基于感知的信息处理走向基于感知的概率推理理论与不精确概率(L.a.Zadeh)。
代表知识
面向对象数据模型中的粗糙集不确定性(T.Beaubouef,F.E.Petry)。机器人地图中模糊空间关系的表示(I.Bloch,A.Saffiotti)。模糊序框架中的模糊“中间”算子(U.Bodenhofer)。从概念上改进Takagi-Sugeno近似的一步(s.Guadarrama,E.Trillas,J.Gutiérrez,F.Fernández)。在群体决策中结合异构信息(F.Herrera,E.Herrera Viedma,L.Martínez,P.J.Sánchez)。模糊粗糙集的函数逼近(M.Inuiguchi,T.Tanino)。
检索信息
查询聚合反映领域知识(T.Andreasen)。数据库中模糊和不确定时空信息的建模:基于约束的方法(G.de Tré,R.de Caluwe,A.Hallez,J.Verstraete)。基于查询加权和数值聚合算子的元搜索通用框架(M.Gómez,C.Abásolo)。关于模糊集上集合的比较(P.Bosc,O.Pivert,L.Liétard)。《面向Web资源的智能文本分类:实现》(S.Zadrozny,K.Lawcewicz,J.Kacprzyk)。
推理
基于原型的推理和模糊建模(R.R.Yager)。辩论框架中矛盾的逐步处理(C.Cayrol,M.C.Lagasquie)。相干条件概率作为默认推理工具(G.Coletti,R.Scozzafava,B.Vantaggi)。检测基于无冲突假设的知识库(R.Haenni)。
不确定性
信念函数理论:历史与展望(A.P.Dempster)。《走向证据理论的另一种逻辑解释和新的组合规则》(L.Cholvy)。《不确定性、2类模糊集和不确定性足迹》(J.M.Mendel)。粗糙集、贝叶斯定理和流图(Z.Pawlak)。作为组合优化的信念修正(A.Ramer)。说明为什么量化信念的度量是信念函数(Ph.Smets)。相干低预测对无界随机变量的扩展(M.C.M.Troffaes,G.de Cooman)。
学习和挖掘
使用置信函数对邻近数据进行聚类(Th.Denoeux,M.Masson)。原型归纳的层次语言聚类算法(L.González Rodríguez,J.Lawry,J.F.Baldwin)。基于模糊规则分类系统中用于特征选择和数据库学习的多目标遗传算法(O.Cordon、F.Herrera、M.J.del Jesus、L.Magdalena、A.M.Sánchez、P.Villar)。数据库中基于含义的模糊关联规则挖掘(E.Hüllermier,J.Beringer)。通过扩展最佳生成树学习图形模型(C.Borgelt,R.Kruse)。基于吸引和冲突元级证据的聚类信念函数(J.Schubert)。
基础
模糊理论的模型和子模型(V.Novák)。模糊关系系统的数值表示(S.Ovchinnikov)。模糊关系的正规形式及其对泛逼近的贡献(I.Perfilieva)。基于t-范数和t-锥的关联算子(M.Mas,R.Mesiar,M.Monserrat,J.Torrens)。
应用
基于模型的故障检测和隔离的非分析方法(P.M.Frank)。时间序列分析和预测的混合模糊分形方法及其在植物监测中的应用(O.Castillo,P.Melin)。物理任务特征的语言建模(S.Visa、A.Ralescu、S.Yeung、A.Genaidy)。
使用图形信念网络验证诊断模型(O.Kipersztok,H.Wang)。通过多代理控制调整并行排队过程(R.Palm,T.A.Runkler)。她会喜欢吗?使用模糊聚合的自动检测系统(A.Soria-Frisch,M.Köppen,Th.Sy)。
作者索引