模糊信息处理理论与应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

模糊信息处理理论与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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、子集和幂集1

1.1.3 集合的运算及其性质2

1.1.4 特征函数4

1.2 模糊集合的基本概念和运算5

1.2.1 模糊集合的概念5

1.2.2 模糊集合的运算及其性质8

1.2.3 模糊集合运算的其他定义12

1.3 模糊集合与普通集合之间的关系13

1.3.1 a截集13

1.3.2 分解定理14

1.3.3 模糊集合的核15

1.4 凸模糊集与模糊数15

1.4.1 凸模糊集15

1.4.2 模糊数16

1.4.3 模糊集的四种标准隶属度函数19

1.5 小结21

参考文献21

第2章 模糊关系22

2.1 关系的基本知识22

2.1.1 集合的笛卡儿乘积22

2.1.2 关系22

2.1.3 映射23

2.2 模糊关系的基本原理23

2.2.1 模糊关系的概念23

2.2.2 模糊关系的模糊矩阵表示24

2.2.3 模糊关系的投影24

2.2.4 模糊关系的运算25

2.3 模糊关系的合成27

2.3.1 普通关系的合成27

2.3.2 模糊关系合成的定义28

2.3.3 模糊关系合成的性质29

2.4 模糊关系的自反性、对称性和传递性30

2.4.1 自反性30

2.4.2 对称性30

2.4.3 传递性31

2.4.4 模糊相似关系和模糊等价关系31

2.5 扩展原理34

2.5.1 集合在映射下的象34

2.5.2 模糊集合在映射下的象34

2.5.3 扩展原理的一般表达式35

2.6 模糊综合评判37

2.6.1 模糊综合评判的基本概念37

2.6.2 一级模糊综合评判37

2.6.3 多级模糊综合评判40

2.7 小结41

参考文献41

第3章 模糊逻辑42

3.1 模糊逻辑代数的基本知识42

3.1.1 布尔代数和德·摩根代数42

3.1.2 模糊逻辑公式44

3.2 模糊逻辑函数的分解和合成45

3.2.1 分解问题46

3.2.2 合成问题48

3.3 模糊推理50

3.3.1 模糊命题及蕴含式50

3.3.2 模糊推理的定义53

3.3.3 推论的合成规则54

3.3.4 三种典型的模糊推理方法55

3.4 小结63

参考文献64

第4章 语言变量和模糊算法65

4.1 语言变量65

4.1.1 语言变量的一般概念65

4.1.2 构成式语言变量67

4.1.3 合成辞的辞义67

4.1.4 语言真值69

4.2 模糊算法70

4.2.1 概述70

4.2.2 模糊条件语句71

4.2.3 模糊算法的指令72

4.2.4 指令的执行73

4.2.5 模糊算法的基本类型73

4.3 小结78

参考文献78

第5章 模糊不确定性和模糊信息79

5.1 模糊集的模糊度79

5.2 模糊相似性度量80

5.2.1 模糊集之间的距离81

5.2.2 贴近度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 模糊信息和香农信息的等效关系86

5.4 模糊信息处理的塔形结构88

5.4.1 概述88

5.4.2 模糊塔形结构88

5.4.3 模糊塔形的层间熵分布89

5.4.4 模糊塔形的信息处理90

5.5 模糊事件的概率90

5.6 可能性理论93

5.6.1 可能性93

5.6.2 可能性测度94

5.7 小结95

参考文献95

第6章 模糊聚类96

6.1 概述96

6.1.1 聚类和聚类方法概述96

6.1.2 距离度量97

6.1.3 模糊聚类的概念98

6.2 模糊划分99

6.3 基于目标函数的模糊c-均值聚类101

6.4 模糊c-线性簇聚类106

6.5 模糊c-球壳聚类109

6.5.1 模糊c-球壳聚类原理109

6.5.2 模糊c-球壳聚类的一些改进115

6.6 区间值数据的模糊c-均值聚类119

6.6.1 区间值数据119

6.6.2 区间值数据的模糊c-均值聚类原理121

6.6.3 三种区间数FCM聚类算法的关系124

