●前言
第1章 模糊集合 1
1.1 普通集合 1
1.1.1 集合的概念 1
1.1.2 空集、全集、子集和冪集 1
1.1.3 集合的運算及其性質 2
1.1.4 特征函數 4
1.2 模糊集合的基本概念和運算 5
1.2.1 模糊集合的概念 5
1.2.2 模糊集合的運算及其性質 8
1.2.3 模糊集合運算的其他定義 12
1.3 模糊集合與普通集合之間的關繫 13
1.3.1 α截集 13
1.3.2 分解定理 14
1.3.3 模糊集合的核 15
1.4 凸模糊集與模糊數 15
1.4.1 凸模糊集 15
1.4.2 模糊數 16
1.4.3 凸模糊集的四種標準隸屬度函數 19
1.5 小結 21
參考文獻 21
第2章 模糊關繫 22
2.1 關繫的基本知識 22
2.1.1 集合的笛卡兒乘積 22
2.1.2 關繫 22
2.1.3 映射 23
2.2 模糊關繫的基本原理 23
2.2.1 模糊關繫的概念 23
2.2.2 模糊關繫的模糊矩陣表示 24
2.2.3 模糊關繫的投影 24
2.2.4 模糊關繫的運算 25
2.3 模糊關繫的合成 27
2.3.1 普通關繫的合成 27
2.3.2 模糊關繫合成的定義 28
2.3.3 模糊關繫合成的性質 29
2.4 模糊關繫的自反性、對稱性和傳遞性 30
2.4.1 自反性 30
2.4.2 對稱性 30
2.4.3 傳遞性 31
2.4.4 模糊相似關繫和模糊等價關繫 31
2.5 擴展原理 34
2.5.1 集合在映射下的像 34
2.5.2 模糊集合在映射下的像 34
2.5.3 擴展原理的一般表達式 35
2.6 模糊綜合評判 37
2.6.1 模糊綜合評判的基本概念 37
2.6.2 一級模糊綜合評判 37
2.6.3 多級模糊綜合評判 40
2.7 小結 41
參考文獻 41
第3章 模糊邏輯 42
3.1 模糊邏輯代數的基本知識 42
3.1.1 布爾代數和德 摩根代數 42
3.1.2 模糊邏輯公式 44
3.2 模糊邏輯函數的分解和合成 45
3.2.1 分解問題 46
3.2.2 合成問題 48
3.3 模糊推理 50
3.3.1 模糊命題及蘊含式 50
3.3.2 模糊推理的定義 53
3.3.3 推論的合成規則 54
3.3.4 三種典型的模糊推理方法 55
3.4 小結 63
參考文獻 64
第4章 語言變量和模糊算法 65
4.1 語言變量 65
4.1.1 語言變量的一般概念 65
4.1.2 構成式語言變量 67
4.1.3 合成辭的辭義 67
4.1.4 語言真值 69
4.2 模糊算法 70
4.2.1 概述 70
4.2.2 模糊條件語句 71
4.2.3 模糊算法的指令 72
4.2.4 指令的執行 73
4.2.5 模糊算法的基本類型 73
4.3 小結 78
參考文獻 78
第5章 模糊不確定性和模糊信息 79
5.1 模糊集的模糊度 79
5.2 模糊相似性度量 80
5.2.1 模糊集之間的距離 81
5.2.2 貼近度 82
5.2.3 模糊相似度 84
5.3 模糊信息量 85
5.3.1 模糊熵 85
5.3.2 模糊信息和香農信息的等效關繫 86
5.4 模糊信息處理的塔形結構 88
5.4.1 概述 88
5.4.2 模糊塔形結構 88
5.4.3 模糊塔形的層間熵分布 89
5.4.4 模糊塔形的信息處理 90
5.5 模糊事件的概率 90
5.6 可能性理論 93
5.6.1 可能性 93
5.6.2 可能性測度 94
5.7 小結 95
參考文獻 95
第6章 模糊聚類 96
6.1 概述 96
6.1.1 聚類和聚類方法概述 96
6.1.2 距離度量 97
6.1.3 模糊聚類的概念 98
6.2 模糊劃分 99
6.3 基於目標函數的模糊c-均值聚類 101
6.4 模糊c-線性簇聚類 106
6.5 模糊c-球殼聚類 109
6.5.1 模糊c-球殼聚類原理 109
6.5.2 模糊c-球殼聚類的一些改進 115
6.6 區間值數據的模糊c-均值聚類 119
6.6.1 區間值數據 119
6.6.2 區間值數據的模糊c-均值聚類原理 121
6.6.3 三種區間數FCM聚類算法的關繫 124
6.7 加權模糊c-均值聚類 126
6.7.1 對模糊劃分矩陣中隸屬度的解釋 127
6.7.2 加權模糊c-均值聚類算法 128
6.7.3 幾個具體的加權函數及實例 130
6.8 模糊軟聚類 132
6.8.1 截集模糊c-均值聚類算法 132
6.8.2 對手抑制式模糊c-均值聚類 136
6.9 模糊聚類的遺傳算法實現技術 140
6.9.1 遺傳算法的基本原理 140
6.9.2 遺傳算法求解聚類問題 144
6.10 小結 147
參考文獻 147
第7章 模糊聚類的有效性 149
7.1 概述 149
7.2 模糊聚類FCM加權指數m的研究 152
7.2.1 加權指數m的極限特性 152
7.2.2 很優加權指數m的研究 157
7.3 模糊聚類的很優類數c的研究 164
7.3.1 劃分繫數與劃分熵 164
7.3.2 劃分繫數作為聚類有效性函數的原因 165
7.3.3 基於可能性分布的聚類有效性函數 167
7.3.4 聚類有效性函數：熵公式 171
