《模糊工程》求取 ⇩

目录3

第一部分 引言3

第1章 模糊逻辑和模糊工程概述3

1.1由于不分明性所导致的模糊性：凡事均有一个程度3

1.2不分明逻辑史5

1.3模糊集和系统8

1.4商品化产品中的模糊系统11

1.5适应性模糊系统和更优规则的研究13

1.6模糊逻辑、集合理论和系统的综述14

参考文献19

习题20

第二部分 模糊函数逼近31

第2章 可加性模糊系统概述31

2.1用模糊覆盖进行函数逼近31

2.2维数灾难：规则爆炸与规则的优化34

2.3可加性模糊系统：标准可加性模型36

2.4标准可加性模型中的集合函数41

2.5“重心”方法作为一个常数容量SAM系统45

2.6一般化的SAM和TSK模型：非线性系统的凸和49

2.7作为集合映射与校正器的推广SAM：集合SAM53

2.8组合模糊系统：专家反应的凸和56

2.9模糊系统作为条件期望：概率联络60

2.10用可加性模糊系统逼近函数67

2.11用SAM进行函数表达71

2.12SAM中的学习：无监督聚类和有监督的梯度下降73

2.13优化可加性系统：用补块覆盖凸起78

2.14反馈式SAM与模糊认知图84

参考文献93

习题95

第3章 椭圆模糊系统概述104

3.1椭圆规则学习104

3.2可加性模糊系统105

3.3椭圆模糊规则107

3.3.1作为模糊规则块的椭圆107

3.3.2加权椭圆规则109

3.4.2模糊规则学习113

3.4无监督的协方差椭圆估计113

3.4.1无监督竞争学习113

3.4.3直方图密度估计116

3.5模糊规则块的有监督学习118

3.5.1梯度下降算法118

3.5.2有监督函数逼近120

3.6混合系统：无监督然后有监督椭圆学习122

3.7最优函数逼近124

3.8结论126

参考文献127

附录3A：无监督竞争性学习128

习题130

软件习题131

第三部分 模糊控制和混沌135

第4章 智能汽车队列的模糊控制概述135

4.1智能汽车队列135

4.2模糊油门控制器137

4.2.1队列的维持137

4.2.2对队列的操作141

4.3刹车控制器142

4.4FTC仿真结果145

4.4.1汽车模型145

4.4.2刹车模型146

4.4.3模糊控制器仿真结果147

4.5混合椭圆函数的学习149

4.6控制面的学习150

4.7.1纵向汽车模型152

4.7车距控制实验152

4.7.2仿真结果153

4.7.3实验结果154

4.7.4与油门和刹车配合工作的车距控制器157

4.8结论160

参考文献160

习题161

第5章 模糊混沌和循环划分概述164

5.1作为规则覆盖的模糊系统：逼近混沌164

5.2.1模糊系统结构165

5.2模糊系统设计165

5.2.2适应性模糊规则结构166

5.2.2.1划分标准166

5.2.2.2乘积空间的循环划分167

5.2.2.3定义模糊规则块168

5.2.2.4适用于新的样本数据169

5.2.2.5模糊系统的微调169

5.2.3固定参数171

5.2.4算法的性质171

5.2.4.1基于局部信息的划分标准171

5.2.4.2寻优的方向172

5.3逼近函数173

5.3.12维曲线的逼近173

5.3.23维平面逼近176

5.4逼近动力系统和混沌184

5.4.1作为函数联合的动力系统184

5.4.3VanderPol振荡器186

5.4.2混沌的特殊性质186

5.4.4Lorenz和Rossler吸引子188

5.5结论190

参考文献190

习题191

第四部分 模糊信号处理197

第6章 对脉冲噪声的模糊滤波器概述197

6.1对脉冲噪声的过滤197

6.2α稳定的噪声：协变与协方差198

6.2.1α稳定分布和特性199

6.2.2协变和伪协变200

6.3可加性模糊系统201

6.3.1可加性模糊系统201

6.3.2协变规则和Mahalanobis集：乘积空间聚类和投影202

6.4用协变规则进行的模糊预测205

6.5使用协变规则的模糊滤波器207

6.6结论214

参考文献214

附录6.A：局部均值和协变的竞争性AVQ算法214

习题215

第7章 模糊分频段图像编码概述218

7.1时间—频率场的拼贴结构218

7.2分频段图像编码220

7.2.12维子带滤波220

7.2.2二次型映射滤波221

7.2.3矢量量化的图像的完全分解SBC223

7.3子带编码的模糊虚拟拼贴225

7.3.1可加性模糊系统225

7.3.2模糊虚拟拼贴226

7.4仿真结果234

7.5结论236

参考文献237

习题238

第五部分 模糊通讯243

第8章 用于扩谱的自适应模糊频率跳变系统概述243

8.1频率跳变扩谱243

8.2模糊伪随机数发生器244

8.2.1模糊系统的输入244

8.2.2模糊规则246

8.2.3自适应规则的产生247

8.2.4合成输出模糊集248

8.2.5非模糊化248

8.3模糊系统的函数描述251

8.3.1作为条件概率密度的输出模糊集251

8.3.2形心式非模糊化252

8.4仿真结果252

8.5.2系统比较254

8.5.1仿真结果254

8.5与具有线性反馈功能的移位寄存器进行比较的结果254

8.6结论255

参考文献256

附录8.A：将形心作为频率跳变SAM（标准可加性模型）的条件均值的推导过程习题257

第9章 脉冲噪声中的模糊信号检测法概述259

9.1对噪声中信号的模糊检测259

9.2信号源模型260

9.3标量信道模型261

9.4模糊检测器262

9.4.1自反模糊规则和关联模糊规则263

