论文主要研究模糊系统的辨识方法和模糊系统规则库约简的主要技术，并以此为基础构建客户满意度分析模糊系统。 概括论述了模糊系统辨识基本概念和分类，讨论并比较确定候选输入变量、选择输入变量、确定规则数以及确定和优化模糊系统参数的各种方法，并结合实例进行说明。查表法可为其它系统辨识方法提供初始规则，阐述了利用查表法基于输入输出数据产生模糊规则的方法，描述了如何处理冲突规则，并给出了产生模糊规则的一般步骤；模糊规则扩展法通过挖掘已有规则之间的关系获得最优结构的模糊规则库，为了提高扩展法的性能和效率，提出了利用输入变量之间的相关系数对输入变量进行重要性排序，并将最显著的输入变量放在最后扩展，同时分析了如何利用样本之间的距离测度去除训练样本中噪声以及如何利用遗传算法对规则库进行进一步优化；系统地分析并比较将模糊c-均值应用于系统辨识的几种不同的形式，并给出了相应的算法。 详细讨论了如何利用SVD和凸包技术进行模糊规则库约简，提出了利用凸包技术进行特定条件下n维空间中点的映射特性，并将这一特性应用于约简后规则的隶属函数以尽量确保其正态性，提出误差边界的判定方法以及利用SVD和凸包技术进行模糊规则约简的一般步骤；插值法是一种检验规则库的一个特定的子集是否是原规则库的有效约简方法，阐述了如何利用插值法约简模糊规则库，提出了利用拉格朗日插值法进行规则约简的改进方法；比较系统地阐述通过分层规则结构降低模糊规则数的方法，该方法能够使模糊规则数的增长速度与输入变量的增加呈线性关系或近似于线性关系，同时改进了分层模糊规则库中的插值法。 详细阐述了利用模糊技术构建商业银行客户满意度分析系统的过程和方法，在对样本数据进行统计分析、信度分析和效度分析的基础上，根据测量因子的因子分析结果，提出利用分层模糊系统理论设计具有层次结构的客户满意度分析模型，将客户满意度分析系统划分为7个具有独立功能的子系统，在对每一个子系统的输入变量进行排序的基础上，利用规则扩展法为每一个子系统构建规则库，并采用遗传算法优化每一个规则库。测试结果表明，所构建的商业银行客户满意度分析模糊系统具有较好的性能。