二型模糊系統(tǒng)理論及應(yīng)用.pdf

1、作為對(duì)傳統(tǒng)模糊集合（一型模糊集合）理論的擴(kuò)展，1975年Zadeh教授引入了二型模糊集合的概念。二型模糊集合最大的特點(diǎn)就是采用了三維的隸屬度函數(shù)，使其集合元素的隸屬度本身成為一個(gè)[0,1]間的模糊數(shù)。因此二型模糊集合理論更適用于存在多重不確定性的情況，例如：隸屬度函數(shù)自身的形狀或參數(shù)存在不確定性。一型模糊集合理論是傳統(tǒng)集合理論的擴(kuò)展，當(dāng)一個(gè)元素不能完全屬于或完全不屬于某個(gè)集合時(shí)（即其屬于某個(gè)集合的“程度”介于0與1之間時(shí)）我們選擇一型模

2、糊集合。進(jìn)一步的，當(dāng)一個(gè)元素屬于某個(gè)集合的“程度”也不確定時(shí)（即該元素屬于某個(gè)集合的隸屬度值也不確定時(shí)），我們就可以選擇二型模糊集合。
　　模糊集合理論的應(yīng)用大部分都集中在模糊系統(tǒng)上。模糊系統(tǒng)是以模糊集合理論為基礎(chǔ)的一種基于知識(shí)或規(guī)則的系統(tǒng)，其核心是由IF-THEN規(guī)則組成的知識(shí)庫。二型模糊系統(tǒng)與傳統(tǒng)的一型模糊系統(tǒng)相類似，也是通過組合IF-THEN規(guī)則構(gòu)造而成。但因?yàn)槠淅碚摶A(chǔ)為二型模糊集合理論，所以二型模糊系統(tǒng)較一型模糊系統(tǒng)而言

3、，可以直接掌控更多的不確定性信息。由于二型模糊集合的運(yùn)算復(fù)雜度較高，目前大多數(shù)基于二型模糊集合理論的應(yīng)用都選擇采用區(qū)間二型模糊集合。本論文通過構(gòu)建區(qū)間二型模糊系統(tǒng)模型，著重研究了二型模糊系統(tǒng)理論在自動(dòng)化控制領(lǐng)域和模式識(shí)別領(lǐng)域的應(yīng)用。主要內(nèi)容為：
　　1．構(gòu)建了離散區(qū)間二型T-S模糊系統(tǒng)模型，采用并行分布式補(bǔ)償法設(shè)計(jì)出了針對(duì)該模型的模糊控制系統(tǒng)。利用李亞普諾夫方法，以線性矩陣不等式的形式給出了該系統(tǒng)穩(wěn)定工作的約束條件，并用數(shù)值仿真驗(yàn)

4、證了該約束條件的有效性。通過顛簸路面上自主平行泊車控制系統(tǒng)的應(yīng)用實(shí)例，詳細(xì)介紹了該離散二型T-S模糊控制系統(tǒng)的設(shè)計(jì)過程，驗(yàn)證了二型模糊系統(tǒng)在掌控多重不確定性信息方面的優(yōu)勢。
　　2．基于具有時(shí)延特性的連續(xù)區(qū)間二型T-S模糊系統(tǒng)模型，采用并行分布式補(bǔ)償法設(shè)計(jì)出相應(yīng)的模糊控制系統(tǒng)。利用李亞普諾夫方法，以線性矩陣不等式的形式給出了系統(tǒng)穩(wěn)定工作的約束條件，并用數(shù)值仿真驗(yàn)證了該控制系統(tǒng)的有效性。以連續(xù)攪拌槽反應(yīng)過程控制為例，詳細(xì)介紹了具有時(shí)

5、延特性的連續(xù)區(qū)間二型 T-S模糊控制系統(tǒng)的設(shè)計(jì)過程，并進(jìn)一步驗(yàn)證了二型模糊系統(tǒng)在掌控多重不確定信息方面較一型模糊系統(tǒng)所具有的優(yōu)勢。
　　3．針對(duì)中文自動(dòng)問題，提出了一種基于二型模糊C均值聚類算法的摘要自動(dòng)提取方案。該方案以中文句子為單位，通過計(jì)算中心句特征、標(biāo)題特征、高頻詞特征、首句特征、句子長度、句子位置、數(shù)量詞特征構(gòu)建特征向量，對(duì)文本內(nèi)容進(jìn)行聚類分析，找出文本內(nèi)容中的關(guān)鍵句來構(gòu)建摘要。最后通過與采用一型模糊 C均值算法的自動(dòng)摘

6、要結(jié)果相對(duì)比，驗(yàn)證了基于二型模糊集合的摘要算法比基于一型模糊集合的摘要算法獲得的摘要結(jié)果更準(zhǔn)確。
　　4．針對(duì)數(shù)字音頻信號(hào)分類問題，提出了基于二型模糊集合理論的C均值聚類算法，在此基礎(chǔ)上應(yīng)用跳躍基因遺傳算法對(duì)聚類得到的初始模糊模型進(jìn)行優(yōu)化，并采用向量相似性測度準(zhǔn)則對(duì)優(yōu)化后的模糊規(guī)則進(jìn)行簡化，得到最終的模糊分類器模型。通過實(shí)例仿真驗(yàn)證了采用二型模糊 C均值聚類算法的音頻信號(hào)分類器比采用一型模糊C均值聚類算法的分類器得到的分類結(jié)果更準(zhǔn)