7.3.5 基於子集測度的聚類有效性函數 175
7.3.6 基於幾何結構的聚類有效性 178
7.4 模糊聚類的初始化問題 184
7.4.1 基於硬聚類的初始化方法 185
7.4.2 基於勢函數的初始化方法 186
7.5 小結 190
參考文獻 190
第8章 模糊神經網絡 193
8.1 概述 193
8.2 模糊神經網絡的發展狀況 193
8.2.1 FNN模型和算法 195
8.2.2 FNN的函數逼近問題 198
8.2.3 關於FNN的學習能力 199
8.2.4 對今後FNN研究的幾點看法 200
8.3 模糊繫統與神經網絡之間的等價性及互換機制 200
8.3.1 模糊繫統和神經網絡之間的等價性 200
8.3.2 模糊繫統和神經網絡之間的互換機制 201
8.3.3 模糊神經網絡集成繫統設計的一般原則和方法 203
8.4 模糊神經網絡分類器設計 204
8.4.1 特征空間劃分的模糊ID3方法 205
8.4.2 模糊神經網絡分類器的結構和學習算法 210
8.5 模糊聚類神經網絡 213
8.5.1 競爭學習算法 213
8.5.2 基於目標函數法的聚類神經網絡的構造 215
8.5.3 模糊邏構造的聚類神經網絡 217
8.6 模糊聚類神經網絡的實現方法 220
8.6.1 硬c-均值聚類神經網絡 220
8.6.2 模糊c-均值聚類神經網絡 221
8.6.3 模糊c-球殼聚類神經網絡 223
8.6.4 模糊c-橢球殼聚類神經網絡 225
8.6.5 模糊c-線聚類神經網絡 227
8.7 小結 230
參考文獻 230
第9章 模糊識別技術 232
9.1 概述 232
9.2 特征選擇的模糊聚類方法 233
9.2.1 類內處理 234
9.2.2 類間處理 235
9.2.3 很優特征維數的自動確定 236
9.3 特征空間劃分的有監督聚類方法 237
9.3.1 加權模糊c-均值聚類劃分 238
9.3.2 對聚類劃分的監督控制 239
9.3.3 超長方體的合並與擴展 240
9.4 前視艦船紅外成像目標檢測與識別的模糊技術 244
9.4.1 艦船紅外成像特性分析 245
9.4.2 艦船成像圖像中海天線的計算 247
9.4.3 目標搜索與模糊區域生長圖像分割 250
9.4.4 單連通區域的標注 255
9.4.5 艦船目標的模糊識別 256
9.5 聯機手繪圖形的模糊識別技術 262
9.5.1 聯機手繪圖形的層次化識別框架 263
9.5.2 圖形數據的獲取和預處理 264
9.5.3 點序列旋轉角的單邊積分算法 266
9.5.4 手繪圖形單筆筆畫的特征描述 267
9.5.5 基線分解與識別的模糊技術 269
9.5.6 識別的模糊定義算法 276
9.5.7 屬性關繫圖與手繪圖形的定序屬性關繫圖 281
9.5.8 信息不完備的定序屬性關繫圖匹配技術 287
9.6 小結 291
參考文獻 291
第10章 基於模糊信息處理的圖像分割 294
10.1 概述 294
10.2 直方圖模糊約束FCM聚類自適應多閾值分割 296
10.2.1 關於圖像直方圖的一些定義 296
10.2.2 直方圖的硬約束FCM聚類 297
10.2.3 直方圖的模糊約束FCM聚類 299
10.2.4 直方圖FCM聚類劃分函數的劃分特性 300
10.2.5 多閾值分割的劃分函數及閾值的確定 303
10.2.6 很好分割類數的自動確定 304
10.2.7 直方圖FCM聚類的初始化問題 304
10.2.8 多閾值分割算法基本實現步驟和舉例 304
10.3 圖像直方圖的模糊增強技術 307
10.3.1 基於平滑性測度的直方圖模糊自適應增強 307
10.3.2 彩色圖像色調直方圖的模糊增強 313
10.4 塔型模糊聚類及區域模糊合並圖像分割 320
10.4.1 圖像模糊聚類特征和參數的選擇 321
10.4.2 圖像分割的塔型FCM聚類算法 321
10.4.3 過分割區域的模糊合並算法 323
10.5 紋理圖像分割的塔型模糊聚類方法 324
10.5.1 紋理圖像的灰度共生矩陣及其特征描述 325
10.5.2 紋理圖像塔型數據的構造和特征提取 327
10.5.3 紋理分割的塔型模糊聚類 329
10.5.4 紋理塊聚類結果的去模糊處理 330
10.6 基於鄰域有序性模糊度量的多尺度邊緣檢測方法 333
10.6.1 邊緣的鄰域有序性模糊度量 334
10.6.2 邊緣檢測算子濾波尺度的調整 336
10.7 序列圖像目標的模糊檢測與分割 338
10.7.1 模糊加權的時域濾波運動目標分割 339
10.7.2 模糊自適應局部閾值序列圖像分割 341
10.8 小結 344
參考文獻 344
第11章 基於模糊信息處理的雷達目標跟蹤 347
11.1 概述 347
11.2 基於模

模糊信息處理是智能信息處理的重要方向。本書是關於模糊信息處理理論與應用的一部專著。全書共12章，繫統地闡述模糊集合、模糊關繫、模糊邏輯、語言變量和模糊不確定性等模糊集合與模糊繫統的基礎理論，對模糊信息處理在模糊聚類、模糊神經網絡、模糊識別技術、模糊圖像分割以及目標跟蹤的模糊信息方法等方面的理論和應用進行深入分析，給出相應的技術與方法。