提出一种高阶直觉模糊时间序列预测模型。模型首先应用模糊聚类算法实现论域的非等分划分；然后，针对直觉模糊时间序列的数据特性，提出一种更具客观性的直觉模糊集隶属度和非隶属度函数的确定方法；最后，利用直觉模糊多维取式推理建立高阶模型的预测规则，进行预测。在Alabama大学入学人数和北京市日均气温2组数据集上分别与典型方法进行对比实验，结果表明该模型有效提高了预测精度，证明了模型的有效性和优越性。

大数据-算法-非可换逻辑代数的滤子及模糊化理论.pdf

基于小波包熵和模糊C均值的轴承故障诊断MATLAB程序

（二）量化因子与比例因子 1．量化因子 把在 范围内连续变化的误差分成n个区间，使之离散化，则误差所取模糊集合的论域为 用于物理论域向模糊论域的转化 也有更通用的尺度变换公式,从[xmin*,xmax*]变到[xmin,xmax]: *

数学建模-聚类-足球队排名模糊聚类分析Matlab源程序

一个简单的模糊控制编程实例，看看也许有用

安全技术-网络信息-有关网络模糊motif及其精确化算法的研究.pdf

安全技术-网络信息-运用模糊神经网络研究碱集料反应和混凝土性能.pdf

Matlab R2012b代码模糊与神经模糊的车辆导航MATLAB代码 要求 MATLAB（已通过R2012b，R2015a和R2018a测试） 模糊逻辑工具箱 目标 给定包含障碍物的地图，将车辆引导至给定目标。 随时可用的唯一信息是距最近障碍物的距离以及与目标的角度，而我们只能控制车辆在每个可能方向上的速度。 模糊系统 使用适用于常识的规则解决了该问题。 为两个输入变量构造了两个分区（角度和距离的“好”和“坏”），而输出可以是“低”，“中等”或“高”速度。 第一个模糊系统（fuzzy_system_3_rules.fis）根据以下规则建模： 如果角度为“好”而距离为“好”，则速度为“高”。 如果角度为“坏”，则速度为“低”。 如果角度为“好”而距离为“差”，则速度为“中等”。 对于第二模糊系统（fuzzy_system_5_rules.fis），该角度也可以是“垂直”（接近90度的角度），并且距最近障碍物的距离也可以是“最差”（确实接近障碍物）。 该系统以上述规则以及以下规则为模型： 如果角度为“垂直”且距离为“不良”，则速度为“高”。 如果距离为“最差”，则速度为“中等”。 对于给

ArcGIS教程：模糊叠加和加权叠加.docx