6.7 加权模糊c-均值聚类126

6.7.1 对模糊划分矩阵中隶属度的解释127

6.7.2 加权模糊c-均值聚类算法128

6.7.3 几个具体的加权函数及实例130

6.8 模糊软聚类132

6.8.1 截集模糊c-均值聚类算法132

6.8.2 对手抑制式模糊c-均值聚类136

6.9 模糊聚类的遗传算法实现技术140

6.9.1 遗传算法的基本原理140

6.9.2 遗传算法求解聚类问题144

6.10 小结147

参考文献147

第7章 模糊聚类的有效性149

7.1 概述149

7.2 模糊聚类FCM加权指数m的研究152

7.2.1 加权指数m的极限特性152

7.2.2 最优加权指数m的研究157

7.3 模糊聚类的最优类数c的研究164

7.3.1 划分系数与划分熵164

7.3.2 划分系数作为聚类有效性函数的原因165

7.3.3 基于可能性分布的聚类有效性函数167

7.3.4 聚类有效性函数：熵公式171

7.3.5 基于子集测度的聚类有效性函数175

7.3.6 基于几何结构的聚类有效性178

7.4 模糊聚类的初始化问题184

7.4.1 基于硬聚类的初始化方法185

7.4.2 基于势函数的初始化方法186

7.5 小结190

参考文献190

第8章 模糊神经网络193

8.1 概述193

8.2 模糊神经网络的发展状况193

8.2.1 FNN模型和算法195

8.2.2 FNN的函数逼近问题198

8.2.3 关于FNN的学习能力199

8.2.4 对今后FNN研究的几点看法200

8.3 模糊系统与神经网络之间的等价性及互换机制200

8.3.1 模糊系统和神经网络之间的等价性200

8.3.2 模糊系统和神经网络之间的互换机制201

8.3.3 模糊神经网络集成系统设计的一般原则和方法203

8.4 模糊神经网络分类器设计204

8.4.1 特征空间划分的模糊ID3方法205

8.4.2 模糊神经网络分类器的结构和学习算法210

8.5 模糊聚类神经网络213

8.5.1 竞争学习算法213

8.5.2 基于目标函数法的聚类神经网络的构造215

8.5.3 模糊逻辑神经元构造的聚类神经网络217

8.6 模糊聚类神经网络的实现方法220

8.6.1 硬c-均值聚类神经网络220

8.6.2 模糊c-均值聚类神经网络221

8.6.3 模糊c-球壳聚类神经网络223

8.6.4 模糊c-椭球壳聚类神经网络225

8.6.5 模糊c-线聚类神经网络227

8.7 小结230

参考文献230

第9章 模糊识别技术232

9.1 概述232

9.2 特征选择的模糊聚类方法233

9.2.1 类内处理234

9.2.2 类间处理235

9.2.3 最优特征维数的自动确定236

9.3 特征空间划分的有监督聚类方法237

9.3.1 加权模糊c-均值聚类划分238

9.3.2 对聚类划分的监督控制239

9.3.3 超长方体的合并与扩展240

9.4 前视舰船红外成像目标检测与识别的模糊技术244

9.4.1 舰船红外成像特性分析245

9.4.2 舰船成像图像中海天线的计算247

9.4.3 目标搜索与模糊区域生长图像分割250

9.4.4 单连通区域的标注255

9.4.5 舰船目标的模糊识别256

9.5 联机手绘图形的模糊识别技术262

9.5.1 联机手绘图形的层次化识别框架263

9.5.2 图形数据的获取和预处理264

9.5.3 点序列旋转角的单边积分算法266

9.5.4 手绘图形单笔笔画的特征描述267

9.5.5 基线分解与识别的模糊技术269

9.5.6 图形基元识别的模糊定义算法276

9.5.7 属性关系图与手绘图形的定序属性关系图281

9.5.8 信息不完备的定序属性关系图匹配技术287

9.6 小结291

参考文献291

第10章 基于模糊信息处理的图像分割294

10.1 概述294

10.2 直方图模糊约束FCM聚类自适应多阈值分割296

10.2.1 关于图像直方图的一些定义296

10.2.2 直方图的硬约束FCM聚类297

10.2.3 直方图的模糊约束FCM聚类299

10.2.4 直方图FCM聚类划分函数的划分特性300

10.2.5 多阈值分割的划分函数及阈值的确定303

10.2.6 最佳分割类数的自动确定304

