扩张矩阵学习已成为归纳学习的一个重要的分支，而模糊扩张矩阵是在扩张矩阵基础上引入了模糊思想,使之能处理与人的思维和感觉有关的不确定性数据,因而得到了广泛的应用。王静红教授团队对此做了深入的研究工作，取得了多项研究成果。

项目中对决策树与扩张矩阵、清晰扩张矩阵与模糊扩张矩阵进行了比较，利用遗传算法进行模糊扩张矩阵参数优化，充分显现了模糊扩张矩阵的分类结果在训练准确率、测试准确率、规则数等方面具有更高的敏感性。对模糊数据的分类已在化工厂的故障诊断、医疗的故障诊断以及人口普查等诸多领域得到了很广泛的应用。此项目2010年荣获河北省科学技术二等奖。