模糊

2024-06-06

模糊（共14篇）

篇1：模糊

模糊与精确-模糊语义不再模糊之成因探析

随着模糊语义研究领域的不断拓宽,我们注意到一些语义孤立地看是模糊的,可是进入组合以后,语义却变得精确了,本文拟从语义场的不同、语言符号的离散性与客观事物的连续性之间的矛盾、语境的.作用、人的主观认知的影响、组合前后音节改变的影响这几方面对其成因加以探讨,以期进一步认识模糊语义的本质属性.

作者：杨晓敏李泽昊 YANG Xiao-min LI Ze-hao 作者单位：杨晓敏,YANG Xiao-min(吉林师范大学,文学院,吉林,四平,136000)

李泽昊,LI Ze-hao(南开大学,历史学院,天津,300071)

刊名：吉林师范大学学报(人文社会科学版)英文刊名：JOURNAL OF JILIN NORMAL UNIVERSITY(HUMANITIES AND SOCIAL SCIENCES EDITION)年，卷(期)：36(2)分类号：H139关键词：模糊性语义离散性成因探析

篇2：模糊

模糊语言的语用模糊性分析

模糊语言是一种言语交际现象,在一定语境中具有语用模糊性.语用模糊性表现为言语相对模糊,是言语本意与特定语境相结合的产物,它体现在“模糊”与“非模糊”的分界上,同时还表现为模糊的程度差异.

作者：周树江 ZHOU Shu-jiang 作者单位：山东工商学院,大学外语教学部,山东,烟台264005刊名：通化师范学院学报英文刊名：JOURNAL OF TONGHUA NORMAL UNIVERSITY年，卷(期)：200829(6)分类号：H313关键词：模糊模糊语言相对性语用模糊性

篇3：浅析语义模糊与语用模糊

一、语义模糊产生的根源

语义模糊产生的根源, 学术界主要有三种观点: (1) 事物本身的模糊性导致了语言符号的模糊性; (2) 人类认知世界的局限性造成了语义模糊; (3 ) 模糊性是语言符号的本质属性。下面就以上三种观点作进一步论述。

1.事物本身的模糊性产生的语义模糊。辩证唯物主义认为, 世界是普遍联系不断发展变化的整体。客观世界呈现的是一个千变万化, 纷繁复杂的整体, 反映在人脑中就形成了思维和认识的模糊性。所以模糊性根植于事物普遍联系和发展变化这一根本属性。例如我们不能准确地确定世界上万事万物的颜色, 因为颜色从一种到另外一种的过渡是连续的而不是界限分明的。所以我们在语言符号中只能概括颜色的基本类型。

2.人类认知世界的局限性导致语义模糊。客观世界不断变化发展的事实和人类认识能力的局限性导致人类只能在实践的基础上不断深入对客观存在的了解。事物的发展是无穷尽的, 造成了人类的认识也是永不停止的。人类对事物的认识是从模糊到精确, 由浅显到深入, 由表面到本质不断深化的过程。因此, 我们语言符号中就出现了语言的模糊性。即人们对客观事物还不能全面了解时, 给事物命名就只能体现对这一事物某一方面的认识。如“鲸鱼”、“鳄鱼”本不是鱼, 可由于人们当时对它们认识的局限造成了语义的模糊性。

3.语义模糊性是语言的本质特征。波兰语义学家沙夫 (L.A. Schaff) 指出:“交际需要词语的模糊性, 如果通过约定的方法完全消除了模糊性, 会使交际变得贫乏, 从而使语言的交际和表达作用受到限制, 结果摧毁了语言的目的, 交际就很难进行。” (1979:355) 例如, 问路的时候, 人们往往希望得到的是大致的回答, 如向左走, 往右拐, 向前走等。恐怕很少人希望对方通过精确的语言来描述路线, 这样反而使会更加迷糊, 从而导致交际失败。即使是确切的数字在特定的语境中也会产生模糊语义。例如“飞流直下三千尺”, 虽然“三千”是明确的数字, 但是没有人会真的认为瀑布就是三千尺。再例如何自然在1990年《浅论语用含糊》一文中提及到了“额”与“脸”的论述。额是否包含在脸的范围内人们还没有统一明确的界定, 当然对交际而言, 这种区分往往是不必要的。

二、语用模糊产生的根源

与语义模糊不同, 语用模糊通常发生在话语交际层面。语用模糊的产生通常由以下因素造成。

1.语境根源。语境这一术语在语用学中至关重要, 一般情况下, 语用模糊的产生和消除都离不开特定的语境。由于语用过程的动态发展过程, 即使没有任何语义模糊的句子在特定语境下也可能会产生不同的语用模糊。例如“今天天气真冷。”在语义学上它是没有任何模糊性的。但是从语用学角度, 它可以表示的言外之力根据语境的不同可以含有“命令”, “请求”, “抱怨”等。

2.交际需要根源。在实际生活当中, 交际用语与理想的语言是相差甚远的。在日常生活中, 如果只理解话语的字面意思是不够的, 那样会让自己和别人陷入麻烦。因此语用模糊的产生是在交际需要下产生的。如果让语言永远停留在它的表面意思, 那么也就不需要讲究礼貌, 面子之类的东西了。

三、区分二者的方法

1.语境相关性。语义学与语用学相互区别的一个关键因素是语境。语义学是抛开语境来研究语言与客观世界以及语言内部结构的关系。语用学是把语言放在特定的语境中去研究。一般情况下, 语义模糊的产生是由于词语所固有的意义模糊造成的。它的产生和消除是不依赖语境的。例如:裙子是红色的。这里对“红色”的理解每个人头脑中都会有不同的图像。因为“红色”是一个范围模糊的词语。这种模糊不以语境的的不同得以消除。又比如在钱钟书先生的围城中, 有这样典型的语用模糊的桥段:在方鸿渐与孙柔嘉的订婚酒席上, 有人提议他们报告恋爱经历, 他们当然不肯, 这时李梅亭借酒蒙脸说要替他们报告, 这时方鸿渐警戒地望着他说:“李先生, 倷是好人。”方鸿渐这一句在常人看来是夸赞李梅亭的赞美之词点醒了李梅亭, 使对方马上明白了这是方鸿渐拿自己丢人的事情在警告和威胁自己。这句话是苏州一位寡妇对李说的话, 这也成了李梅亭在方鸿渐手里的把柄。其言外之意是:你若把我的事情公布于众人, 我就会把你的好事全给抖出来。再看一例:一男生向自己喜欢的女生表白:“你可以做我女朋友么?”女方:“你是个好人。”与上例一样, 这里虽然也是一句赞美的话, 但是出现在男生对女生表白的语境下, 这句话又产生了新的模糊性。这里女生可能表达的是你是个好人, 我愿意和你试一试或者是委婉的拒绝, 你是一个好人但是你不是我喜欢的类型。这其中的意思恐怕只有女孩自己最清楚了。“你是好人。”这句话在单独看来是没有任何模糊性存在的, 也就是说它不存在语义模糊, 但是随着语境的不同会出现语用模糊。

2.主观动机性。语义模糊发生时, 说话人一般不具有主观动机性。即不存在一定的意图。小孩话语中的语义模糊比成人多是因为他们的语言发展和认知世界的不完全性, 导致了他们不能运用丰富的词汇来清楚地表述他们的主客观世界。而当语用模糊发生时, 说话者一般具有说话的主观动机, 即:说话人为了自己的利益 (有时为了交际双方的利益) 有意使话语具有多种言外之力, 有意使听话人很难以准确把握自己的谈话意图。在上面的例子当中, 方鸿渐之所以对李梅亭说你是好人, 是因为他不想李梅亭多嘴报告自己与孙小姐的恋爱经历。同时又不便把气氛搞得尴尬使自己失了风度。同样上文中女生面对向自己表白的男生, 也是有意使自己的话语意图具有模糊性而使自己处于进退自如的境地, 这样既保留了男生的面子也保留了自己的矜持。

