总结
01
02
03
04
05
模糊推理系统的发展趋势与展望
更广泛的应用领域
随着模糊推理系统的不断发展和完善，其应用领域将越来越广泛， 例如自然语言处理、智能控制等。
与其他机器学习方法的结合
将模糊推理系统与其他机器学习方法相结合，例如与神经网络、支 持向量机等结合，可以进一步提高分类和预测的准确性。
模糊推理系统广泛应用于各种领域， 如控制系统、医疗诊断、智能机器人 等，以解决复杂的问题和不确定性。
模糊推理系统的基本原理
1 2 3
模糊化
将输入的精确值转换为模糊集合，通过隶属度函 数确定每个输入值属于各个模糊集合的程度。
模糊逻辑规则
基于模糊集合和模糊逻辑运算符（如AND、OR 、NOT等），制定模糊逻辑规则，用于推理和决 策。
参考文献
[请在此处插入参考文献]
[请在此处插入参考文献]
[请在此处插入参考文献]
01
03 02
感谢您的观看
THANKS
其他领域
如金融、物流、农业等， 用于解决各种复杂和不确 定性问题。
02
模糊集合与模糊逻辑
模糊集合的定义与性质
模糊集合的定义
模糊集合是经典集合的扩展，它允许元素具有不明确的边界和隶属度。
模糊集合的性质
模糊集合具有连续性、可数性、可加性和可减性等性质，这些性质使得模糊集合能够更好地描述现实世界中的不 确定性。
更好的解释性
随着可解释机器学习的需求增加，如何提高模糊推理系统的解释性 是一个重要的研究方向。
06
总结与参考文献
本报告的主要内容总结
01
02
03
04
05
模糊集理论及其应用_第一章
1 μA
11
1.2 模糊集合与隶属函数(1/5)
目录
由此可见，模糊集合 A 是一个抽象的概念， 其元素是不确定的， 我们只能通过隶属函数 A来认识和掌握 A ．A(u)的数值的大小反映 了论域Ｕ 中的元素 u 对于模糊集合 A 的隶属 程度， A(u)的值越接近于1 ，表示u隶属于A 的程度越高；而μＡ(u)的值越接近于０，表示u 隶属于 A 的程度越低．特别地， 若A(u) =１，则认为u完全属于A ； 若A(u) =０，则认为u完全不属于A． 因此, 经典集合可看作是特殊的模糊集合． 换言之，模糊集合是经典集合的推广。
3
模糊数学的概念 处理现实对象的数学模型 确定性数学模型:确定性或固定性,对象间有必 然联系. 随机性数学模型:对象具有或然性或随机性 模糊性数学模型:对象及其关系均具有模糊性. 随机性与模糊性的区别 随机性:指事件出现某种结果的机会. 模糊性:指存在于现实中的不分明现象. 模糊数学:研究模糊现象的定量处理方法.
5
数学建模与模糊数学相关的问题
模糊数学—研究和处理模糊性现象的数学 （概念与其对立面之间没有一条明确的分 界线） 与模糊数学相关的问题（一）
模糊分类问题—已知若干个相互之间不分明的
模糊概念，需要判断某个确定事物用哪一个模 糊概念来反映更合理准确 模糊相似选择 —按某种性质对一组事物或对 象排序是一类常见的问题，但是用来比较的性 质具有边界不分明的模糊性
模糊集理论及其 应用
1
前言：什么是模糊数学
•模糊概念
秃子悖论: 天下所有的人都是秃子
设头发根数n n=1 显然
若n=k 为秃子 n=k+1 亦为秃子
模糊概念：从属于该概念到不属于该概念之间 无明显分界线 年轻、重、热、美、厚、薄、快、慢、大、小、 高、低、长、短、贵、贱、强、弱、软、硬、 阴天、多云、暴雨、清晨、礼品。
11
1.2 模糊集合与隶属函数(1/5)
目录
由此可见，模糊集合 A 是一个抽象的概念， 其元素是不确定的， 我们只能通过隶属函数 A来认识和掌握 A ．A(u)的数值的大小反映 了论域Ｕ 中的元素 u 对于模糊集合 A 的隶属 程度， A(u)的值越接近于1 ，表示u隶属于A 的程度越高；而μＡ(u)的值越接近于０，表示u 隶属于 A 的程度越低．特别地， 若A(u) =１，则认为u完全属于A ； 若A(u) =０，则认为u完全不属于A． 因此, 经典集合可看作是特殊的模糊集合． 换言之，模糊集合是经典集合的推广。
3
模糊数学的概念 处理现实对象的数学模型 确定性数学模型:确定性或固定性,对象间有必 然联系. 随机性数学模型:对象具有或然性或随机性 模糊性数学模型:对象及其关系均具有模糊性. 随机性与模糊性的区别 随机性:指事件出现某种结果的机会. 模糊性:指存在于现实中的不分明现象. 模糊数学:研究模糊现象的定量处理方法.
