第1章 模糊集合 1
1.1 引言 1
1.2 模糊集的基本概念 3
1.3 模糊集合的运算 6
1.4 模糊截集及其性质 11
1.5 分解定理 14
1.6 贴近度 17
1.7 模糊模式识别 27
参考文献 33
第2章 模糊关系与模糊聚类 34
2.1 模糊关系的定义及表示形式 34
2.2 模糊关系的合成 39
2.3 模糊关系的性质 42
2.4 模糊等价关系和相似关系 43
2.5 模糊聚类 51
2.6 模糊聚类中的最大树法 57
参考文献 62
3.1 引言 63
第3章 不确定性的度量 63
3.2 经典集合的第一类不确定性 64
3.3 模糊集合的第一类不确定性 67
3.4 分割的第一类不确定性及熵 70
3.5 模糊集合的第二类不确定性一模糊熵 72
3.6 两类不确定性的区别 74
参考文献 76
第4章 模糊示例学习简介 78
4.1 机器学习简要回顾 78
4.2 示例学习及其研究状况 80
4.3 模糊环境下的示例学习 83
4.4 研究模糊示例学习的意义 85
参考文献 90
第5章 训练数据的模糊化 99
5.1 引言 99
5.2 使用统计数据产生隶属函数 100
5.3 产生隶属函数的Maxmin方法 102
5.4 其于相似性的方法 106
5.5 基于聚类的迭代算法 109
参考文献 112
第6章 模糊决策归纳学习 114
6.1 引言 114
6.2 传统的决策树与模糊决策树的比较 116
6.3 ID3算法 119
6.4 模糊ID3算法 128
6.5 产生模糊决策树的Min-A算法 134
6.6 模糊决策树的最优化及MB算法 142
6.7 试验结果的比较与分析 148
6.8 连续值属性二叉树产生时分点的模糊性 151
6.9 区间值（模糊数值）属性决策树 157
参考文献 163
第7章 模糊决策表的简化 168
7.1 模糊规则与模糊知识库 168
7.2 初始模糊规则的核与精简 172
7.3 最小精简与NP-困难 173
7.4 启发式算法 176
7.5 实验结果分析 181
参考文献 182
第8章 模糊扩张矩阵 184
8.1 引言 185
8.2 相关概念 186
8.3 启发式算法 192
8.4 实验结果的分析与比较 200
参考文献 206
9.1 模糊控制的基本概念 210
第9章 模糊控制基础 210
9.2 模糊控制的一个实例 215
参考文献 244
第10章 基于模糊示例学习的模糊控制器 245
10.1 基于示例学习的模糊控制器原理 245
10.2 基于模糊示例学习的模糊控制器的可行性分析 252
10.3 仿真结果及分析 257
参考文献 263