3.模糊词语层面。语义模糊一般会出现模糊性词语。正是由于这些模糊性词语本身的界限不明确造成了语言的模糊性。而语用模糊中不一定要有模糊性词语出现, 这在上文的例子中已经证明了这一点。

4.所属范畴。语义模糊指的是话语的字面意思即所指层面, 是一种语义现象。它是语义学研究的范畴。而语用模糊强调的是话语同时出现的几种言外之力而导致听话者很难把握说话者的真正意图, 属于言语的应用范畴, 它是语用学研究的范畴。

总之, 语义学和语用学是语言学的两大分支学科。语义学要求从话语的字面意思出发, 关注语言本身。而语用学作为语言在运用当中产生的另一门学科, 强调了语言的交际作用。作为一个社会人, 我们不仅要精通语言的字面用法, 同时要加强自己的语言运用技能, 从而使自己更好的适应社会。

摘要：国内学者何自然关于语用含糊的论述开启了我国模糊语言学的研究。多年来学术界也不乏对语用模糊和语义模糊的对比研究。本文在俞东明, 李秋梅, 林波等学者基础上, 旨在对语义模糊和语用模糊的概念, 产生的根源及它们的区分方法作进一步的论述。

关键词：语义模糊,语用模糊,根源,对比

参考文献

[1]Channel J.Vagueness[M].Shanghai Foreign Languages Education Press, 2000.

[2]丁晓君.围城对话的语用模糊现象[J].浙江大学学报, 1999 (5) .

[3]何自然.浅论语用含糊[J].外国语, 1990, (3) .

[4]林波.语用模糊的动态初探[J].宁波大学学报, 2004 (4) .

[5]刘佐艳.关于语义模糊性的界定问题[J].解放军外国语学院学报, 2003 (4) .

[6]李秋梅.关于语用模糊的再思考—兼与语义模糊相对比[J]山东外语教学, 2003, (1) .

[7]沙夫.语义学[M].北京:商务印书社, 1979.

篇4：模糊

关键词：模糊集理论模糊性模糊思维

中图分类号：H0-0 文献标识码：A

1965年，札德发表了第一篇关于模糊性的论文，随后语言学家把模糊理论开始用于语言研究。Lakoff于1972年发表了把模糊理论应用于词汇方面的学术演讲，对今后此领域的研究产生了深远的影响；Ross探讨了语法中的模糊现象；Channel（2000）将模糊语言与语用学原理结合起来研究。但以上均未涉及翻译领域的模糊现象。

20世纪70年代末，国内开始了对模糊理论的研究。伍铁平最先将札德的模糊理论与模糊语言的关系介绍到国内，并于1999年出版发行了我国第一部关于模糊语言的研究专著《模糊语言学》；随后，更多的学者转向此领域的探讨，如：姚小平，廖秋忠等。

国外关于模糊语言的研究基本采取定量视角，侧重于语义，未涉及翻译（毛荣贵，2005）。国内将模糊理论应用于翻译研究尚处于初级阶段，关于此方面的研究文献零零星星地出现在国内各期刊，如：穆雷，吴义诚等。但这些研究仍未完全脱离传统译学研究的模式。总之，到目前为止，从模糊化思维的角度对文学作品的翻译进行探究，尚未形成系统性。

根据思维科学，人的大脑除精确思维外，还有模糊化思维机制，它们相互依存、相互转化，共同构成人类认知活动中的活性特征。对于翻译活动而言，具有系统多元复杂、主体干预性超强的特点，因此，不确定因素更多、模糊度更大，需要译者主动利用思维的模糊性，也就是说，需要译者运用模糊化思维构建出种种表现手法来形成译语的语义结构，以实现双语间意义的成功转换。

一模糊集理论的提出

1965年，美国控制论专家札德率先提出模糊集合（Fuzzy set）这一数学概念，并发表了《模糊集合》这一著作，用以描述有众多变量和参数、大而复杂的系统，为模糊性理论的发展奠定了基础。模糊性理论在处理复杂并有人为干扰因素的系统方面简洁而有力，因此，很快引起了人们的重视，在学术界受到了广泛的关注。

模糊性主要是指人们认识中关于认识客体类属边界和性态的不确定性。客观物体类别之间基本没有确定的界限，如：作者决不会用严格量化的语言来描绘意境、塑造角色的。在现实生活中，其实大部分指令都是不精确的，但这并不影响人们的正常生活或完成复杂的任务。由此，札德认为，人类的认知以及与客观世界发生联系多半以模糊子集的方式进行的，即：人类进行推理或判断，通常情况下并不是非A即B的二值逻辑，甚或多值逻辑，而是具有模糊真值、模糊连接词和模糊推理规则的逻辑。

札德的理论改变了传统的思维领域的研究，使人们认识到，人类的思维形态既有精确思维，也有模糊思维。模糊集现象表明，模糊是人类认识能力的特性之一，人的大脑具有执行不精确指令的能力。它们的存在，对人们的抽象思维和信息传递都有着至关重要的作用。

按照哲学的观点，人类认知思维的模糊性其实是宇宙普遍联系和连续运动在头脑中的反映。“连续性和离散性，绝对运动和相对静止是宇宙运动的基本特征。人类认识确定性和不确定性、精确性和模糊性实质上正是对这一宇宙运动基本特征的客观反映。”（李晓明，1985）精确性和模糊性虽然矛盾，但体现了人类思维机制的辩证本性。

认识论认为，人类对客观世界精确的认识既包括对模糊现象的忽略不计，也包括对思维模糊化手段的使用。人类这一认知规律在翻译实践活动中得到了很好的印证。翻译时为使双语转换中意义对应，往往必须要简化一些系统因素和层次，对一些次要的模糊环节进行扬弃，这样更易于对原文进行解构；在掌握原文的主体及语义的基础之上，则采用模糊化方式进行表达，如减省形式上的对应或风格上的对应，以达到语用对应的效果，这样更易于按照原文的语义模态，根据译入语的语言表达习惯，重新构建译入语的语义模态。

模糊集理论表明了人类思维和语言中模糊性和精确性之间的辩证关系，运用模糊集理论来探討翻译问题，是由翻译活动中译者的思维特征所决定的，即：译者的思维确定性因素和不确定性因素由量到质、彼此转换的动态演化过程，模糊集理论所揭示的人类模糊化思维的辩证机制与翻译中译者的思维活动规律完全吻合，如果没有这种语际间的转换，那么翻译将无法顺利进行。翻译过程实际上是一个通过模糊化手段的整合使原语和译入语在语义上逐渐对应契合的认知思维活动。在这个过程中，人类模糊化思维活动主要表现在意义多向流动、思维多向发展的连续的心理过程，类似于人类认知中的发散思维，也就是，运用人类模糊化思维中的活性特征，对信息进行过滤，并重新整合，根据原文语义来提取信息，然后在此基础上，脑中自动形成解题思路、方法和步骤等，再运用模糊聚类分析及模糊识别的方式，使原文的模糊信息明朗化，使译文为译入语读者所接受和理解。

从传统意义上来说，译者应当提供意义明白流畅、为译入语读者所接受的译品，才能使语际间的文化传递、信息交流得以顺利进行。但是，过去人们一味地追求表达的准确性，认为只要用词规范、文理通顺等就是精确了。但是，要实现确定性的目标，并不是从确定证据就可以堆砌出确定知识的线性运动过程，而是一个精确性与模糊性相互对立、相互转化、螺旋上升的辩证过程。模糊集理论有力地表明了模糊性和精确性的辩证关系是理解人类思维的基本条件。要达到“忠实”这一翻译目标，必须对模糊化思维进行抽象、扬弃、过滤、整合，最后进入相对明晰的境界，即：从精确到模糊这一辩证思维的路线。

