基于B样条基函数逼近的模糊推理系统内核研究

摘要

在诸如人工智能、机器学习、模式识别和数据挖掘等许多研究领域，智能系统中的知识，既有规律性的一般原理，又有大量的不完全的专家经验知识，这样的知识不可避免地带有随机性、不可靠、模糊性等不确定因素，因此必须处理具有不确定性的问题，来得到对某一命题的正确判断，不确定性问题也一直成为人们关注和研究的焦点。为了把带有各种不确定性的知识表示在智能系统中，并运用它们来进行判断、推理和决策，不仅需要研究不确定性的知识的表示方法，还要探讨在各种不确定性状态下的推理方法，即研究不确定性推理。
　　 本文简述了不确定性推理的发展背景、基本概念、研究领域和进展，对推理算法进行了分析，主要内容如下：
　　 (1)对证据的不确定性以及确定性的传播算法进行了研究，在推理过程采用了分层知识表示方式，体现了专家分析和解决问题的思想，并在此知识结构基础上，阐述了基本的推理机制。
　　 (2)在模糊推理中，隶属函数是模糊推理的基石，其形式也是多样的，分析了只针对特定隶属函数的推理方法，在构造系统应用时具有的局限性，不利于推理机系统的设计和扩展。
　　 (3)利用B样条基函数的性质，对隶属函数进行逼近，在设计中只需实现对基函数的运算和设计，使系统有较好的可扩展性和实用性。实验验证通过结合隶属函数的曲率等信息选取调整特征点，可以实现逼近误差的控制，从而使整个推理方法的精度也达到可控。

目录

文摘

英文文摘

论文说明:图表目录

声明

致谢

第一章 绪论

1.1引言

1.2历史与研究现状

1.3研究背景与主要研究内容

1.4本文论文结构

第二章 不确定性推理概述

2.1可信度推理

2.2贝叶斯推理

2.3 D-S推理

2.4模糊推理

2.4.1模糊集合

2.4.2模糊推理基础知识

2.4.3模糊推理内容

2.5本章小结

第三章 基于可信度的不确定推理模型设计

3.1产生式规则知识表示

3.1.1规则的可信度

3.1.2产生式表示法

3.1.3规则提取

3.2不确定性的传播

3.2.1不确定性传播算法

3.2.2关联证据的确定因子

3.3推理机制

3.3.1推理过程

3.3.2冲突消解策略

3.4不确定性推理在决策分析系统中的应用

3.4.1系统介绍

3.4.2知识表示结构

3.4.3基本推理思想

3.5本章小结

第四章 基于B样条基函数的定精度模糊推理方法

4.1基函数与隶属函数

4.1.1 B样条知识

4.1.2 NURBS曲线表示

4.1.3隶属函数的基函数表示

4.2基于B样条模糊推理方法

4.2.1模糊推理基本算法

4.2.2离散隶属函数

4.2.3连续隶属函数

4.3精度控制策略

4.3.1特征点选择

4.3.2误差评判

4.3.3精度控制

4.4实例验证

4.5本章小结

第五章 总结与展望

5.1总结

5.2 展望

参考文献

攻读硕士学位期间完成的论文及参与的科研项目