5
数学建模与模糊数学相关的问题
模糊数学—研究和处理模糊性现象的数学 （概念与其对立面之间没有一条明确的分 界线） 与模糊数学相关的问题（一）
模糊分类问题—已知若干个相互之间不分明的
模糊概念，需要判断某个确定事物用哪一个模 糊概念来反映更合理准确 模糊相似选择 —按某种性质对一组事物或对 象排序是一类常见的问题，但是用来比较的性 质具有边界不分明的模糊性
模糊集理论及其 应用
1
前言：什么是模糊数学
•模糊概念
秃子悖论: 天下所有的人都是秃子
设头发根数n n=1 显然
若n=k 为秃子 n=k+1 亦为秃子
模糊概念：从属于该概念到不属于该概念之间 无明显分界线 年轻、重、热、美、厚、薄、快、慢、大、小、 高、低、长、短、贵、贱、强、弱、软、硬、 阴天、多云、暴雨、清晨、礼品。
【国家自然科学基金】_模糊线性回归模型_基金支持热词逐年推荐_【万方软件创新助手】_20140731
推荐指数 3 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年 序号 1 2 3 4 5 6 7 8 9 10
2014年 科研热词 计量分析 覆盖土层 经济 环境效率指标 断层错动 地表破裂 可持续发展 信息扩散 中国 gdp 推荐指数 1Байду номын сангаас1 1 1 1 1 1 1 1 1
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13
科研热词 黄土湿陷性 高速铁路地基 模糊聚类 模糊线性回归 模糊最小一乘 模糊数据 模糊c均值聚类 多元线性回归 参数估计 制图 分类 dem anfis
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11
推荐指数 4 4 3 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44
模糊数学和其应用
04
总结与展望
模糊数学的重要性和意义
模糊数学是处理模糊性现象的一种数学 理论和方法，它突破了经典数学的局限 性，能够更好地描述现实世界中的复杂 问题。
模糊数学的应用领域广泛，包括控制论、信 息论、系统论、人工智能、计算机科学等， 对现代科学技术的发展起到了重要的推动作 用。
模糊数学的出现和发展，不仅丰富 了数学理论体系，也促进了各学科 之间的交叉融合，为解决实际问题 提供了新的思路和方法。
随着计算机技术的发展，模糊 数学的应用越来越广泛，成为 解决复杂问题的重要工具之一 。
模糊数学的基本概念
模糊集合
与传统集合不同，模糊集合的成员关系不再是确 定的，而是存在一定的隶属度。例如，一个人的 身高属于某个身高的模糊集合，其隶属度可以根 据实际情况进行确定。
隶属函数