翻译不仅是一种语言转换活动，也是一种思维活动。翻译过程中，译者只有了解了原文的思想内容，才能成功构建相应的译文文本，但是由于中西方的语言体系和思维方式的不同，在对原文本的解读中，译者不可能对原文做完全精确的量和质的判断，也就是说，不可能用非此即彼的二值判断，相反，要用亦此亦彼的多值判断，翻译的过程是贯穿精确思维和模糊思维的辩证过程。（傅昌萍，2006）

二文学作品中的模糊思维

译者感知文学作品原作时的审美直觉是一种模糊思维，这种模糊性是由文学作品的模糊美所决定的。伍铁平（1999）认为，文学作品的“艺术形象是现实形象基础上的提炼概括，欣赏者通过自己的情绪运转去认识文艺作品，而情感和情绪都是多因性的模糊集合”，因此，文学作品免不了带上主观所持有的模糊推断及模糊概念特点。王明居（1998）则认为，艺术家在塑造形象时，并不是照抄具体的现实生活，而是“把现实生活的源泉之水净化、浓缩为典型的人生图画，是把许许多多的个别形象组织成为一个有机的完整的形象体系。艺术家要在尊重现实的基础上，对生活进行典型化，把丰富复杂的情思和意蕴深深地隐藏在富于概括性的具体性之中。”这种具体性背后的概括性，就潜藏着特有的模糊性。正是由于具有这种模糊性，其中的美才能令人挖掘不尽，而不是一览无余。

此外，作者在作品艺术画面中留下大片的空白，也使作品充满不确定性，赋予了作品一种模糊美。叶纪彬（1987）认为，文学作品的模糊美主要包括作者对描写对象在感知、记忆、知性和理解上的模糊，对自身的心理活动在审美意识上的模糊和对创作活动实行的模糊控制，创作中模糊语言的使用，以及艺术表现手段的模糊性。最后，作家把构思成熟的审美意象用语言外化出来，力求通过有限的语言文字符号传达无限的思想情感内涵，因此文学作品的语言也具有一定的模糊性，体现在象征性、暗示性、联想性、多义性上。

三译者的模糊思维

文学作品的模糊性与清晰性相统一，作者既描绘相对明晰的象，又通过象去暗示相对模糊的象外之意；作者既有清晰的理性思维，又有神思飞扬、无迹可寻的模糊思维。

翻译是以语言为实现手段，以逻辑为科学依据而进行的双语转换的思维科学。译者感知原作时既要运用精确思维去研究其思想内涵、意象结构和语言形式，又要运用模糊思维和审美直觉，发挥想象和联想去捕捉原作的虚境，即原作的象外之意、言外之意，只有调动模糊化思维，译者才能在翻译活动中跨越层层障碍、顺利地实现双语语义上的对接。

所谓模糊化思维，不是指模糊或含混的思维，而是指以反映客观事物中的模糊现象为对象的一种思维方式，这种模糊现象是人们在认知活动中常会遇到的相关事物发展过程的中间环节和过滤状态，是事物发展过程中处于多因素、系统的、动态的、连续性和不间断性的一种状态的反映。从表面看来，模糊化思维是模糊不清的，但实际上在反映事物深层差异方面能使人们更精确，因而更能揭示事物发展的矛盾性及其丰富的内涵。

译者的模糊化思维是指充分利用大脑的活性特征，即充分利用大脑生理机制的自发调节作用，全面考虑翻译中的种种可能因素，包括宏观层面因素及微观层面因素，根据翻译的需要，突破语言不同的界限，运用各种转换手段，顺利实现翻译中语义对接的一种思维运作。

龚光明（2004）指出，译者思维融合了意会思维和言表思维，意会思维是模糊性最强烈的思维形态。译者需要运用审美直觉去领悟原作的奥义玄理，又要想象以为事，在头脑中还原出原作的艺术画面，并运用模糊思维去感悟作品所蕴含的思想情感内涵。

在译者审美感知活动的开始阶段，原作语言在其头脑中唤起的艺术画面还比较模糊朦胧，随着译者反复阅读和品味原作，体验其中的意蕴，译者的审美想象和联想就会不断地受到激发，头脑中的艺术画面会逐渐变得清晰逼真、鲜明生动。龚光明（2004）认为，译者在解读与把握原作物化的文学意象的过程中所依据的艺术思维方式是模糊的，但同时又是发散型的，从而形成物象与心象的复合体。译者通过审美想象和联想力，使自己头脑中所再现出的艺术画面与作者所构思的艺术画面尽可能一致。译者从语言进入意象，又从意象返回语言，其思维机制在源语思维与形象思维之间来回转换。译者欣赏原作的同时也在考虑如何用恰当的译语形式将其忠实准确地再现出来，在这个译语构思的过程中，译者的思维机制在形象思维与译语思维之间不断转换，这种转换过程离不开译者模糊思维的作用，即对原作中所获得的意象经过抽象、扬弃、过滤、整合等，实现由精确到模糊，然后再由模糊到精确的这样一个不断转化的辩证思维过程。（王平，2009）

四结语

翻译是一个经过模糊化整合使异语间的意义得到最大程度契合的辩证思维过程，系统的复杂性越大，模糊性越强，对其进行精确性的认识和描绘的可能性越小，尤其对于文学翻译这种多元的复杂系统，逐字翻译不仅无法实现真正意义上的“忠实”，反而容易造成对原作品的曲解。因此，根据模糊集理论，在文学翻译中，要达到“忠实”这一目标，译者的思维必须是模糊性和精确性相互对立、相互转化的一个辩证过程。

参考文献：

[1] Joanna Channell.Vague Language[M].上海外语教育出版社，2000年版。

[2] 毛荣贵：《翻译美学》，上海交通大学出版社，2005年版。

[3] 李晓明：《模糊性——人类认识之谜》，人民出版社，1985年版。

[4] 傅昌萍：《模糊化思维与翻译》，上海外国语学院，2006年版。

[5] 伍铁平：《模糊語言学》，上海外语教育出版社，1999年版。

[6] 王明居：《模糊美学》，中国文联出版公司，1998年版。

[7] 叶纪彬：《艺术创作规律论》，东北师范大学出版社，1987年版。

[8] 龚光明：《翻译思维学》，上海社会科学院出版社，2004年版。

[9] 王平：《文学翻译审美学》，国防工业出版社，2009年版。

篇5：模糊

空间成像模糊特性分析与模糊参数估计

在空间平台上的成像系统近距离拍摄空间目标时,由于目标和镜头之间以及成像系统与承载平台之间的相时运动,导致图像中目标与背景存在不同尺度的模糊,对目标的模糊参数估计以及模糊恢复造成很大的干扰.针对这种运动背景下存在运动目标的`目标图像模糊参数估计问题,本文提出了基于成像时刻航天器相对运动的先验知识的参数估计方法,取得了良好的效果.

