模糊集（fuzzy set，FS）是描述现实世界不确定性的有力工具。其中二型模糊集（type-2 fuzzy set，T2 FS）因为比传统一型模糊集（type-1 fuzzy set，T1 FS）多具备描述高阶不确定性的能力，近年来日益受到研究者们的广泛关注。T2 FS中的区间二型模糊集（interval type-2 fuzzy set，IT2 FS）在结构复杂度和模型表达能力两方面取得了较好的平衡，是目前词计算（computing with words，CWW）等模糊逻辑系统（fuzzy logic system，FLS）广泛采用的组件。作为系统的关键组件，如何构造出合适的IT2 FS是FLS领域一个重要问题。 本文首先综述FS的背景，以IT2 FS的构造方法为重点，介绍T2 FS、IT2 FS的相关理论。然后重点介绍本文新提出的IT2 FS构造统一框架——通用区间方法。在框架中引入了与人们置信程度更一致的正态分布，边界曲线连续可导的高斯型FOU等更多模型，给方法增加了更多选择上的灵活性。在添加正态分布的同时，引入了自由参数。调节该自由参数的数值大小可以实现FS按需调整。 现在已经有很多从区间数据构造IT2 FS的方法。但是不同方法从相同数据源构造的FS大有不同。到底应该选用哪种方法？这为后来应用它们造成了不小的困惑。EIA认为IT2 FS越窄构造方法越好的看法过于随意。在A. Bilgin 2016年所提方法中，用于评价T2 FS的CWW系统过于复杂。针对此问题，本文试从模糊统计法、算法鲁棒性和模糊控制实例三个角度给出IT2 FS构造方法的参考评价准则。 现存FS构造方法都是从同论域、一定规模的样本作为数据源，当样本数量很少时就无能为力了。本文借鉴迁移学习的思想，首次给出涵盖T1 FS和IT2 FS构造的样本迁移方法。为FS构造提供了一套小样本学习方案。 本文提出的GIA在吸收前人成果的基础上，对IT2 FS构造进行了丰富和扩展。本文在FS构造方法评价准则、样本迁移构造FS等新颖领域做了一些探索，对其他FLS研究者应能有些许启发。

Research of constructing interval type-2 fuzzy sets based on data intervals