用于描述模糊集合中元素属于该集合的程度。隶 属函数的确定需要根据实推理规则不再是一 一对应的，而是存在一定的连续性。例如，在医 疗诊断中，病人的症状与疾病之间的关系可能存 在一定的模糊性，通过模糊逻辑可以进行更准确 的推理。
模糊运算
与传统运算不同，模糊运算的结果不再是确定的 数值，而是存在一定的隶属度。例如，两个模糊 数的加法运算结果也是一个模糊数，其隶属度取 决于两个输入的隶属度。
模糊数学在图像处理中的应用
总结词
模糊数学在图像处理中主要用于图像增强和图像恢复。
详细描述
通过模糊数学的方法，可以对图像进行平滑、锐化、边缘检测等操作，提高图像的视觉效果和识别能 力。例如，在医学影像处理中，可以利用模糊数学的方法对CT、MRI等医学影像进行降噪、增强和三 维重建等处理，提高医学诊断的准确性和可靠性。
02
模糊数学的应用领域
模糊控制
基于模糊认知图的情感Agent模型研究
ｅｇ ａ ｅｎ ｄ ｓｒ ｅ ｙ ｉｎｒｃｍｐｎ ｎ ｓｎ ｏｎ ｗ ｉ ｔ ｂ ｔ ｅ ｈ ｍＩｆｒｎｅ ｈ ｓｂ ｅ ａ ｉ ｕ ｂ ｕ ｒ ａ ｃｎ ｄｅｈ ｓｂｅ ｅｃ ｂ ｄｂ ｎ ｅ ｏ ｏ ｅｔ ａｄ ｊｉｔ ｅ ｈｓ ｅ ｉ ｇ ｗｅｎ ｔｅ ． ｅｅｃ ａ ｅｎ ｃｒｅ ｏ ｔ ｙ ｎｍｅ ｃｌ ｏ — ｎ ｒｄ ｉ
ｐ ｔｔ ｎ ｉ ｓ ａ ｆ ｓ ｍｂ ｌ ｅ ｕ ｔ ｎ Ｔ ｅ ｅ ｐ ｒ ｎ ｅ ｕ ｔ ｈ ｗ ｈ ｔ ｍｏ ｅ ｓ ｅ ｓ ｏ ｅ ｔｎ ｎ ｓ ｃ ａ ａ ｔ ｒ ｅ ｙ ｈ ｇ ｐ ｕ ａ ｉ ｎ ｔ ｄ ｏ ｙ ｏｉ ｄ ｄ ｃｉ ． ｈ ｘ ｅ ｍｅ ｔ ｒ ｓ ｌ ｓ ｏ ｔａ ｄ ｌ ｉ ａ ｙ ｔ ｘｅ ｄ ａ ｄ ｉ ｈ ｒ ｃ ｅ ｚ ｄ ｂ ｉ ｈ ａ — ｏ ｅ ｃ ｏ ｉ ｓ ｉ ｐｉ ａ ｉ ｔ． ｌ ｂｌｙ ｃ ｉ Ｋｅ ｒ ｓ：ａ ｉ ｃａ ｓ ｃ ｏｏ ； ｍｏｉ ｎ Ａｇ ｎ ； ｚｙ ｃ ｇ ｉ ｖ ｐ ｙ ｗｏ ｄ ｔｉ ｒ ｆ ｉｌ ｐ ｙ ｈ ｌｇ ｅ ｔ ｅ ｔ ｆ ｚ ｏ ｎ ｔ ｅ ｍａ ｙ ｏ ｕ ｉ
元 之 间 的 关 系权 值 进 行 描 述 ． 简单 数 值 运 算代 替 了 复 杂 的符 号逻 辑 来 实现 Ａ ｅ ｔ 智 能 推 理 和 决 策 。 通 过 实验 表 明 ， 模 型 设 用 ｇｎ 的 该
Ｅ ｍ ｉ：ｙ ９ ａ ． ｕｃ － ａｌｗｊ １ ＠ｂｃｅ ． ｌ１ ｄ ｎ
Ｗ Ａ ｕ ｊ ， Ａ ｈ － ａ ｇ ＷＡＮ Ｇｕ －ｉｎ ，ｔａ． ｅｅ ｒｈ ｏ ｍｏ ｏ ｇｎ ｄ ｌｂ ｓｄ ｏ ｕｚ ｏ ｎｔ ｅ ＮＧ Ｙ －ｉ Ｗ ＮＧ Ｚ ｉ ｈ ｎ ， ｅ Ｇ ｏ ｊ ｇ ｅ １ ｓａ ｃ ｎ ｅ ｔ ｎ ａｅ ｔ ｍｏ ｅ ａｅ ｎ ｆｚｙ ｃ ｇ ｉｖ ａ Ｒ ｉ ｉ
第三章 模糊认知图