作者：朱怡秦世引 ZHU Yi QIN Shi-yin 作者单位：北京航空航天大学自动化科学与电气工程学院,100083刊名：微计算机信息 PKU英文刊名：MICROCOMPUTER INFORMATION年，卷(期)：200824(30)分类号：V557+.4关键词：空间监视运动模糊参数鉴别轨道动力学

篇6：模糊

1、打开ps软件

2、打开要进行处理的图片，可以看到文字都很清晰的展现出来，如果是涉及隐私的内容，放到网上是很不好的

3、点击选择工具

4、把要模糊的位置框选起来

5、点击滤镜——模糊——场景模糊

6、看到文字已经看不清了

7、这个圈圈，把鼠标移过去，这个箭头方向越往左越不清晰

8、点击确定

9、看到文字已经模糊处理好了，现在发到网上也没有问题了

篇7：眼睛模糊怎么治

众所周知维生素A是眼睛是抗氧化剂不可缺少的一种微量元素，维生素A也叫黄醇在人体视力的形成中有着至关重要的作用，如果一个人的体内维生素A不足的话，那么眼睛对周围环境的感应能力就会减退，甚至有可能会引起夜盲症等问题。因此要保持良好的视力，日常就要多吃富含维生素A的食物。像动物的内脏，胡茄子，南瓜，芒果，卷心菜都是这种维生素A含量非常多的食物，日常可以适当的多吃一点。

钙质

充足的钙质有助于预防眼睛视网膜的弹力减退，对整个眼部组织起到一个保护的作用。因此视力下降不仅要补充黄醇素同时还要注意多补充充足的钙质，如果有眼睛模糊，重影的问题的话，可配合维生素D一起食用，这样更好的保证钙质的吸收。

黄体素类的胡萝卜素是预防白内障碍的好方法，因此预防视力下降日常就要多补充这类黄体素类胡萝卜素，像菠菜就是一个不错的选择。

维生素C

维生素C可以有效的消除长期用眼的疲劳感，同时还能减少自由基对于眼睛的伤害，保护视力。而生活中富含维生素C的食物有很多，像水果中的柠檬，蔬菜中的生菜等等。

眼睛要健康，还要有充足的维生素E，植物性雌激素，脂肪酸，和一些其它的元素，而这些元素在豆制品中的含量是最多的，因此，日常多吃些豆制品对于保护视力也有着很大的帮助。

篇8：模糊

关键词：直觉模糊集,自适应神经—直觉模糊推理系统,T-S系统,Hopfield神经网络

直觉模糊集 (Intuitionistic Fuzzy Sets, IFS) 是传统的模糊集的一种拓展, 它同时考虑了隶属度、非隶属度和犹豫度这三个方面的信息, 因而比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。而模糊神经网络汇集了神经网络与模糊理论的优点, 在处理非线性、模糊性等问题上有很大的优越性, 在智能信息处理方面存在巨大的潜力。将人工神经网络的学习能力和适应性与直觉模糊逻辑的不确定推理能力有机结合起来, 利用神经网络来调整和优化直觉模糊逻辑的隶属函数和非隶属函数, 利用直觉模糊逻辑进行不确定的知识表示和推理, 即可建立一个基于IFS的模糊神经网络。

直觉模糊神经网络的研究处于起步阶段, 雷英杰等研究了直觉模糊神经网络的学习算法、推理方法、函数逼近能力等, 李龙等研究了直觉模糊神经网络的稳定性, 林剑、徐小来等研究了直觉模糊神经网络在故障检测、评估及目标识别等方面的应用。

1 直觉模糊集理论

设X是一个非空集合, 则X上的一个直觉模糊集A为:

其中, µA (x) 和νA (x) 均为X中元素x属于A的隶属度和非隶属度, 即:

νA:X→[0 1, ], x∈X→νA (x) ∈[1, 0]

且满足条件0≤µA (x) +νA (x) ≤, 1x∈X

IFS增加了一个新的属性参数—非隶属度函数, 进而还可以描述“非此非彼”的“模糊概念”, 亦即“中立状态”的概念或中立的程度, 因而比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。目前, IFS理论在模糊性的表示和处理方面的优势逐渐受到重视, 在决策、聚类、模式识别、近似推理等领域得到了广泛应用。

2 直觉模糊神经网络结构的设计

普通多输入、多输出的直觉模糊神经网络应包括输入层、输出层及隐层, 其输入, 输出以及连接权都是直觉模糊数。网络结构采用多层前馈网络, 学习算法可以使用BP算法结合最小二乘估计器对网络进行训练。但该结构算法效率低, 对偶发事件反应不敏感, 适用性不强。对具体问题改进网络模型和学习训练算法, 将极大提高信息处理效率和可信度。以下即为改进的几种网络结构。

2.1 基于ANIFIS的T-S型网络

基于自适应神经—直觉模糊推理系统 (Adaptive NeuroIntuitionistic Fuzzy Inference System, ANIFIS) 的“高木—关野 (Takagi-Sugeno, T-S) ”型网络模型如图1所示。

该模型共有5层:第一层为输入层;第二层为直觉模糊化层, 计算各输入分量的非隶属和非隶属度函数;第三层为推理规则层, 每个结点代表一条直觉模糊规则, 它的作用是用来匹配直觉模糊规则的前件, 算出每条规则的适用度;第四层为标准化层, 实现归一化计算;第五层是输出层, 实现解模糊。

它是一个多输入、单输出的T-S型系统, 其规则形式为:

用EKF学习算法调节网络的所有参数, 包括根据系统误差、马氏距离等参数的大小, 调整结果参数、隶属度函数宽度、中心参数、规则数等。

2.2 取大—取小直觉模糊Hopfield神经网络

由于直觉模糊集在处理不确定信息时具有更强的表现能力, 类似于模糊Hopfield神经网络的构造方法, 因此将直觉模糊集与Hopfield神经网络相结合, 构造取大—取小直觉模糊Hopfield神经网络。它所考虑的网络具有n个处理单元, 其中每个都与其它所有单元相连。其网络结构如图2所示。

2.3 直觉模糊ART神经网络

BP网络等有监督学习的前馈型神经网络对于不包含在训练样本内的测试样本模式不能很好地工作, 无法检测频繁变化的群事件。自适应共振 (Adaptive Resonance Theory, ART) 神经网络克服了上述缺点, 具有良好的稳定性和可塑性。而直觉模糊ART神经网络又增强了ART神经网络的模糊信息处理能力。

直觉模糊ART神经网络处理的是直觉模糊向量, 在引入直觉模糊集理论中的贴近度概念的基础上, 以“匹配—委托”方式代替了ART神经网络的“匹配—复位—扫描”过程。对于满足匹配判据的情形, 网络发生共振, 进入学习状态。这样, 该网络只要对输入矢量进行一次性学习, 具有较高的工作效率。

网络连接权值的学习调整采用“快学慢编”机制 (fast-commit slow-record) , 能保证对新模式做出快速反应, 又可以将输入矢量的信息适当地融合到模板中, 形成聚类中心。

2.4 基于UKF的自组织直觉模糊神经网络

自组织模糊神经网络通过控制模糊规则的自动生成和修剪, 可得到一个规则数更小和泛化能力更佳的网络, 而直觉模糊集在语义描述上具有独到的优势。而UKF (Unscented Kalman Filter) 算法不需计算非线性变换的导数而隐含具有二阶滤波器的精度计算量与EKF同阶次, 因此提出了基于UKF的自组织直觉模糊神经网络 (UKF-SOIFNN) 。

UKF-SOIFNN的结构是一个六层的网络结构, 如图3所示, 各层分别为输入层、隶属函数层、T-范数层、结论层、输出处理层和输出层。

UKF-SOIFNN的学习算法包括结构辩识和参数学习。结构辩识试图通过自组织的方法建立一个紧凑的网络, 使模糊规则可以动态生成和删除;参数学习采用交替学习的策略, 通过LLS学习线性参数, 通过UKF学习非线性参数, 使UKF-SOIFNN更快地收敛获得更好的泛化性能。

3 结语

由于直觉模糊集具有隶属度、非隶属度及导出的直觉指数这3个属性函数, 呈现出天然的负反馈性, 因而其推理计算的精确度和稳定性显著提高, 因而具有良好的应用前景。神经网络与直觉模糊集的结合构成了一个带有人类感知和认知成分的自适应系统神经网络通过向训练数据学习, 产生、修正并高度概括输入输出推理规则, 从而避免了规则数量随输入状态增多呈快速增长的组合爆炸问题, 为推理规则的自动获取和调节提供了解决途径。

参考文献

[1]林剑, 雷英杰.基于直觉模糊神经网络的机动事件检测方法[J].计算机工程与设计, 2009, 30 (6) :1458～1460.

