4、基于模糊规则的直接推理与离散输出系统模糊逼近

基于模糊规则的直接推理与离散输出系统模糊逼近

1 引言

在决策和识别领域，基于知识工程的智能技术为复杂问题的解决提供了新的途径。通过将对象结构以语言化的 IF - THEN 规则表示，能够反映人类基于常识和实践知识的推理过程。这种基于模糊规则的方法在设计复杂系统、构建模糊专家系统等方面具有重要应用。接下来，我们将深入探讨相关的理论和方法。

2 源信息的形式化

2.1 对象的输入和输出

考虑一个具有一个输出和 n 个输入的对象，其形式为：
[y = f(x_1, x_2, …, x_n)]
其中，y 是输出变量，(x_1, x_2, …, x_n) 是输入变量。这些变量可以是定量的，也可以是定性的。

定量变量具有明确的测量尺度，例如：
- 车辆速度：[0, 160] km/h
- 患者体温：[36, 41] °C
- 反应堆负载剂量：[6, 20]%

定性变量则没有自然的测量尺度，例如操作员压力水平，可以用定性术语（低、中、高）或人工尺度（如 5 分制、10 分制或 100 分制）来估计。

对于定量变量，建议使用已知的变化区间：
[U_i = [x_i, \overline{x}_i], i = 1, n]
[Y = [y, \overline{y}]]
其中，(x_i)（(\overline{x}_i)）是输入变量 (x_i) 的下限（上限）值，y（(\overline{y})）是输出变量 y 的下限（上限）值。

对于定性变量，已知所有可能值的集合：
[U_i = {v_{i1}, v