第三章模糊认知图3.1认知图因果知识通常涉及许多相互作用的事物及其关系，由于缺乏有力的分析工具，因此，对这类知识的处理显得比较困难。
在这种情况下，一些其它技术包括定性推理技术就被应用到因果知识的处理中。
认知图就是这种定性推理技术的一种。
认知图是一个新兴的研究领域，它是一种计算智能，提供了一个有效的软计算工具来支持基于先验知识的自适应行为。
对它的研究涉及到模糊数学、模糊推理、不确定性理论及神经网络等诸多学科。
认知图的显著特点就是可利用系统的先验知识、并对复杂系统的子系统具有简单的可加性，能表示出用树结构、Bayes网络及Markov模型等很难表示的具有反馈的动态因果系统。
在认知图中很容易鸟瞰系统中各事物间如何相互作用，每个事物与那些事物具有因果关系。
认知图通常由概念(concept)与概念间的关系(relations of concepts)组成。
概念(用节点表示)可以表示系统的动作、原因、结果、目的、感情、倾向及趋势等，它反映系统的属性、性能与品质。
概念间的关系表示概念间的因果关系(用带箭头的弧表示，箭头的方向表示因果联系的方向)。
3.2认知图的发展简史认知图首先由Tloman于1948年在 Cognitive Maps in Rats and Men一文中提出的，其最初目的是想为心理学建立一个模型，此后认知图便被应用到其他方向和领域中。
人们把认知图描述为有向图，认为认知图是由一些弧连接起来节点的集合，但不同的学者对弧与节点赋予不同的含义。
1955年Kelly依据个人构造理论(Personal construct theory)提出了认知图，概念间的关系是三值的，即利用“+”、“-"表示概念间不同方向因果关系的影响效果，“O”表示概念间不具有因果关系。
1976年Axelord在 structure of Decision –The Cognitive Maps of Political Elites 中提出的认知图比Kelly的更接近于动态系统。
基于模糊认知影响图的移动商务投资风险分析
Ｃｏ ｎ ｔｖ ｎ ｕｅ ｅ Ｄｉ ｇ ａ ｓ ｇ ｉｉ ｅ Ｉ ｆ ｎｃ ａ ｒ ｍ ｌ
刘 玉 青 张 金 隆
（ 中科技大学管理学院 华
摘 要
武汉
４ ０７ ） ３ ０ ４
模 糊 认 知 图和 模 糊 影 响 图 各 自的特 点 在 很 大 程 度 上 存 在 互 补 性 ， 这 两种 方 法优 点 相 结 合 可 以 有 效 地 进 将
他结点 的影响关系 。模糊认知 图和模糊影 响图各 自的 特点在很大程度上存 在互补 性 ， 因此将这 两种方 法 的 优点结合起来 ， 以有效 地进 行 知识 获取 、 达 和推 可 表
理
和模糊 推理相结合 的一种 决策分 析方 法和 工具 ， 以 可 有 效地表示复杂 系统 的结 构 、 识别 概率相 关 以及信 息 流的特征等 。但在模糊 影 响图 的逻辑 推理过 程 中， 模 糊关 系需要赋值 的变量数据 随着Байду номын сангаас糊规则数量增加 而
