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SAM 53
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SBC 223
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SAMs 281
10.1针对模糊系统的VLSI 281
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VLSI 284
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SAMs 287
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SAM 290
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SAMVLSI 292
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SAM 304
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.A 357
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ART 371
14.4.1快速学习缓慢重编码和补充编码选择 372
14.5模糊ARTMAP 372
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ARTb 380
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FCMs 395
15.2.2FCM检索 397
15.2.3增强的FCM 398
15.2.4嵌套的FCMs 399
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FCMs 406
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