本书系统分析了模糊集和模糊关系矩阵合成运算的不完备性,给出清晰集的概念和运算,包括清晰集的定义,清晰集的量化,清晰集并、交、余运算以及清晰集与模糊集的关系;指出模糊理论中可能性测试公理的错误,引入清晰数的定义,清晰数的加、减、乘、除四则运算以及清晰数的大小比较,研究了清晰综合评判,包括模糊综合评判错误、清晰综合评判模型;讨论模糊模型识别的错误和清晰模型识别方法;介绍清晰数在机械更新决策与机械的失效概率和可靠度中的应用,建立数据挖掘的一种新方法——清晰支持向量机,给出清晰事件的可信度和清晰机会约束规划,构建了清晰支持向量机(算法),并且研究清晰支持向量机在亚健康识别中的应用。
前言
第1章 模糊集完备性讨论
1.1 经典集合
1.1.1 集合及其表示
1.1.2 集合的包含
1.1.3 集合的运算
1.1.4 集合的特征函数
1.2 概念原理
1.3 模糊子集及其运算
1.3.1 模糊子集的概念
1.3.2 模糊集的运算
1.4 集合的完备性
1.4.1 集合相等的完备性
1.4.2 集合包含的完备性
1.4.3 集合并运算的完备性
1.4.4 集合交运算的完备性
1.5 特征函数再讨论
1.5.1 集合的隶属（特征）函数
1.5.2 构造性举例
第2章 模糊关系矩阵合成运算再讨论
2.1 模糊矩阵与模糊关系简介
2.1.1 模糊矩阵的概念
2.1.2 模糊矩阵的运算
2.1.3 模糊关系
2.1.4 模糊集合的其他运算
2.2 模糊关系矩阵合成运算讨论
第3章 清晰集
3.1 模糊数学危机
3.2 清晰集的概念及运算
3.2.1 清晰集的概念
3.2.2 清晰集的运算
3.2.3 清晰集的量化
3.2.4 清晰集并、交、余的隶属函数
3.3 清晰集与模糊集的关系和区别
3.3.1 清晰集与模糊集的关系
3.3.2 清晰集与模糊集的区别
3.4 可能性测度公理3再认识
3.4.1 可能性测度错误
3.4.2 可能性测度的三条公理
3.4.3 可信性测度与概率测度的不平行性
第4章 清晰数的概念
4.1 清晰数的定义
4.2 清晰数的加法运算及性质
4.2.1 清晰数的加法运算
4.2.2 清晰数加法的运算性质
4.3 清晰数的减法及运算性质
4.3.1 清晰数的减法
4.3.2 清晰数减法的运算性质
4.4 清晰数的乘法及运算法则
4.4.1 清晰数的乘法
4.4.2 清晰数乘法的运算性质
4.5 清晰数的除法及运算性质
4.5.1 清晰数的除法
4.5.2 清晰数除法的运算性质
4.6 清晰数的大小关系
4.6.1 清晰数的分布函数表示法
4.6.2 清晰数的大小
第5章 清晰综合评判范例
5.1 模糊综合评判的错误
5.2 清晰数的可信度、均值
5.2.1 清晰数可信度的概念
5.2.2 清晰数的均值及性质
5.3 清晰综合评判范例
5.4 清晰综合评判的运算模型
5.4.1 单层清晰综合评判
5.4.2 多层清晰综合评判
第6章 清晰模型识别
6.1 模糊模型识别再认识
6.2 有限经典集合的贴近度
6.3 贴近度公理化定义讨论
6.4 清晰集贴近度初论
第7章 清晰数的应用
7.1 清晰数在机械更新决策中的应用
7.2 清晰数在机械的失效概率和可靠度的应用
7.2.1 机械的可靠度
7.2.2 机械的失效概率
7.2.3 机械系统的可靠度的计算
第8章 清晰支持向量机
8.1 支持向量机综述
8.2 支持向量机基本原理
8.2.1 线性支持向量机
8.2.2 非线性支持向量机
8.2.3 半监督支持向量机
8.3 清晰事件的可信度
8.4 清晰机会约束规划及其解法
8.5 线性清晰支持向量机
8.6 非线性清晰支持向量机
8.7 数据试验
8.8 清晰支持向量机在亚健康识别中的应用
8.8.1 应用背景
8.8.2 基于清晰支持向量机的亚健康状态识别
8.8.3 试验结果及分析
参考文献
暂无