作者简介 ： 刘玉青 （９ ４ ） 男 ， １ ８ 一 ， 博士研究生 ， 研究方向为移动商务和风 险管理 ； 张金隆（９ ２ ） 男 ， １５ 一 ， 教授 、 博士生 导师 ， 研究方 向为 Ｉ Ｔ项 目风险 和移 动商务 。
定 义 ． 免 了在 知 识 表 达过 程 中的 重 复 性 工 作 。通 过 移 动 商 务 的 投 资 风 险 分 析 算 例 将 改 进 后 的模 糊 影 响 图应 用 在 避
风险规 避策略提 取过程 中， 出了四个有代表性的虚拟风 险规避 策略 组合。 得
关键 词 模 糊影响 图 模糊认知 图 移 动商务 Ｃ ４Ｆ ２ ９ ６ ６ 文献标识码 投 资 风 险 Ａ 文章 编 号 １０ — ９５ ２ １ ） ２ ０ ８ — ５ ０ ２ １６ （ ００ １ — ０ ９ ０ 中分 类 号
模糊规划的理论方法及应用
模糊规划的理论方法及应用模糊规划是一种将模糊数学方法应用于决策问题的数学工具。
相比于传统的决策方法，模糊规划考虑到了决策者在面对不确定性和模糊性时的主观认知和感知能力，并利用模糊集合理论来解决这些问题。
本文将介绍模糊规划的理论方法及其在实际应用中的例子。
一、模糊规划的基本概念与原理1. 模糊集合理论模糊集合理论是模糊规划的理论基础，它是Lotfi Zadeh于1965年提出的。
在传统的集合论中，一个元素只能属于集合A或者不属于集合A，而在模糊集合论中，每个元素都有属于集合A的程度或者隶属度。
通过定义隶属函数来刻画元素对一个集合的隶属程度，该函数的取值范围通常是[0,1]。
2. 模糊规划的基本步骤模糊规划的基本步骤包括问题定义、模糊关系构建、决策矩阵建立、权重确定、模糊规则制定、规则评价、推理运算及解的评价等。
其中，模糊关系的建立和模糊规则的制定是模糊规划的核心。
通过对问题的抽象和建模，将模糊的问题转化为可计算和可处理的数学模型，从而能够得出合理的决策结果。
二、模糊规划的实际应用1. 市场营销决策在市场营销中，决策者往往需要面对很多模糊的信息，例如消费者的购买意愿、市场竞争环境等。
模糊规划可以帮助决策者进行市场细分、产品定价、促销策略等决策，从而提高市场的竞争力。
比如，通过模糊规划的方法，可以根据消费者的购买意愿和价格敏感度，确定合适的产品定价，并通过促销策略来满足不同消费者群体的需求。
2. 资源调度问题在资源调度问题中，决策者需要考虑多个因素，例如人力资源、物资配送等。
这些因素往往存在模糊性和随机性，传统的数学模型很难对其进行准确建模和求解。
而模糊规划可以通过考虑不确定性因素，使决策结果更加稳健和鲁棒。
比如，在人力资源调度中，通过模糊规划可以考虑员工的技能水平、工作经验等因素，使得调度结果更加符合实际情况。