[2]徐小来, 雷英杰, 谢文彪.基于UKF的自组织直觉模糊神经网络.电子学报, 2010, 38 (3) :638～645.

篇9：模糊

【摘要】利用模糊德尔菲层次分析法，以德尔菲调查为基础，将专家对指标权重的两两评价结果进行模糊处理，根据实际需要调整模型的专家乐观系数和评价环境参数从而最终确定指标的综合权重。在该综合权重矩阵的基础上，根据地方政府绩效评价指标体系的特点，建立了政府绩效评估的多层次模糊综合评价模型。

【关键词】绩效评估；绩效管理；模糊德尔菲层次分析法；模糊综合评价

0.引言

20世纪70年代以来，以“新公共管理”运动为标志，西方各国开始进行政府管理改革，逐渐形成了政府绩效评估、绩效管理等理论，并应用于实践。这一理论打破了将效率和经济作为公共部门评价标准的原则，它借鉴企业管理技术和激励手段，强调管理过程中民众的导向作用，以期使政府变为一个负担广泛社会责任的、低成本高满意度的服务机构。绩效评估是指考评主体对照工作目标或绩效标准，采用科学的考评方法，评定客体的工作任务完成情况职责履行情况，并将评定结果反馈给客体。在政府绩效评估中，其反馈结果将指导政府的工作，因此，客观公正的绩效评估对提升政府管理水平有着十分重要的意义，而建立一套对政府绩效进行科学监测、检验和评价系统是对政府进行有效管理和制约的关键。

近年来，随着我国各地方政府逐渐实行政府绩效管理，学术界对绩效评估模型的应用已经有了深入的研究，其中常用的方法和技术主要有：演绎法、平衡记分卡法、模糊评价、主成分分析、层次分析法以及它们相互组合的方法。其中模糊评价基于这样的事实：许多事情的边界并不十分明显，评价时很难将其归于某个类别，通过先对被评价对象的单个因素进行评价，然后对所有因素进行综合模糊评价，防止遗漏任何统计信息和信息的中途损失，这有助于解决用“是”或“否”这样的确定性评价带来的对客观真实的偏离问题，能够满足组织行进绩效考核与评价[1]，所以，依据模糊理论建立相应的评价模型能够较好的解决政府绩效评估的问题。在模糊评价中各级指标的确立，有些学者提出用层次分析法（AHP）[2]，有些学者则引入了一致性检验来验证该权重设定的合理性[3][4]，还有些学者则通过熵技术对权重进行修正[5]，这些都通过人为的修正来规范权重，这将对评价者初始的评估结果造成一定的负面影响。因而，本文借鉴文献[6]中提出的模糊德尔菲层次分析法（FDAHP）来确定权重，将其与模糊评价理论相结合，建立基于德尔菲层次分析法的模糊评价模型并应用于政府绩效评估之中。

1.地方政府绩效评价指标体系

表1地方政府绩效评价指标体系

2.基于德尔菲层次分析法的模糊评价模型的构建

2.1确定评价集和模糊评价矩阵

评价集就是对评价对象优劣程度的定性描述，它由各种评价等级构成，本文按照优秀、良好、一般、较差、最差5个级别评判，即评价集V={v1，v2，···，vm}有5个元素。模糊评价矩阵R可依据第2章中的指标体系通过专家问卷调查的方法，对各项指标进行量化评分，根据统计结果确定各指标属于某个级别的隶属度，从而确定模糊评价矩阵R。

2.2模糊德尔菲层次分析法确定综合权重矩阵

2.3多层次模糊综合评价

3.结束语

本文结合模糊德尔菲层次分析法和模糊综合评价原理，根据地方政府绩效评估指标体系，建立了综合模糊评价模型。由于模糊综合评价本身是一种比较科学合理的评价方法，本文还通过模糊数学的方法对群体调查结果进行了处理和分析，所以利用论文所介绍的评价模型可以很容易对政府绩效进行比较客观的评估。由于本文选用了模糊德尔菲层次分析法计算权重，形成了一个权重分析的交互过程，使得权重的设置更为合理，因此评价结果相比传统的基于AHP的模糊评价模型更为客观公平。虽然本文的模型计算过程较为复杂，但我们可以利用计算机编程实现智能化处理，用程序来进行绩效评估，提高工作效率，因此，该模型具有更为广阔的应用前景。[科]

【参考文献】

［１］齐二石，刘传铭，王玲．公共组织绩效管理综合评测模型及其应用[J]．天津大学学报：社会科学版，2004，6（2）：150-153．

［２］张霞．基于模糊理论的公共组织绩效管理[J]．武汉理工大学学报：信息与管理工程版，2007，29（10）：164-166．

［３］聂规划，刘勇军．企业信息化建设模式分析及模糊评价[J]．武汉理工大学学报：信息与管理工程版，2004，26（2）：89-92．

篇10：模糊的作文

那双手好像是经历过重重困难过来的，虽然已经“伤痕累累”，但是仍然很活跃。她用她聪明的头脑和那经历了重重事情的双手得到了人人的喜爱，也是我心中的一位“英雄”。

快乐时，她替我开心。伤心时，她为我担心。然而我却经常辜负她的期望。

我们是一对麻吉。应该可以这么说。有时都很默契。遇到了开心的事情，经历了挫折，我都会告诉她，和她分享或是得以安慰。当然，我也会因为一点小事而直接来个争风吃醋。有时虽然很嫉妒她，但是我说过她有她的本领，我有我的特别，人人都有不同。所以那份嫉妒也就平息了。

我们之间也有彼此不知道的事情。例如是她跟班里某几位同学的关系比我好，我会吃醋，就默默的注视着她，关注她。但是每次都会闹的很僵。

模糊的记得，那双手我已经牵了应该有一年了吧。时间流逝的很快，我长大了不少，而她依然像我的姐姐一样在旁边提醒着我。

篇11：模糊的记忆作文

溺于一种朦胧之中而成了模糊的记忆。

那天是二0一四年六月五日上午，天空下着毛毛细雨。当我开完高考备考会以后，突然就有一种想回老家去看看的欲望。虽然身体有些欠佳，但是强烈的欲望致使我稍作整理后就直奔去了火车站。

在火车站的售票窗口，看着长长的队伍有点揪心，加上窗口里时不时的传出站票你要不要?的声音时，我就有点后怕：这次恐怕也只能站着回家了吧。虽然行程不远，但毕竟还是身体不佳。在忐忑中我拿到了票，简直就不敢相信，前面那个人还是站票而我居然还能有座?清楚的看着恩施到巴东T50次、11车110号，我陡然就有了一种朦胧：这回真用不着受罪罚站了。

进站、上车，在摩肩接踵的人群中我好不容易找到了属于我的11车110号座位，当我把行李放到了行李架上，安然的坐了下来舒一口气。再探望周边却站满了的人，男女老少的各色人等把过道挤得水泄不通，我感概：这世界的人们是不是疯了，不在家里享福居然到车上来受罪，突然一声婴儿的啼哭把车厢人们的嘈杂声压住了。

我因为太累不想睁开眼睛去看，更不想去思考这孩子怎么就这样的不安生让我不得安宁。这样想着的时候，孩子的哭声却越来越大，越来越急。我终于忍不住睁开疲惫的双眼循声望去，只见倚在列车门边的一个年轻母亲抱着自己啼哭的孩子正不知所措。看着她的衣着打扮，我肯定她的年纪不大，好像还是从农村出来的外地人。孩子哭着，孩子的母亲站在那里焦急万分。我看看周围的人，因为孩子的哭声，有的人显得一脸的烦躁，有的也连连叹气一脸的同情。坐着的人们谈笑风生，聆听彼此的寒暄，知道他们有的是外出打工的，有的是刚刚大学毕业的学生......

