基于模糊推理的属性值推断

论文摘要

模糊产生式规则用以描述模糊的或者不确定性的概念,是模糊推理中一种重要的工具。基于模糊产生式规则的模糊推理是一种常见的推理方法。在模糊产生式规则中引入阈值、置信度、局部权和整体权等一些知识表示参数后,对模糊性和不确定性的描述更加准确,并且使得推理结果更加合理。利用数据集的完整样例和经验知识,可以得到一个模糊规则集(即样例属性之间的相关关系),其中模糊规则的知识参数是数值表示的。在此模糊规则集上进行基于模糊规则矩阵变换的不精确推理方法,可以确定残缺样例的缺少属性值,新得到的完整样例可以参与训练或应用于对样例的综合评判中。研究表明,该不精确推理方法在处理上述的实际问题时是行之有效的,并且在不完全知识推理中也有着广泛的应用。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 课题的研究背景和意义
• 1.2 本文工作
• 第2章 预备知识
• 2.1 模糊集
• 2.2 模糊测度和交互作用
• 2.2.1 模糊测度
• 2.2.2 交互作用
• 2.2.3 模糊测度表示交互作用的能力
• 2.3 模糊积分
• 2.3.1 Sugeno模糊积分
• 2.3.2 Choquet模糊积分
• 2.3.3 Zhenyuan模糊积分
• 第3章 模糊推理系统
• 3.1 模糊推理
• 3.1.1 模糊命题
• 3.1.2 模糊知识的表示
• 3.1.3 模糊产生式规则中的知识表示参数
• 3.1.4 模糊推理的基本模式
• 3.2 扎德的CRI简单模糊推理
• 3.3 基于相似性度量的模糊推理
• 3.3.1 模糊匹配
• 3.3.2 基于相似性度量的模糊推理
• 3.4 基于交互作用的模糊推理方法
• 3.4.1 命题间存在交互作用的推理机制
• 3.4.2 规则间存在交互作用的推理机制
• 第4章 基于模糊推理的属性值推断
• 4.1 模糊规则矩阵
• 4.2 基于模糊规则矩阵的不精确推理算法
• 第5章 结论与展望
• 参考文献
• 致谢