3. 供应链管理问题供应链管理中涉及到多个环节和参与方，存在着各种不确定性和模糊性。
模糊规划可以帮助决策者在不确定的环境下进行供应链规划、库存管理、物流优化等决策，从而提高供应链的运作效率和灵活性。
- 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)。
ｔ ｂａ ｅｃ ａｓ ｄ ｌ ｆ ｅ ｈ ｔｉ ｆ ｕ ｚ ｇ ｉｖ ｐ ； ｈ ｎｔ ｅ ｅ ｒｌ ｅｗ ｒ ｉ ｔ ｄｕ ｔ ｎ ｌｏ ｉ ｍ ｐ ｏｏ ｔｉ ｔ ｏ ｒｅ ｎ ｈ ｍｏ ｅ ｏ ｉ ｔ ｗ ｇ ｍａｒ ｏ ｚｙｃ ｎｔ ｅ ｘ ｆ ｏ ｉ ｍａ ｓ ｔ ｅ ｕ ａ ｎ ｔ ｏ ｋｗｅ ｈ ｊｓ ｈ ｎ ｇ ａ ｍｅ ｔ ｇ ｒ ｈ ｉ ａ — ａ ｔ ｓ
（ ．Ｃ ｌ ｇ ｆ ｏ ｕ ｅ ｎ ｏ １ ｏｌ ｅｏ ｍｐ ｔ ａ ｄ Ｃ ｍｍｕ ｉ ｔ ｎ Ｅ ｇｎ ｅ ｉ ，Ｕｎｖ ｒｉ ｆ ｃ ｎ ｅ ｎ ｃ ｎ ｌｇ ｅ ｉｇ ｅ Ｃ ｒ ｎｃ ｉ ｎ ｉｅ ｒ ｇ ａｏ ｎ ｉ ｓ ｙｏ ｉ ｃ ｄＴｅｈ ｏ ｙＢ ｉｎ ， ｅ ｔ Ｓ ｅ ａ ｏ ｊ
ቤተ መጻሕፍቲ ባይዱ
ｌ ｔ ｎ ｈ ｐ ｅ ｐ ｅ ｓｏ ａ ｉ ｓ ｉ ｘ ｒ ｓ ｉｎ，ｂ ｔｉ ｅ ｉｎ ｅ ｏ ｘ ｅ ｔｅ ｐ ｒｅ ｃ ｎ ｎ ｗｌ ｄ ｅ１ ｔ ｓ ａ ｐ ｉ ｔ ｎ ｉ ｈ ｏ ｐ ｅ ｙ ａ ｉ ｓ ｓ ｅ ｏ ｕ ｔ ｒ ｌ ｃ ｎ ｅ ｐ ｒ ｘ ｅ ｉｎ ｅ ａ ｄ ｋ ｏ ｅ ｇ ｉ ｓ ｉ ｐ ｌ ａ ｉ ｎ ｔ ｅ ｃ ｍ ｌ ｘ ｄ ｎ ｍ ｃ ｙ ｔ ｍ． ｓ ａ ｍｉ ｔ ｃ ｏ Ｂ ｓ ｄ ｏ ｈ ｓ ｒ ｇ ｅ ｓｖ ｔａ ｅ ｙ ｆ ｚ ｙ ｃ ｇ ｉｉｅｍａ ｓｌ ａ ｎ ｎ ｔ ｏ ｒ ｐ ｓ ｄ ａ ｅ ｎ ｔ ｉ ，ａｐ ｏ ｒ ｓ ｉ ｅｓ ｒ ｔｇ ｕ ｚ ｏ ｎ ｔ ｐ ｅ ｒ ｉｇ ｍｅ ｈ ｄ ｉ ｐ ｏ ｏ ｅ ．Ｆｉｓ ，ｌ ｅ ｒｒ ｇ ｅ ｓｏ ｌｏ ｉｈ ｉ ｕ ｅ ｖ ｓ ｒ ｔ ｉ ａ ｅ ｒ ｓ ｉｎ ａｇ ｒ ｍ ｓ ｄ ｎ ｔ ｓ
Ｐ ｏ ｒ ｓ ｉ ｅ ｍｅ ｓ ｒ ａ ｅ ｕ ｚ ｏ ｎ ｔ ｅｍ ａ ｎ ｔ ｐ ｌ ａ ｉｎ ｒ ｇ ｅ ｓｖ ａ ｕ ｅ ｂ ｓ ｄ ｆ ｚ ｙ ｃ ｇ ｉｉ ｐ ａ ｄ ｉｓ ａ ｐ ｉ ｔｏ ｖ ｃ
Ｍ Ａ ｎ ”，ＹＡＮＧ ｎ －ｕ ，ＱＩ Ｚｈ ｎ — ｉｎ 。 Ｎａ Ｂｉｇ ｒ ｕ ｅ ｇ ｑａ ｇ ，ＹＩＬｕ １ 一ｕ
Ａｂ ｔ ａ ｔ Ｆｕ ｚ ｏ ｎ ｔ ｅｍａ ａ ｅ ｎ ｒ ｃ ｉ ｅ ｘ ｅ ｓｖ ｔｅ ｔ ｎ ｕ ｓ ｓ ｓｒ ｃ ： ｚ ｙ ｃ ｇ ｉ ｖ ｐ ｈ ｓｂ ｅ ｅ ｅｖ ｄｅ ｔ ｎ ｉ ｅａ ｔ ｎ ｉ ｓｄ ｅｔ ｉ ｉ ｌ ｅ ｓ ｎ ｎ ｃ ａ ｉｍ ｎ ｔｏ ｇ ｃ ｕ ａ ｒ — ｉ ｏ ｏ ｔ ｍｐ ｅ ｒ ａ ｏ ｉ ｇ ｍｅ ｈ ｎ ｓ ａ ｄ ｓｒ ｎ ａ ｓ １ ｅ