随着车子的慢慢启动，我把疲惫的身体靠在椅背上准备小憩一会儿。周围的人们，有的拿出手机发信息，有的干脆拿出耳机装作听歌睡觉......他们似乎什么也没有听到、看到。孩子依然在哭，只是声音有些沙哑而细小了，看着那个焦急万分的带着孩子的母亲，我的心在挣扎。思维随着孩子的啼哭声又有些朦胧，我仿佛看到那个年轻的母亲就是我，而她怀中那个啼哭的婴孩就是我的孩子。虽然我身体也不舒服，但是良心的叩问，让我再也坐不住了。

我站起来挤过人群，步履艰难的走到那个年轻的母亲面前，嘴角挂着微笑地说：你坐我那里吧，孩子受不了了。年轻的母亲仿佛没有听到，当我再次说出我的意思的时候，她惊诧地睁大了眼睛看着我想说什么，但始终没有说出来，她犹豫着迟迟没有过去。于是我指了指她怀里的孩子说：你过去坐吧!那是我的座位，然后我伸手指了指前面好多排座位的那个110座位，她再一次看着我，眼里噙满了泪花。

我望着她，向她点了点头，她才怯怯地抱着还在啼哭的孩子挤过人群，坐到了我的位子上。说来也真奇怪。她一坐下孩子就不哭了，于是她掀起衣襟开始给孩子喂奶。我看着孩子在她怀里甜甜地吮吸着乳汁，我的心里顿时觉得舒坦了起来，身体的不舒服也忘却了。她又抬头望了我一眼。我向她微笑一下，她也微微笑了一下，然后迅速地低下了头看着自己怀里的孩子，这时孩子的小脸上也露出了甜甜的笑容。

我欣慰着，听着广播里播放的歌曲爱的奉献，却丝毫激不起我的热情，相反增加了我的歉意和不安。于是，我悄悄地走向另一节车厢，车箱里还是那么多的人，我继续向前一节车厢走去。当我走到8车厢时我发现这节车厢怎么是空的，里面只是稀稀拉拉的几个人。于是我轻轻地推开8车厢的门，里面传出的是一个男列车员的声音，你来做什么?我如实回答：我想坐一坐。

你没有车票?

我有车票。

站票吗?

不是，我是坐票。

坐票为什么跑这儿来了?

那几节车厢站的人太多，有一个母亲抱着孩子，孩子哭的太厉害了，我让她坐一下。

哦，做好事呀，那你就站着。

你怎么这样讲话?

那谁叫你做好事的?

你怎么可以这样?

停止了和列车员的争执，我顿时觉得这节车厢的人少，空气却让人透不过气来。

终归身体的原因，我实在是撑不住了，不管列车员的态度我还是坐了下来，只是没有心情听广播的歌曲。我再一次朦胧：怀疑爱的奉献词作家是不是在忽悠善良的人们呢。

快到站了，我离开了8车厢，回到了原来的车厢，准备取自己的行李。但看到那对母女正在熟睡，我没有惊动她们。骚动的人群却让那个年轻的母亲苏醒，她一睁眼看到我站在她的身旁，一下子慌乱了，抱着孩子准备站起来，只见她蒙眬的双眼充满了感激，充满了内疚。我望着她笑了笑说：我到了，你和孩子安心坐着吧，不要起来，祝你和孩子旅途愉快!我下车时，回头看到她的泪珠还挂在她的眼角上......

简单的旅程就这样结束了，可更长的旅程仿佛又才开始，我再次回头向年轻的母亲挥手告别时才发现，她是一直凝望着我的背影的，我没有勇气挥手，只是慌乱的钻出列车，融入有些热浪外界，扑面而来的是家乡的清新空气。很久没有回家了，本来依然陶醉，我却只是闭上眼睛深深的呼吸了一口，就随着人流向汽车站飞奔而去......

我想，这朦胧的记忆又是我人生的一个节点。

篇12：模糊的记忆作文

承诺并不总是会实现的，有人是蜜意的谎言，有人是善意的蒙骗。也有人会是真心诚意的许诺，却仍无法实现诺言。我希望你的承诺是真的，为了你和我的希望，你也只能是。但这只是我的希望，你总是毫不吝惜你的光彩，却未照见我藏在黑暗中的灵魂。在你的狂热中内心，你未将承诺实现并交给了我，不管我是否能够承受。就这样永远的占据在我心中。我不能承诺给你幸福，但我愿将我的世界和生命全给你，给予的永远会比被给予的幸福要快乐，抑或许乐极会生悲的。

雨还在下，一直下着，由我的眼睛到心里，象那份忧思缠绵不断…流淌过岁月的河流，河上也许没有了桥?在曾经繁茂的土地上还有一座残旧的栈桥。栈桥的名字叫什么?只有风雨飘摇的桥墩发出的吱吱呀呀声在回答。

徐徐的晚风中，被夕阳拉得长长的黑影，象船桨一样哗哗的划着水，慢慢地远离了桥底。月亮由缺变圆，释放出无限的吸引力，倒流了岁月。我躺在河床上，听到童年时的蟋蟀还在唱着催眠曲，象背脊的一阵轻痒，延伸在整个草地。鼻子中淡淡地嗅着草根由土中吸出的水气。然而，水慢慢地流走，留下曾经肥沃的泥土将儿时的我层层覆盖，长成伴在栈桥下的青苔，就在没有月亮的晚上消逝，只在路途中偶尔从远风中捕捉到这个故事的残篇断章。河上有没有桥?有吧?还在吗?也许…不在了吧…一段模糊的记忆!

篇13：一种基于模糊聚类的模糊辨识方法

目前, 模糊建模成为复杂大系统建模的一种手段,也是现在辩识领域的主要课题。在不同的模糊建模方法中,由Takagi、Sugeno 和Tang(TSK模糊推理) 提出的方法由于在不同应用领域具有好的效果和数学处理能力,已经引起模糊建模研究者的重视[1]。

通常,模糊系统的建模过程主要有两部分:结构辨识和参数估计,而结构辨识就是决定输入空间的分割和模糊规则。业已提出多种处理这些问题的方法,其中模糊聚类方法已被证明是最适宜的模糊划分方法[1]。目前广泛应用于模糊辨识的是FCM(Fuzzy C-Means)聚类方法,但由于这种方法迭代公式复杂,计算量大,给其实际应用带来一定的困难。许多学者提出利用聚类有效性函数来评价模糊聚类的有效性。在1974年,Bezdek[2]提出了第一个聚类有效性函数Vpc(u,c)(同时,Bezdek 也称其为划分系数( Partition Coefficient)),随后其它文献也提出了很多检验聚类有效性的函数,如文献[3]中提出的VFS(u,V,X,c),文献[4]中提出的VXB(u,V,X,c) ,以及文献[5]中提出的VP(U, c)等。这些函数评价了模糊聚类的有效性,使模糊系统的结构辨识变得更加有效。

本文针对模糊系统设计中隶属函数的确定以及模糊规则的自动提取问题,根据输入输出数据的相关特性,采用含有聚类有效性函数的模糊聚类法[5],确定模糊系统的初始结构和参数,避免了盲目性和随机性。同时,将最小二乘法和梯度下降算法相结合组成混合学习算法,以提高参数的优化效率。

