第一章 模糊集合 1
第一节 模糊性 2
第二节 模糊集合的定义 3
一、普通集合及其运算 3
二、模糊集的定义及其表示法 6
三、模糊集合的运算 8
第三节 λ截集与分解定理 12
一、λ截集 12
二、分解定理 14
第四节 隶属函数的确定 16
一、模糊统计 16
二、实数域R上的常用分布 18
第五节 模糊集运算的拓广 21
一、模糊并——s-范数 21
二、模糊交——t-范数 22
三、模糊补 23
四、平均算子 24
第二章 模糊关系 25
第一节 经典关系与模糊关系 26
一、关系 26
二、模糊集合的投影与柱状扩展 27
第二节 模糊关系的合成与扩展原理 29
一、模糊关系合成 29
二、扩展原理 31
三、模糊等价关系 31
第三节 模糊聚类分析 37
第四节 应用实例 42
第三章 模糊规则 53
第一节 语言变量 54
第二节 模糊if-then规则 56
一、规则形式 56
二、规则形式的理解 57
第三节 模糊if-then规则的运算 57
第四节 规则集合的数学性质 61
第四章 模糊推理 63
第一节 经典推理的拓广 64
第二节 模糊推理合成规则 65
一、广义取式推理 65
二、广义拒式推理 66
三、广义假言推理 66
四、推理过程 66
第三节 多输入多规则模糊推理机 69
一、组合推理与独立推理 70
二、几种常用的推理机 71
三、多规则推理过程 73
第四节 模糊化器与解模糊化器 75
一、模糊化器 75
二、解模糊化器 76
三、中心平均解模糊化器 77
第五章 模糊系统 79
第一节 模糊系统 80
第二节 模糊系统的万能逼近性质 84
第三节 根据输入-输出数据设计模糊系统 89
一、查表法设计模糊系统 89
二、梯度下降法设计模糊系统 94
三、聚类法设计模糊系统 99
第六章 常见神经网络 103
第一节 BP神经网络 104
一、概述 104
二、BP神经网络算法 105
三、BP网络的一些理论问题 107
四、对BP神经网络模型的改进 108
第二节 径向基函数网络 110
一、概述 110
二、RBF网络的非线性特征 111
三、基函数的确定 113
四、RBF网络的学习算法 114
五、RBF网络研究的新发展 115
第三节 自组织特征映射网络 116
一、自组织特征映射网络概述 116
二、两种联想学习规则 116
三、SOM网络的结构与特征 119
四、SOM网络计算 120
第七章 遗传算法介绍 123
第一节 适应度的构造问题 125
一、适应度函数设计的原则 126
二、适应度函数与目标函数的关系 126
三、常见适应度函数的尺度变换方法 127
第二节 遗传算法的编码方式 127
一、二进制编码 127
二、实数编码 129
三、符号编码 129
四、Gray编码 130
第三节 遗传算法的基本操作 130
一、二进制编码方式下的遗传操作 131
二、实数编码方式下的遗传操作 138
三、十进制编码方式下的遗传操作 140
四、灰色编码方式下的遗传操作 141
五、符号编码方式下的遗传操作 141
第四节 遗传算法中有关的几个问题 146
第五节 遗传算法的收敛性 147
第八章 软计算集成 149
第一节 GA-ANN 150
一、GA-BP-APARTING算法 151
二、GA-BP-NESTING算法 152
第二节 模糊-C划分 153
一、模糊-C划分的意义 153
二、算法及其收敛性 154
第三节 模糊系统与神经网络 156
第四节 两种模糊神经网络结构 160
一、结论为实数的模糊神经网络（FNN1）结构及算法 161
二、结论为线性的模糊神经网络（FNN2）结构及算法 164
三、一种动态全参数自适应BP神经网络 168
第九章 教育经济贡献率 175
第一节 人力资本的计算 176
一、潜在人力资本 176
二、中国各地区潜在人力资本 176
三、实际人力资本 178
四、中国各地区实际人力资本 179
第二节 按科技进步对目标系统的软分类 180
一、指标和样本选取 180
二、分类结果及其分析 181
第三节 模糊系统的实现 183
一、潜在人力资本与实际人力资本的模糊映射（FANN1） 183
二、生产要素与经济增长的模糊映射 184
三、中国及各地区教育对经济增长贡献率 186
第四节 湖北省及各地区教育对经济的贡献率 187
一、按科技进步水平对湖北各市、州的软分类 189
二、潜在人力资本到实际人力资本的贡献率 190
三、实际人力资本到经济增长的贡献率 190
四、湖北省及各市、州教育对经济的贡献率 191
第十章 金属矿山组合品位优化 193
第一节 品位优化数学模型 194
第二节 品位优化软计算模型 195
一、截止品位aj与损失率φ的数据对关系 195
二、尾矿量Qw的关系Qw=Qw（at,qt,aj,ar） 197
三、采选总成本C的关系C=C（at,qt,aj,ar） 197
四、算法集成 198
第三节 实证研究 199
一、损失率计算模型φ＝φ（aj） 199
二、尾矿量计算模型Qw=Qw（at,qt,aj,ar） 200
三、成本计算模型C=C（at,qt,aj,ar,） 203
四、遗传-神经优化集成 204
第十一章 石油勘探有利性综合评价 205
第一节 区带勘探有利性评价 206
一、三角模糊数 206
二、Fuzzy AHP方法 208
三、案例 209
第二节 盆地勘探有利性 213
一、预测勘探有利性的ANN结构 213
二、指标属性值的量化处理 213
三、勘探有利性评价ANN的实现算法 215
第十二章 石油勘探信息管理中的软计算 219
第一节 人工神经网络在油层识别中的应用 220
一、运用BP网络预测孔、渗、饱 220
二、运用SOM网络进行油层识别 227
三、神经网络油层识别效果分析 234
第二节 人工神经网络在储层追踪中的应用 236
一、学习样本及样本特征参数提取 237
二、网络训练 237
三、网络追踪效果分析 238
参考文献 243