9.4.2如果部分模糊集264

9.4.3模糊立方体中的噪声检测265

9.4.4条件密度的计算266

9.4.5模糊集的清晰度267

9.4.6合成可加性输出模糊集：合成通过量269

9.4.7范数的非模糊化和检测270

9.5仿真结果270

参考文献275

9.6结论275

附录9.A：模糊集的函数和几何观点276

附录9：B：模糊度和清晰度的测量276

习题277

第六部分 模糊硬件281

第10章 自适应VLSI可加性模糊系统281

概述：硅片中的SAMs281

10.1针对模糊系统的VLSI281

10.1.1用电子技术实现的函数逼近281

10.1.3评估工具：时间／面积乘积283

10.1.2规则爆炸283

10.2SAM结构和VLSI284

10.2.1标量如果部分集函数284

10.2.1.1高斯集函数285

10.2.1.2柯西集函数286

10.2.1.3指数集函数286

10.3集合SAMs和二阶统计287

10.3.1集合SAMs287

10.3.2条件方差289

10.4.2.1高斯集合学习290

10.4.2.2柯西集合学习290

10.4自适应数字式SAM290

10.4.2SAM有监督学习算法290

10.4.1自适应过程的参数290

10.4.2.3指数集合学习291

10.4.2.4则部分集学习291

10.4.3学习速率291

10.5.2.2估算阶段292

10.5.2.1数字表示法292

10.5.1功能要求292

10.5.2算法292

10.5自适应SAMVLSI292

10.5.2.3更新阶段293

10.5.3硅片结构294

10.6ASAM芯片295

10.6.1数据通道结构295

10.6.2控制结构296

10.7.1估算任务298

10.7ASAM操作298

10.7.2更新任务299

10.7.3执行300

10.8结论300

参考文献301

习题301

第11章 光学可加性模糊系统概述：光学SAM304

11.1模糊规则计算：时间中的电子学与空间中的光学304

11.2并行模糊集函数光学处理器304

11.3扫描激光二极管模糊系统处理器308

11.4DSTOP模糊系统处理器310

11.5光电模糊系统处理：现在与将来312

参考文献312

习题313

第七部分 在模糊立方体中的计算317

第12章 模糊立方体和模糊互熵317

概述317

12.1第一定理：相加而得模糊互熵317

12.2作为超立方体中点的模糊集：子集度318

12.3模糊度和熵321

12.4模糊互熵323

12.5证明：实空间和模糊立方体之间的可微映射324

12.6信息场：来自模糊互熵的香农熵325

12.7模糊信息的场方程：它来自比特327

12.8结论331

参考文献332

习题332

13.1径向基标准可加性模型的适应性子集度336

第13章 径向基模糊系统的适应性子集度336

概述336

13.2互子集度测度：模糊相等度337

13.3钟形和三角形集合函数的互子集度340

13.4采用径向基网络的适应性子集度神经模糊控制344

13.4.1适应性子集度控制器344

13.4.2采用适应性子集度的在线学习法346

13.5测验例子：模糊汽车352

13.6结论357

附录13.A357

参考文献360

习题361

第八部分 模糊立方体中的反馈365

第14章 模糊自适应共振理论365

概述365

14.1.4基于误差的学习366

14.1.3波音神经元信息检索系统366

14.1.2基于匹配的学习与静态编码366

14.1.1什么时候狗不是狗？366

14.1基于匹配的学习和基于误差的学习366

14.2ART与模糊立方体368

14.3ART动态特性368

14.4模糊ART371

14.4.1快速学习缓慢重编码和补充编码选择372

14.5模糊ARTMAP372

14.6.1模糊ART场活动矢量374

14.6模糊ART算法374

14.6.2权重矢量375

14.6.3参数375

14.6.4类别选择375

14.6.5共振或重组375

14.6.6学习376

14.6.7快速提高和缓慢重编码376

14.6.8由补充编码进行的归一化376

14.6.10对模糊ARTMAP，NGE和FMMC的一个比较379

14.7模糊ARTMAP算法379

14.6.9模糊ART稳定类别学习379

14.7.1ARTa和ARTb380

14.7.2映射场活动性380

14.7.3匹配追踪380

14.7.4映射场学习381

14.8模糊ARTMAR仿真：正方形中的圆381

14.9ART的应用385

参考文献386

习题389

第15章 用模糊认知图虚拟世界392

概述392

15.1模糊虚拟世界392

15.2模糊认知图394

15.2.1简单FCMs395

15.2.2FCM检索397

15.2.3增强的FCM398

15.2.4嵌套的FCMs399

15.3虚拟海底世界401

15.3.1增强的虚拟世界403

15.3.2对于鱼群的嵌套FCMs406

15.4自适应模糊认识图409

15.5结论413

参考文献414

习题415

附录：怎样使用模糊软件417

A.1模糊函数逼近软件417

A.1.2Windows版本的说明书418

A.1.1MS-DOS版本的说明书418

A.2模糊认知图软件419

A.2.1屏幕显示419

A.2.2双极与二值概念值419

A.2.3因果边联系强度419

A.2.4概念结点值420

A.2.5使用模糊认知图420

A.2.6File和Help菜单命令420

原作者简介422

译者简介423