10.2.7 直方图FCM聚类的初始化问题304

10.2.8 多阈值分割算法基本实现步骤和举例304

10.3 图像直方图的模糊增强技术307

10.3.1 基于平滑性测度的直方图模糊自适应增强307

10.3.2 彩色图像色调直方图的模糊增强313

10.4 塔型模糊聚类及区域模糊合并图像分割320

10.4.1 图像模糊聚类特征和参数的选择321

10.4.2 图像分割的塔型FCM聚类算法321

10.4.3 过分割区域的模糊合并算法323

10.5 纹理图像分割的塔型模糊聚类方法324

10.5.1 纹理图像的灰度共生矩阵及其特征描述325

10.5.2 纹理图像塔型数据的构造和特征提取327

10.5.3 纹理分割的塔型模糊聚类329

10.5.4 纹理块聚类结果的去模糊处理330

10.6 基于邻域有序性模糊度量的多尺度边缘检测方法333

10.6.1 边缘的邻域有序性模糊度量334

10.6.2 边缘检测算子滤波尺度的调整336

10.7 序列图像目标的模糊检测与分割338

10.7.1 模糊加权的时域滤波运动目标分割339

10.7.2 模糊自适应局部阈值序列图像分割341

10.8 小结344

参考文献344

第11章 基于模糊信息处理的雷达目标跟踪347

11.1 概述347

11.2 基于模糊Hough变换的航迹起始方法348

11.2.1 Hough变换原理348

11.2.2 均值漂移算法的基本理论350

11.2.3 模糊影响因子的选取352

11.2.4 算法流程354

11.2.5 仿真分析355

11.3 模糊积分粒子滤波器358

11.3.1 系统模型358

11.3.2 Gauss-Hermite积分规则359

11.3.3 模糊积分粒子滤波359

11.3.4 算法讨论364

11.3.5 实验结果及分析364

11.4 光学观测数据的模糊综合关联算法366

11.4.1 算法流程366

11.4.2 关联预处理367

11.4.3 模糊综合关联368

11.5 直觉模糊联合概率数据关联滤波器370

11.5.1 直觉模糊集的构造370

11.5.2 基于IF点算子的关联度计算371

11.5.3 IF-JPDAF1和IF-JPDAF2374

11.5.4 实验结果及分析376

11.6 ADS-B数据和雷达航迹的直觉模糊数据关联算法381

11.6.1 直觉模糊集理论381

11.6.2 关联预处理382

11.6.3 直觉模糊指数的计算384

11.6.4 各属性的模糊决策分数计算386

11.6.5 多属性加权决策数据关联386

11.7 小结387

参考文献387

第12章 基于模糊信息处理的视频多目标跟踪389

12.1 概述389

12.2 基于模糊空时信息聚类的视频多目标跟踪方法390

12.2.1 空时多属性特征390

12.2.2 基于模糊空时信息聚类的数据关联394

12.2.3 虚假观测判别与轨迹管理395

12.2.4 实验结果及分析397

12.3 基于直觉模糊集的视频多目标跟踪方法401

12.3.1 直觉模糊集与直觉模糊点算子402

12.3.2 基于直觉模糊集的数据关联403

12.3.3 目标轨迹的建立、外推与删除405

12.3.4 实验结果及分析406

12.4 基于直觉模糊随机森林的视频多目标跟踪方法408

12.4.1 直觉模糊决策树模型409

12.4.2 直觉模糊随机森林模型415

12.4.3 基于相关性度量的数据关联416

12.4.4 实验结果及分析418

12.5 基于提升直觉模糊树的视频多目标跟踪方法420

12.5.1 AdaBoost算法基本原理420

12.5.2 提升直觉模糊树模型422

12.5.3 实验结果及分析423

12.6 基于模糊逻辑的视频多目标跟踪方法424

12.6.1 多特征相似性度量425

12.6.2 目标运动模型426

12.6.3 模糊数据关联426

12.6.4 目标模型更新及遮挡处理430

12.6.5 目标轨迹管理规则431

12.6.6 跟踪算法流程432

12.6.7 实验结果及分析433

12.7 基于模糊轨迹关联的视频多目标跟踪方法433

12.7.1 模糊轨迹关联434

12.7.2 目标初始化437

12.7.3 目标终止437

12.7.4 实验结果及分析438

12.8 小结439

参考文献440