模糊认知图(FCM)是Kosko融合Zadeh的模糊集理论和Axelrod的认知图理论提出的。FCM 的概念值和弧的权值都可以为模糊值，它是一种软计算，是模糊逻辑和神经网络结合的产物，其知识表示和推理能力更强。
模糊认知图(Fuzzy Cognitive Map，FCM)是 Kosko 融合 Zadeh 的模糊集理论和 Axelrod 的认知图理论提出的。FCM 的概念值和弧的权值都可以为模糊值，它是一种软计算，是模糊逻辑和神经网络结合的产物，其知识表示和推理能力更强。
FCM 理论在政治、经济、医学、军事、社会关系和信息系统、网络管理、故障分析、多 Agent 系统、工业控制、虚拟现实等领域中得到了广泛应用。
概述
模糊认知图(Fuzzy Cognitive Maps，FCMs)是 Kosko 在 Axelord 认知图基础上，将概念间的三值关系{1，0，1)扩展成为区间[-1，1]上的模糊关系发展而来的，这使得模糊认知图包含的信息更加丰富。模糊认知图是一种软计算方法，它是模糊逻辑和网络相结合的产物。
模糊认知图是知识的一种图解表示，它是一个将模糊反馈动力系统中的因果事件、参与值、目标与趋势等通过各概念问的弧线连接起来的图结构，节点是概念、实体等，弧表示概念或实体间的因果关系，在结构上可以看作是面向对象的单层带反馈的神经网络。与神经网络不同的是，模糊认知图的每个节点与弧都有很强的语义，从而使整个图都呈现很强的语义。它支持专家先验知识及因果关系的表示与推理，这些都蕴涵在概念节点及概念节点间的关系中，并且可以通过概念间的关系来表示模糊推理，由整个图中各概念节点的相互作用来模拟系统的动态行为，是一种无监督模型(unsupervised model)。其概念可以是系统的事件、目标、感情及趋势等；概念值为模糊值，也可以是二值，反映该节点对某概念以某种程度发生或表示概念状态是关还是开。概念节点的输出与概念节点自身的状态水平和外部因果联系的强度有关。模糊认知图的有限输入状态可在虚拟空间中开辟一条通路，简单模糊认知图的通路可能终止于固定点或极限环，而对于具有反馈的复杂模糊认知图可能终止于“混沌”的奇异吸引子。
结构
模糊认知图是个有向图，它将模糊反馈动力系统中的概念及概念间的关系通过弧线连接起来，强调“结构就是含义”。在模糊认知图中，连接是储存知识的基本单元，即知识存储在概念节点及概念节点间的关系中，连接在系统运行中的作用即为知识的使用过程。概念间的连接描述了概念之间的逻辑关系，同时也沟通和体现了概念之间的相互作用。由于连接表达的关系是一种逻辑知识，而逻辑知识的使用过程就是一种推理过程，所以概念间的相互作用的过程就可以看作是依据连接关系进行推理的过程，连接的作用就是表示关系和执行推理。
一个具有 n 个节点的模糊认知图，每个节点表示系统中的一个概念，这个概念可以是系统的事件、目标和趋势等，每个概念通过状态值来刻画它的属性。概念间的因果影响关系用有向弧表示，因果影响程度的大小用权值 wij 来反映。
当：
wij >0，则表示 Ci 的增加将导致 Cj 的增加，Ci 与 Cj 之间存在正因果关系；
wij<0，则表示 Ci 的增加将导致 Cj 的减小，Ci 与 Cj 之间存在负因果关系；
wij=0，则称 Ci 与 Cj 之间不存在因果关系。
因果影响程度可用[O，1]模糊值表示，也可用自然语言描述，如：弱、很弱、中等、强、很强。
一个具有 n 个概念节点的模糊认知图，可以用一个 nxn 阶矩阵 W=(wij)nxn 唯一确定。
特性
模糊认知图作为一种智能工具，其行为能够反映其智能特性，表现如下：
1)由数据驱动智能行为，符合人工智能发展方向；
2)模糊认知图的建立方便，表现问题直观，能与领域专家头脑中的知识结构形成很好的映射关系，因此，在很多问题领域常常直接由专家建立系统的模糊认知图模型；
3)采用数值推理，相关事实可以从其直接相连的节点中推导出来，而不必遍历整个知识库；
4)对于任意数量的知识源可以分别构造自己的模糊认知图，并经处理可得到一个联合的知识分布；
5)模糊认知图不仅可以表示语义网络，而且可以处理分布知识；
6)由于模糊认知图是神经网络与模糊逻辑的结合，所以很容易引入学习机制，这为提高系统的智能化奠定了基础。此外，在因果关系的描述上引入了模糊测度，使得它能够更自然、更直接地表达人类习惯使用的逻辑含义，非常适合用于直接的或高层的知识表达；
7)具有反馈机制，使之可以为复杂动态系统建模，而树结构、贝叶斯网络和 Markov 模型都无法表示具有反馈的动态因果系统。
分类
动态模糊认知图
动态模糊认知图（Dynamic Fuzzy Cognitive Maps）是基于随机神经网网络模型（random neural network model）。
概率模糊认知图
概率模糊认知图（Probabilistic Fuzzy Cognitive Map，PFCM）由骆祥峰等首次提出。PFCM 在概念节点间的因果关系中引入条件概率测度，该模型不仅能表示概念节点间的定性及模糊因果关系，而且能表示概念节点间的条件概率因果关系，并能退化为模糊认知图。
