基于模糊模型专家系统推理方法

《基于模糊模型专家系统推理方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、⑦指论文评阅人1：评阅人2：评阅人3：评阅人4：评阅人5：答辩委员会主席：委员1：委员2：委员3：委员4：委员5：匿名Author’Ssignature：堑型㈣一‘■‘Supervisor’Sslgnature：ExternalReviewers：』垫Q垫Y塑i!Y△坠Q塾Y堡i!Y△堕Q旦Y堡i!YProfBaoLiweiExaminingCommitteeChairperson：ProfBaoLiweiExaminingCommitteeMembers：△墨墨Q鱼：里!Q￡圣hQ坠Li鱼堕g△墨墨Q鱼

2、：￡!Q￡兰h垦里gH坠iDateoforaldefence：12‘hMarch．2013浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得浙江大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：赵剥签字日期：为l专年弓月，吾日学位论文版权使用授权书本学位论文作者完全

3、了解浙江大学有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江大学可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书学位论文作者签名：越剖签字日期：^佶年弓月哆日致谢光阴似箭，近三年的研究生生涯即将结束，我也即将奔赴新的工作岗位。在此之际，我谨向在近三年的学习和生活中帮助过我指导过我的老师、同学、朋友以及家人表示深深地感谢。首先，我非常感谢我敬爱的导师梁军教授。梁老师

4、在学术上有着开阔的眼界和渊博的知识，他严谨求是的科学作风，缜密高效的思维方式都深深的影响了我。从研究课题的选取到具体的研究工作，梁老师都曾给与我极大的启发和帮助，使我受益匪浅。梁老师严谨踏实的学术作风和平易近人的生活作风是我永远的学习榜样，在即将离开学校之际，我向我的恩师表示最衷心的感谢和最诚挚的祝福。其次，我要感谢407实验室的兄弟姐妹们创造的良好而又和谐的科研环境和学术氛围。感谢叶鲁彬、费正顺、石向荣、段斌、张伟杰、赵瞿、金鑫师兄，吕燕、杨敏师姐在科研上给我的帮助和指导；特别感谢同一届的潘衍、池清华、

5、李浩在学习和生活中的帮助，让我学到了很多也收获了很多。感谢师弟钱明辉、谭海龙和师妹刘康玲的陪伴和关心，你们给我带来了很多欢声笑语。感谢同届好友周秀军、陆静苹、嵇婷、梁舒洁等同学对我的鼓励和帮助，和你们在一起度过了愉快的研究生生活，你们给我的关心和帮助我会永远铭记于心。感谢我的父母对我的悉心教导和无私奉献，这么多年一直为我默默付出支撑我的学业，我的成果离不开你们对我的支持。感谢哥哥嫂嫂对我学业的支持和鼓励。感谢所有帮助过我的老师、朋友和同学以及家人。谨以此文献给我敬爱的父母。赵利2013年2月日于求是园浙江

6、大学硕士学位论文摘要人工智能的日益发展极大的促进了专家系统技术的发展，专家系统可以运用领域专家积累的经验和专门知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。由于实际问题中常存在着不确定性问题，传统的专家系统难以建立较为准确的推理机制。本文着重研究了专家系统中的推理方法，在基于规则的推理机制的基础上引入模糊集合论以及神经网络方法，一型模糊集合本身存在描述模糊不确定性方面的缺陷，提出采用二型模糊集合论来弥补这一缺陷，另外由于神经网络的自学习机制以及强大的数据处理能力，将二型模糊集合论与神经网络

7、结合作为专家系统的推理机制，以提高系统的在线自学习能力。本文的主要研究工作包括以下几个方面：1)针对实际系统中包含的不确定问题，提出了基于GA．FNN的专家系统推理方法。首先将模糊理论和神经网络的知识结合起来建立FNN结构，然后将训练获得的网络权值、闽值构建成专家系统知识库，并采用遗传GA算法优化网络权值、阈值，最后在建立的知识库的基础上，以输入模糊值与输出模糊值之间的神经网络结构作为专家系统的推理模型。该推理结构具备并行联想功能，同时具备较高的准确度和很快的收敛速度。2)针对一型模糊集合在描述隶属函数的

8、不确定性时存在的缺陷，提出了基于二型模糊集合的推理模型。首先采用模糊C均值方法自动提取规则，推理采用基于Mamdani模型的方法，对于得到的模糊推理结果采用一型重心解模糊法进而得到精确输出。仿真结果表明基于Type．2型模糊推理方法通过模糊化隶属函数得到其对应的模糊区间表示，相比于Type．1型模糊推理方法最终能够得到更为准确的推理结果。3)针对动态时变系统，提出了基于Type．2型模糊神经网络推理模型。该模型综合了Type．