乔治·克莱尔。;袁波 模糊集与模糊逻辑：理论与应用。 （英语） Zbl 0915.03001号 新泽西州上马鞍河：普伦蒂斯·霍尔。xv，574页（1995年）。 20世纪80年代，模糊逻辑和模糊集理论的成功实际应用如雨后春笋般涌现。这些应用带来了大量的实证数据，反过来也引发了相关理论研究的繁荣。出现了几本研究专著，详细涵盖了特定的应用领域（如模糊控制或模糊模式识别）和模糊技术的特定理论方面（如模糊测度）。然而，需要一本最新的百科全书，它将指导读者从模糊方法论的基础一直到主要应用背后的数学和算法。这样一本书是由克莱尔和袁于1995年出版的。现在仍然是（1999年）这个模糊百科全书。简而言之，模糊逻辑和模糊集理论是一种处理人类知识的不确定性和模糊性的方法。本书从扎德的原始想法开始，描述自然语言中的“模糊”（fuzzy）术语，如“小”、“大”等，通过描述估计量的每个可能值（x），该特定值小（相应地，大，等等）的程度。通常，这些度用区间（[0,1]\）中的数字来描述：1表示绝对确定性，0表示绝对虚假性，而开区间（0,1）中的数值描述中间度。这个函数被称为隶属函数或模糊集。因此，为了描述和处理专家知识，我们必须从自然语言中描述所有相应术语的隶属函数。当我们知道专家在两种陈述中的确定度（A）和B）时，下一个自然的问题是根据这一信息，在A和B的逻辑组合中，对确定度（A&B）、B等进行估计：。自然需求导致了运算（f_&\）和（f_vee）作为（有序）半群的数学描述；第3章给出了这类半群运算的完整分类，以及这类运算的有用例子（以及为了更好地捕捉专家的推理而违反半群要求的运算例子）。以下章节描述了模糊数，即通过模糊属性描述的数，如“（x）接近0.3”（第4章），模糊关系，即“（a）远大于（b）”，这些关系（通常）只在一定程度上成立（第5章），fuzzy测度（第7章），fuzzy逻辑（第8章），和基于模糊的信息度量（第9章）。第二部分概述了模糊方法的主要应用。本部分的前两章描述了一般应用技术——如何导出隶属函数（第10章）以及如何在近似推理中使用它们（第11章）。之后，实际应用如下：控制（第12章）、模式识别（第13章）、数据库和信息检索（第14章）、决策（第15章）、工程（第16章）、医学、经济等（第17章）。附录概述了相关技术，如神经网络、遗传算法和粗糙集。这本书是以数学形式写的，有定义、定理、证明等。练习使它成为一本很好的教科书。大多数章节以简短的历史注释结尾，1600多个项目的参考书目是一个非常有用的补充。审核人：V.Ya.公司。克雷诺维奇（埃尔帕索） 引用于7评论引用于1099文件 MSC公司： 03-01 关于数学逻辑和基础的介绍性说明（教科书、教程论文等） 03E72型 模糊集理论等。 68立方英尺 知识表示 03B52号 模糊逻辑；模糊逻辑 94D05型 模糊集和逻辑（与信息、通信或电路理论有关） 68-01 与计算机科学有关的介绍性说明（教科书、教程论文等） 03-02 与数学逻辑和基础相关的研究展览（专著、调查文章） 68-02 与计算机科学有关的研究展览会（专著、调查文章） 关键词：模糊集;模糊逻辑;模糊数;模糊关系;模糊测度;近似推理;模式识别;数据库;信息检索;决策;工程;医学;经济学 PDF格式BibTeX公司 XML格式引用 \textit{G.J.Klir}和\textit{B.Yuan}，模糊集和模糊逻辑：理论和应用。新泽西州上鞍河：普伦蒂斯·霍尔（1995；Zbl 0915.03001）