
- •Оглавление
- •Глава 1. Нечеткость как вид неопределенности
- •1.2. Меры неопределенности суждений
- •Глава 2. Основы теории нечетких множеств
- •2.1. Понятие нечеткого множества
- •2.2. Теоретико-множественные операции над нечеткими множествами
- •2.3. Нечеткие отношения и отображения на нечетких множествах
- •2.4. Меры сходства и различия нечетких категорий
- •Алгоритм решения задачи нечеткой кластеризации методом нечетких -средних. Основные идеи алгоритма для решения сформулированной задачи нечеткой кластеризации были предложены д. К. Данном.
- •2.5. Четкость и нечеткость
- •2.6. Нечеткая и лингвистическая переменные
- •Глава 3. Методы построения функции принадлежности
- •3.1. Содержание функции принадлежности
- •3.2. Построение функции принадлежности нечеткого множества и оценка его вероятностных характеристик
- •3.3. Прямые методы построения функции принадлежности
- •3.4. Косвенные методы построения функции принадлежности
- •3.5. Метод построения функции принадлежности лингвистических термов с использованием статистических данных
- •3.7. Представление нечеткой и лингвистической переменных в эвм
- •Контрольные вопросы
- •4. Основы нечеткой логики
- •4.1. Многозначная логика
- •4.2. Нечеткозначная логика
- •Получим
- •4.3. Системы нечеткого вывода
- •Формирование базы правил систем нечеткого вывода.
- •Фаззификация
- •Агрегирование
- •Активизация
- •Аккумуляция
- •Дефаззификация
- •Заключение
- •Библиографический список
- •“Основы теории нечеткости” учебное пособие
- •153003 Иваново, Рабфаковская, 34
Библиографический список
Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир. 1976.
Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений //Математика сегодня. – М.: Знание, 1974.
Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. /Под ред. Р.Р. Ягера. – М.: Радио и связь, 1986..
Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике: Пер. с фр. – М.: Радио и связь. 1990..
Кофман А. Введение в теорию нечетких множеств. – М.: Радио и связь. 1982. .
Модели принятия решений на основе лингвистической переменной /А.Н. Борисов, А.В. Алексеев, О.А. Крумборг и др. – Рига: Зинатне, 1982.
Обработка нечеткой информации в системах принятия решений /А.Н. Борисов, А.В. Алексеев, Г.В. Меркурьева и др. – М.: Радио и связь, 1989.
Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д.А. Поспелова. – М.: Наука. 1986.
Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуациионные советующие системы с нечеткой логикой. – М.: Наука. 1990. .
Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. – М.: Наука. 1981.
Кузьмин В.Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений. – М.: Наука. 1982.
Белов А.А. Представление нечеткой информации в ЭВМ при моделировании сложных систем. – Тез. докл. П Респ. электр. науч. конф. «Современные проблемы информации». – Воронеж: Изд-во ВГУ. 1997.
Шемакин Ю.И., Романов А.А. Компьютерная семантика. – М.: НОЦ «Школа Китайгородской». 1995.
Системы поддержки в теории и практике оценки управленческих решений /А.И. Афоничкин, Л.А. Матвеев, Н.П. Макаркин, Ю.В. Сажин. – Саранск: Изд-во Мордов. ун-та, 1995..
Нечеткие модели для экспертных систем в САПР /Н.Г. Малышев, Л.С. Бранштейн и др. – М.: Энергоатомиздат, 1991.
Севастьянов П.В., Туманов Н.В. Многокритериальная идентификация и оптимизация технологических процессов. – Мн.: Навука i тэхнiка, 1990.
“Основы теории нечеткости” учебное пособие
-
Составители:
Белов Александр Аркадьевич;
Гвоздева Татьяна Вадимовна
Редактор
Лицензия ИД №05285 от 4 июля 2001 г.
Подписано в печать Формат 60х84 1/16
Печать плоская. Уч.изд. Усл. печ. л 7,44 Тираж 500 экз. Заказ
ГОУ ВПО «Ивановский государственный энергетический университет имени В.И. Ленина»
153003 Иваново, Рабфаковская, 34
11Аксиома Р(S)=1, где S – поле событий.
2 Если взять вектор Х = х1, ...,xnТ , то после преобразования вектора Х с помощью матрицы W получится вектор Y = XW, параллельный вектору Х, или иначе Y = Х, где - число, называемое собственным значением; Х - собственный вектор матрицы W. Тогда WX = X.