1基于模糊聚类方法确定模糊模型的前提结构及参数

给定样本X={x1,x2,…,xN},设聚类数为c,定义如下目标函数

$J_{m} = \sum_{k = 1}^{Ν} \sum_{i = 1}^{c} u_{i k}^{m} (x) x_{k} - v_{i}^{2} 0 < m < \infty (1)$

其中uik∈[0,1],表示第k个数据在第i个聚类的隶属度,且满足:

$0 < \sum_{k = 1}^{Ν} u_{i k} < Ν i = 1, 2, \dots, c$ 和 $\sum_{i = 1}^{c} u_{i k} = 1 k = 1, 2, \dots, Ν$

根据文献[5]提出的聚类有效性函数Vp(U,c)来求得最佳聚类数cm,Vp(U,c)的定义如下:

$\begin{array}{l} V_{p} (U, c) = \frac{1}{Ν} \sum_{k = 1}^{Ν} \max_{i} (u_{i k}) - \frac{1}{Κ} \sum_{i = 1}^{c - 1} \sum_{j = i + 1}^{c} [\frac{1}{Ν} \sum_{k = 1}^{Ν} m i n (u_{i k}, u_{j k})] \\ Κ = \sum_{i = 1}^{c - 1} i (2) \end{array}$

模糊聚类算法的具体步骤如下[5]:

1) 给定最大聚类数cmax(一般初始选 $c_{\max} \leq \sqrt{Ν}$ ),设定最大迭代次数T,加权指数m∈(1,∞)和ε>0;

2) 当c=2,3,…,cmax:给聚类中心矩阵赋初值:V0=(v10,v20,…,vc0);

3) 当迭代次数t=1,2,…,T;计算 $u_{i k}^{(t)} = \frac{1}{\sum_{j = 1}^{c} (\frac{d_{i k}}{d_{j k}})^{\frac{2}{(m - 1)}}}$ ,其中djk=‖xk-vi‖i=1,2,…,c k=1,2,…,N 计算 $v_{i}^{(t)} = \frac{\sum_{k = 1}^{Ν} (u_{i k}^{(t)})_{}^{m} x_{k}}{\sum_{k = 1}^{Ν} (u_{i k}^{(t)})^{m}}$ 如果‖Vt-Vt-1‖<ε,那么进行下一步,否则,重复步骤3);

4) 利用式(2)计算Vp(U,c),如果c<cmax返回步骤2),否则,算法停止,选择最佳c=cm;其中cm满足以下条件:

Vp(U,cm)=max{Vp(U,c)} c=2,3,…,cmax

通过应用上述聚类算法可以得到模糊系统的规则数c和聚类原型vi=(vi1,vi2,…,vis)(其中i=1,2,…,c)。

2 基于最小二乘法辨识模糊模型结论参数

对于MISO系统的TSK模糊模型,由c个模糊规则组成的模糊模型可表示为:

则输出为:

$y^{k} = \frac{\sum_{i = 1}^{c} z_{i}^{k} [\prod_{j = 1}^{s} u_{i j}^{k} (x_{j}^{k})]}{\sum_{i = 1}^{c} \prod_{j = 1}^{s} u_{i j}^{k} (x_{j}^{k})} (3)$

其中u $_{i j}^{k}$ (x $_{j}^{k}$ )为x $_{j}^{k}$ 对第i条规则的隶属函数。选取u $_{i j}^{k}$ (x $_{j}^{k}$ )为高斯函数,即:

$u_{i j}^{k} (x_{j}^{k}) = \exp (- \frac{(x_{j}^{k} - a_{i j})^{2}}{σ_{i j}^{2}}) (4)$

根据前面所述的模糊聚类算法,选取聚类原型作为式(4)中aij的值,以与vi最近邻的另一个聚类中心vj的距离作为式(4)中σij的值进而就可以对模糊系统的结论参数进行辨识。

定义: $m_{i}^{k} (x) = \prod_{j = 1}^{s} u_{i j}^{k} (x_{j}^{k}) q_{i}^{k} (x) = \frac{m_{i}^{k} (x)}{\sum_{i = 1}^{c} m_{i}^{k} (x)}$

于是:

$y^{k} = \sum_{i = 1}^{c} z_{i}^{k} q_{i}^{k} (x) (5)$

目标函数为:

$J = \sum_{k = 1}^{Ν} [y_{d}^{k} - \sum_{i = 1}^{c} z_{i}^{k} q_{i}^{k} (x)]^{2} (6)$

通过求J的最小化求参数bij(i=1,2,…,c;j=0,1,2,…,s)

采用最小二乘法(或递推最小二乘法)获得:

B=(XTX)-1XTY (7)

其中:

最后所得B就是模糊规则的结论参数向量。

3 参数优化

通过前面的聚类算法和最小二乘法, 虽然已经确定了模糊规则数以及前提和结论参数, 但这样得到的模糊模型并不一定能满足建模精度的要求, 因此,采用梯度下降法对参数进一步优化。定义如下目标函数:

$E = \frac{1}{2 Ν} \sum_{k = 1}^{Ν} (y_{d}^{k} - y^{k})^{2} (8)$

式中,y $_{d}^{k}$ 是实际的输出值,yk是模型的输出值各参数通过下式调整:

$b_{i j} (t + 1) = b_{i j} (t) + \frac{β_{b}}{Ν} \sum_{k = 1}^{Ν} [(y_{d}^{k} - y^{k}) x_{j}^{k} q_{i}^{k} (x)] (9)$

$a_{i j} (t + 1) = a_{i j} (t) + \frac{β_{a}}{Ν} \sum_{k = 1}^{Ν} [(y_{d}^{k} - y^{k}) \frac{(x_{j}^{k} - a_{i j})}{σ_{i j}^{2}} (z_{i}^{k} - y^{k}) q_{i}^{k} (x)] (10)$

$σ_{i j} (t + 1) = σ_{i j} (t) + \frac{β_{σ}}{Ν} \sum_{k = 1}^{Ν} [(y_{d}^{k} - y^{k}) \frac{(x_{j}^{k} - a_{i j})^{2}}{σ_{i j}^{3}} (z_{i}^{k} - y^{k}) q_{i}^{k} (x)] (11)$

式中,βb、βa、βσ为学习率。

为了选取合适的学习率,可以采用变步长的方法,求取E的最小化,从而优化参数bij、aij、σij。当辨别数据的误差小于一个阈值时,该方法结束。

4 仿真分析

在仿真中我们选取著名的Box-Jenkins煤气炉数据[6],该数据已被许多文献采用,常用作检验辨识方法的标准实验数据。此数据是由296对输入输出测量值组成,是一个SISO动态系统。输入量u(t)是煤气的流量,输出y(t)是CO2的浓度。采样间隔为9s。本文选择煤气的流量u(t-4)和CO2的浓度y(t-1)作为模糊模型的输入变量,输出为t时刻CO2的浓度y(t)。采用上面所述方法对煤气炉数据进行模糊建模研究。

表1列出了其他模糊辨识方法在相同的性能指标MSE(模型输出值与实测值之间的均方误差)下的结果,图1给出了输出值与真实值的比较。从表1和图1可见,本文的辨识方法有较高的精度。

5 结语

在本文所述的模糊辨识方法中,首先利用含有聚类有效准则函数的模糊聚类方法来辨识模型前提结构,然后用最小二乘法和梯度下降法来进行参数辨识和优化,极大地简化了辨识的复杂性,具有实现简单,辨识精度高的特点,是一种在实践中有效的辨识方法。实例仿真结果表明了本文提出的方法简单有效。

摘要：介绍一种基于模糊聚类的模糊辨识方法。首先利用含有聚类准则函数的模糊聚类方法来确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数。该方法应用于Box-Jenkins数据仿真实例,仿真结果表明该方法简单有效。

关键词：模糊模型辨识,模糊聚类,最小二乘估计

参考文献

[1]Gomez-Skarmeta A F.About the of Fuzzy Clustering Techniques forFuzzy Model Indentification[J].Fuzzy Sets and Systems,1999,106:179-188.

