不确定推理方法补充.ppt

* 概念： 用自然语言中的词或句子表示的变量 例如： 变量“年龄”在普通集合中为数字变量u[0，150]，而在模糊集和中可使用语言变量，该语言变量的取值可以是年轻、很年轻、不很年轻、老、很老、不很老等。 这些值可看作是论域U=[0，150]上模糊集的集合名。 6.3.1 模糊知识表示1. 语言变量 * 6.3.1 模糊知识表示2. 模糊命题的描述(1/) 模糊谓词 设x∈U，F为模糊谓词，即U中的一个模糊关系，则模糊命题可表示为 x is F 其中的模糊谓词F可以是大、小、年轻、年老、冷、暖、长、短等。 模糊量词 模糊逻辑中使用的模糊量词，如极少、很少、几个、少数、多数、大多数、几乎所有等。这些模糊量词可以很方便地描述类似于下面的命题： 大多数成绩好的学生学习都很刻苦。 很少有成绩好的学生特别贪玩。 模糊概率、模糊可能性和模糊真值 设λ为模糊概率，π为模糊可能性，τ为模糊真值，则对命题还可以附加概率限定、可能性限定和真值限定： (x is F) is λ (x is F) is π (x is F) is τ 其中，λ可以是“或许”、“必须”等；π可以是“非常可能”、“很不可能”等；τ可以是“非常真”、“有些假”等。 例如，“常青很可能是年轻的”可表示为 (Age(Chang qing ) is young) is likely * 模糊修饰语 设m是模糊修饰语，x是变量，F谓模糊谓词，则模糊命题可表示为 x is mF，模糊修饰语也称为程度词，常用的程度词有“很”、“非常”、“有些”、“绝对”等。 模糊修饰语的表达主要通过以下四种运算实现： ① 求补 表示否定，如“不”、“非”等，其隶属函数的表示为 ② 集中 表示“很”、“非常”等，其效果是减少隶属函数的值： ③ 扩张 表示“有些”、“稍微”等，其效果是增加隶属函数的值： 6.3.1 模糊知识表示2. 模糊命题的描述(2/3) * ④ 加强对比 表示“明确”、“确定”等，其效果是增加0.5以上隶属函数的值，减少0.5以下隶属函数的值： 则“非常真”、“有些真”、“非常假”、“有些假”可定义为 在以上4种运算中，集中与扩张用的较多。例如，语言变量“真实性”取值“真”和“假”的隶属函数定义为： 6.3.1 模糊知识表示2. 模糊命题的描述(3/3) * 在扎德的推理模型中，产生式规则的表示形式是 IF x is F THEN y is G 其中：x和y是变量，表示对象；F和G分别是论域U和V上的模糊集，表示概念。 6.3.1 模糊知识表示3. 模糊知识的表示 * 连续论域：如果论域U是实数域上的某个闭区间[a, b]，则海明距离为 语义距离用于刻划两个模糊概念之间的差异。这里主要讨论海明距离。 离散论域：设U={u1, u2, … , un}是一个离散有限论域，F和G分别是论域U上的两个模糊概念的模糊集，则F和G的海明距离定义为 6.3.2 模糊概念的匹配1. 语义距离 例6.17 设论域U={-10, 0, 10, 20, 30}表示温度，模糊集 F= 0.8/-10+0.5/0+0.1/10 G=0.9/-10+0.6/0+0.2/10 分别表示“冷”和“比较冷”，则 d(F,G)=0.2×(|0.8-0.9|+|0.5-0.6|+|0.1-0.2|)=0.2×0.3=0.06 即F和G的海明距离为0.06。 * 6.3.2 模糊概念的匹配2. 贴近度 设F和G分别是论域 U={u1, u2, … , un} 上的两个模糊概念的模糊集，则它们的贴近度定义为 (F, G)=(1/2)﹡( F·G+(1-F⊙G)) 其中： 称F·G为内积，F⊙G为外积。 例6.18 设论域U及其上的模糊集F和G如上例所示，则 F·G=0.8∧0.9∨0.5∧0.6∨0.1∧0.2 ∨ 0∧0∨ 0∧0 =0.8∨0.5∨0.1 ∨ 0 ∨ 0=0.8 F⊙G= (0.8∨0.9)∧(0.5∨0.6)∧(0.1∨0.2) ∧(0∨0) ∧(0∨0) =0.9∧0.6∧0.2∧0∧0 =0 (F, G