模糊推理在教学质量评价中的应用，李宏伟，于文言，本文提出了基于模糊推理的贴近度决策方法，通过教学质量评价实例，验证基于贴近度的优选决策的结果也是合理的。

自适应神经模糊推理系统及其仿真应用，刘雨刚，耿立明，本文介绍了自适应神经模糊推理系统的结构，以及如何用MATLAB模糊工具箱提供的ANFIS应用工具仿真，完成训练模糊神经网络。

洗衣机模糊推理系统实验，王万良《人工智能及其应用》课后实验二，代码+实验报告

常用的模糊推理模型，Matlab仿真，fuzzy文件夹中是对数据的评估，自适应模糊里的数据可自我学习

这个程序是我花了很长时间才完成的，而且可以通过仿真程序仿真出来的，这些程序虽然不是很好，但是是我的辛勤果实

（3）多输入多规则模糊推理 以二输入为例，对于多规则的情况，规则库可以描述为： R： R1：IF x is A1 and y is B1 THEN z is C1; R2：IF x is A2 and y is B2 THEN z is C2; …… Rn：IF x is An and y is Bn THEN z is Cn; 则当二维输入变量的模糊取值分别为A*和B*时，根据R推理得到的模糊输出C*等于所有根据Ri推理得到的模糊输出Ci的并集。 2.7 模糊推理

PyInference-библиотекадлянечеткогоиБайесовскоговывода。 Официальныйсайт- PyInference将在Python 2.7上运行。 PyInference依赖于尽可能少的包。 目前仅严格要求numpy和matplotlib。 安装 带点子： $ pip安装pyinference 或下载源代码并运行安装文件： $ python setup.py安装

用模糊推理来完成学生综合成绩评估，并在Matlab 中实现

人工智能实验二-洗衣机模糊推理系统-python

5.4主观Bayes方法 5.4.1 知识不确定性的表示 1. 知识表示方法 在主观Bayes方法中，知识是用产生式表示的，其形式为 IFETHEN(LS，LN) H 其中(LS，LN)用来表示该知识的知识强度，LS和LN的表示形式分别为 LS=P(E/H)/P(E/~H)  LN=P(~E/H) /P(~E/~H)=(1-P(E/H))/(1-P(E/~H)) LS和LN的取值范围均为［0，+∞］。 由Bayes公式可知 P(H/E)=P(E/H)×P(H)/P(E) P(~H/E)=P(E/~H)×P(~H)/P(E) 将两式相除，得 P(H/E)/P(~H/E)=P(E/H)/P(E/~H)×P(H)/P(~H) 