[2]Bezdek J C.Cluster validity with fuzzy sets[J].Journal of Cybernet,1974,3(3):58-72.

[3]Fukuyanma Y,Sugeno M.A new method of choosing the number ofclusters for the fuzzy c-means method[C]//Proc.5th Fuzzy Syst.Symp,1989:247-250(in Japanese).

[4]Xie X L,GBeni.A validity method for fuzzy clustering[J].IEEETrans.Pattern Anal.Mach.Intell,1991,13(8):841-847.

[5]Min-You Chen,D A Linkens.Rule-base self-generation and simplifica-tion for data-driven fuzzy models[J].Fuzzy Sets and Systems,2004,142:243-265.

[6]Box G E P,Jenkins GM.Time Series Analysis,Forecasting and Con-trol[M].San Francisco,CA:Holden Day,1970.

[7]Sugeno M,Yasukawa T.A Fuzzy-Logic-Based Approach to QualitativeModeling[J].IEEE Trans.on Fuzzy Syst.,1993,1:7-31.

[8]Sugeno M,Tanaka K.Successive Identification of a Fuzzy Model andIts Applications to Prediction of a Complex System[J].Fuzzy and Sys-tems,1991,42:315-334.

[9]KimE,Park M.ANewApproach to Fuzzy Modeling[J].IEEE Trans.Fuzzy Syst.,1997,5(3):328-337.

[10]Jian-Qin Chen,Yu-Geng Xi,Zhong-Jun Zhang.A Clustering Algo-rithm for Fuzzy Model Identification[J].Fuzzy and Systems,1998,98:319-329.

[11]王宏伟,马广富,王子才.一种基于模糊规则的模糊辨识方法[J].系统仿真学报,1998,10(6).

篇14：模糊

关键词三角模糊数；直觉模糊数； PG算子；三角模糊数直觉模糊PG算子；多属性群决策

中图分类号 C934，O23 文献标识码 A

1 引言

自Atanassov提出直觉模糊集^[1]（Intuitionistic Fuzzy Sets，IFS）以来，因IFS综合考虑隶属度、非隶属度和犹豫度3方面的信息，能更加细腻地描述和刻画客观世界的模糊性本质.众多学者对IFS进行了深入研究.Atanassov等^[2]对IFS进一步推广，提出了区间直觉模糊集（Interval-valued Intuitionistic Fuzzy Sets，IVIFS）的概念.徐泽水^[3，4]研究了IVIFS的一些运算法则，并给出了IVIFS的IVIFWA集成算子、IVIFGA集成算子、IVIFOWA集成算子和排序方法.刘峰和袁学海^[5]用三角模糊数表示IFS的隶属函数和非隶属函数，进而对IFS作进一步拓展，提出了TFNIFN概念.汪新凡^[6]给出了TFNIFN的概念，定义了一些运算法则和FIFWG算子、FIFOWG算子和FIFHG算子等几何集成算子，并给出了TFNIFN的记分函数及排序方法.刘於勋^[7]提出TFNIFN的加权算数平均算子和加权几何平均算子，并给出精确记分函数.

Yager^[9]在处理非线性信息加权集结过程中首先提出属性间相互支持的PA算子概念. XU和Yager [10]在PA算子的基础上提出了PG算子，同时并研究了PWG算子、 POG算子、POWG算子、UPG算子和UPOWG算子.在文献[11]中，徐泽水教授将PG算子推广到直觉模糊环境下，结合IFS和IVIFS研究了IFPG算子、IFWPG算子、IVIFPG算子和 IVIFWPG算子，并应用到多属性决策问题中.ZHANG等^[12]将PG进一步推广，研究了GPG算子、GIFPG算子等及其性质，并给出了详细的证明，拓展了PG算子的理论范围，同时应用在MAGDM中，得到了很好地效果.本文在文献[11]的基础上对PG算子进行拓展，将PG算子和TFNIFN结合提出TFNIFPG算子，并研究了相关的性质，并将其运用在MAGDM中，最后数值算例证明了TFNIFPG算子的有效性和可行性.

5 结束语

在实际生活中的MAGDM问题中，决策属性之间往往存在不同程度上的相互关联，针对现有的TFNIFN信息集结算子存在失效的不足，结合PG算子，研究了TFNIFPG算子，并给出了TFNIFPG算子的一些性质，将TFNIFPG算子应用在MAGDM中，算例结果表明了该算子的有效性和正确性.与传统方法对比，该方法考虑了决策属性间的关联性，使决策分析更接近决策问题的实际情况，决策结果更加合理，为解决MAGDM问题提供了新思路.

参考文献

[1] K T ATANASSOV. Intuitionistic fuzzy sets[J]. Fuzzy Sets and Systems， 1986， 20（1）： 87-96.

[2] K T ATANASSOV， G GARGOV. Interval-valued intuitionistic fuzzy sets[J] .Fuzzy Sets and Systems，1989，31（3）： 343-349.

[3] 徐泽水.区间直觉模糊信息的集成方法及其在决策中的应用[J]. 控制与决策， 2007， 22（2）：215-219.

[4] 徐泽水，陈剑.一种基于区间直觉判断矩阵的群决策方法[J].系统工程理论与实践， 2007， 27（4）：126-133.

[5] 刘锋，袁学海.模糊数直觉模糊集[J].模糊系统与数学， 2007， 21（1）：88-91.

[6] 汪新凡.模糊数直觉模糊几何集成算子及其在决策中的应用[J].控制与决策， 2008， 23（6）：607-612.

[7] 刘於勋. 基于直觉模糊集改进算子的多目标决策方法[J]. 计算机应用， 2009， 29（5）：1273-1275.

[8] 苏杭，钱伟懿. 基于TOPSIS的模糊数直觉模糊多属性决策方法[J]. 渤海大学学报（自然科学版）， 2012， 33（1）：6-10.

[9] R R YANGER. The power average operator [J]. IEEE Transactions on Systems， Man， Cybernetics-Part A： Systems and Humans， 2001， 31（6）：724-731.

[10]Zeshui XU， Power-geometric operators and their use in group decision making [J].IEEE TRANSACTIONS ON FUZZY SYSTEMS， 2010，18（1）：94-105.

[11]Zeshui XU， R R YANGER. Approaches to multiple attribute group decision making based on intuitionistic fuzzy power aggregation operators [J]. Knowledge-Based Systems， 2011， 24（6）：749-760.

[12]Zhiming ZHANG. Generalized Atanassov's intuitionistic fuzzy power geometric operators and their application to multiple attribute group decision making [J]. Information fusion， 2013， 14（4）： 460-486.

[13]周晓辉，姚俭，吴天魁等. 三角模糊数直觉模糊Bonferroni平均算子及其应用[J]. 计算机应用研究，2015， 32（3）：671-676.

[14]卫贵武. I-FIFOWA算子及其在群决策中的应用[J]. 管理学报，2010， 7（6）：903-908.

本文来自 360文秘网(www.360wenmi.com)，转载请保留网址和出处

【模糊】相关文章：

模糊语言04-30

模糊算子05-12

模糊划分05-27

模糊组合06-05

模糊综合07-05

模糊神经控制05-01

灰色模糊集05-01

模糊语言翻译05-04