基于模糊推理系统的工业过程数据挖掘 内容简介

描述和预测是数据挖掘的两个主要任务。本书从过程控制的角度出发，在简要介绍数据挖掘的基本概念和模糊推理系统理论的基础上，全面、系统地研究了基于模糊推理系统的数据挖掘技术在工业过程建模及控制器设计中的应用，为解决复杂非线性且难以建立精确数学模型的控制系统提供了思路。
本书在强调基础理论和系统性的同时，着重反映数据挖掘技术在控制领域的*新研究成果。本书注重实效，深入浅出，对每类具体问题不但提供翔实的理论推导，而且还辅以大量的仿真实例。通过本书的学习，读者可以对数据挖掘技术在复杂工业过程建模和控制器设计中的应用有深入的认识和了解。
本书适合于从事自动化技术、计算机技术、应用数学等领域的科技工作者及工程技术人员使用，也可作为高等院校相关专业师生的参考用书。

基于模糊推理系统的工业过程数据挖掘 本书特色

本书基于模糊推理系统理论和数据挖掘思想，给出了一个比较完整的、从复杂工业过程模型辨识到控制策略设计的基本框架，力求解决当前智能控制领域中存在的一些难点问题，并为广大工程技术和研究人员提供一种思路。

基于模糊推理系统的工业过程数据挖掘 目录

基于模糊推理系统的工业过程数据挖掘 节选

第2章模糊推理系统基础
2.1引言
人类解决特殊问题的能力称为智力。智力无所不在，它既可以寓于思想的符号表达能力之中，也可以是对运动、语言或图片形式等感官刺激的解释能力。日常经验告诉我们，知识水平和获得的经验对人类行为的实际成功具有很大的影响。人类的思维和决策机制表现为一个完美的模型，研究人员一直试图模仿这个模型，并尝试利用它来解决不同的技术和非技术问题。经过科研人员的不懈努力，许多称为人工智能的方法应运而生。例如，人工神经网络、模糊逻辑算法、进化或遗传算法以及专家系统等。
Zadeh教授的模糊集合理论是模糊推理系统的基石，它利用多值模糊逻辑和人工智能要素来模仿人的思维及反应。在这里词“模糊”意味着不完全明了、不充分明确，或者是根据描述人的主观、估计甚至直觉而给出的较近似的说明。世界上许许多多的事物都具有模糊的、非定量的特点，可以说模糊性是客观世界的普遍现象，而不是例外。在日常交流中，有的概念是明确的，它们表达了事物的确切信息，但也有的概念是模糊的。这种描述模糊的、不确定性的概念通常由词语或词句组成，例如大多数、许多、一些、年轻人、老人、胖子、瘦子、大高个儿、矮个儿、贫困、发达、健壮、美丽、学习不好、成绩优秀或很有可能的等，所有这些都可视为“模糊词语”。而明确的概念，如错误的、正确的、55岁等词语表示明确的、定量的意思。在特定的上下文中，它们代表“准确的词语”。
……