学术背景 在当今复杂网络系统中，状态估计（state estimation）是一个关键问题，尤其是在面对不确定性和噪声时。复杂网络通常由多个相互连接的节点组成，每个节点的动态行为可能受到非线性因素的影响。Takagi-Sugeno（T-S）模糊模型因其能够有效捕捉不确定信息并描述复杂网络的非线性动态特性，在复杂网络建模中展现了显著优势。然而，传统状态估计方法通常需要详细的噪声统计特性，而在实际应用中，噪声往往是未知但有界的（unknown but bounded, UBB）。集员估计（set-membership estimation, SME）方法在这种情况下提供了一种新的解决方案，它能够在没有精确噪声统计信息的情况下，提供确定的误差边界。 本研究旨在探讨T-S模糊复杂网络（TSFCNs）...