（．北京科技 大学 计 算机 与通信 工程 学 院 ，北 京 １０８ ； １ ０ ０３ ２ ．北京 联合 大 学 信 息 学院 ，北 京 １００ ） ０１ １
摘 要 ：模糊认知 图 （ｕｚ ｏ ｎｔ ｅ ｐ Ｃ ｆｚｙｃｇ ｉｖ ｍａ ，Ｆ Ｍ）具有 简单的推 理机 制和较强的因果关 系表 达能力， 已得到广泛 关注和研 ｉ 究，但 Ｆ Ｍ 对专 家经验知识具有较 强的依 赖性 ，故 而限制 了在 复杂动 态 系统建模 中的应 用。基 于此 ，提 出 了一种测度 递 Ｃ 进 策略 的模糊认知 图学习方法。利 用线性 回归算 法，学习得到模糊认知 图权重矩 阵粗模型 ；将神 经网络的权值调整 算法应
ｐ ｉｄ ｔ ｈ ｅ ｉｅ ｎ ｒ ｃ ｓ ｆｔ ｅ ｃ ａ ｓ ｉｈ ａ ｒｘ ｍｏ ｅ ．Ｆｉ ａｌ ，ｔ ｉ ｍｏ ｅ ｓ ｕ ｅ ｎ ｆ ｒ ｃ ｓｉ ｇ ｔ ｅ ｄ ｉ ｖ ｒ ｇ ｌ ｏ ｔ ｅ ｒ ｆｎ ｍｅ ｔｐ ｏ ｅ ｓ ｏ ｈ ｏ ｒ ｅ ｗｅｇ ｔｍ ｔｉ ｄ １ ｅ ｎｌ ｙ ｈｓ ｄ ｌｉ ｓ ｄ ｉ ｏ ｅ ａ ｔｎ ｈ ａｌ ａ ｅ ａ ｅ ｙ ｐ ｉｅ ｉ ｈ ｔ ｃ ａ ｋ ｔ Ｅｘ ｅ ｉ ｎ ｓ ｓ ｏ ｔ ａ ｈ ｓｍｏ ｅｉ ｇ ａ ｐ ｏ ｃ ｆｅ ｔ ｅ ｒ ｎ ｔ ｅ ｓ ｏ ｋ ｍ ｒ ｅ． ｃ ｐｒ ｍｅ ｔ ｈ ｗ ｈ ｔｔ ｉ ｄ ｌ ｐ ｒ ａ ｈ ｉ ｅ ｆ ｃｉ ． ｎ ｓ ｖ
２ １ 年 ５月 ０２ 第 ３卷 第 ５ ３ 期
计 算机 工程 与 设 计
Ｃ ＯＭ Ｐ ＵＴＥＲ ＥＮＧＩ ＥＲＩ ＮＥ ＮＧ ＡＮＤ ＤＥＳ ＧＮ Ｉ
Ｍ ａ Ｏ１ ｙ２ ２
Ｖｏ ． ３ Ｎｏ ５ １３ ．
基 于测 度 递 进 的 模糊 认 知 图及 其 应 用
马 楠 ，杨炳儒 一 ，邱正强。 ，易璐璐 。
Ｂ ｉｎ ００ ３ Ｃ ｉａ ２ ｏｌ ｅ ｆ ｎｏｍａｉ ｃｎ ｌｇ ， ｅ ｉ ｉ ｉｅｓ ｙ ｅ ｉｇ１ ０ ０ ， ｈｎ ） ｅ ｉｇ１ ０ ８ ， ｈｎ ； ．Ｃ ｌ ｇ ｆｒ ｔ ｎＴｅｈ ｏｏ ｙ Ｂ ｉｎ Ｕｎｏ Ｕｎｖｒｉ ，Ｂ ｉｎ ０ １ １ Ｃ ｉａ ｊ ｅ ｏＩ ｏ ｊｇ ｎ ｔ ｊ
用 于权 重矩 阵粗 模 型 的 细化 过 程 ，将 该 模 糊 认 知 图模 型 应 用在 股 票 市场 ， 实现 对 股 票 日均 值 的 预 测 。 实验 结 果 表 明 了该 建
模 方式是有效的。 关 键 词 ：模 糊认 知 图 ；推 理机 制 ；测度 递进 ；股 票 ；预 测
中图法分类号 ：Ｔ １ 文献标识 号 ：Ａ 文章编号 ：１０ —０４ （０ ２ ５１５ —５ Ｐ８ ０ ０７ ２ ２ １ ）０—９ ８０