模煳逻辑绪论(CI-11-11).pptVIP

模糊逻辑 与模糊理论 主要内容 《伊索寓言》的故事 一个路人问一位智者，要走几小时才能到达某地。智者默不作答，等过路人走了一小段路以后，他才把那人叫回，答以时间…… 赞成 说话要有根据 回答十分精确 反对 说话要灵活处理 路人又没问精确时间 从精确到模糊 精确 答案确定：要么是，要么不是 f : A → {0,1} 他是学生？他不是学生？ 模糊 答案不定：也许是，也许不是，也许介于之间 μA : U → [0,1] 他是成年人？他不是成年人？他大概是成年人？ “20岁左右” 原集合（年龄） {...., 17, 18, 19, 20, 21, 22, 23, ...} “20岁左右”这个模糊集可以表示为： 0.8/18 + 0.9/19 + 1/20 + 0.9/21 + 0.8/12 0.6/17+0.7/18+0.8/19+1/20+0.9/21+0.7/22+0.6/23 ... 将语言转化为模糊表示 “老年” 50岁以下不是老年 70岁以上是老年 年龄越大，被认为是老年的根据越充分 评价“自然语言” 一组学生共10人，考试成绩为： 72 68 71 70 86 69 70 82 72 75 如何评价上述数据？ “大多在70分左右，个别在80分以上” “大多数” 0.5/6+0.8/7+1/8+1/9+1/10 “70分左右” 0.5/68+1/69+1/70+1/71+1/72+0.8/73+0.5/74+0.5/75 “个别” 1/1+1/2+0.5/3 “80分以上” 1/80+1/81+1/82+...+1/100 对分数问题的分析 首先，对10个分数求“70分左右”的隶属度： 1 + 0.5 + 1 + 1 + 0 + 1 + 1 + 0 + 1 + 0.5 7对于“大多数”的隶属度是0.8 （10个数中的7个！） T(“大多数”) = 0.8 80分以上有2人，2对于“个别”的隶属度为1（10中的2） T(“个别”) = 1 模糊理论(fuzzy theory)最早於美国加洲大学L.A Zadeh教授在1965年所发表的「Information and Control」期刊论文中。 是为了解决真实 世界中普遍存在的模糊現象而发展的一门学问，用一种数学模型來描述语义式的模糊信息的方法。 无论是消费性电子产品、语音辨识、影像处理、机器人、决策分析以及软件工程上都可以看見到模糊理论的踪迹。 近來在机器人领域中更与类神经网络結合使机器人更具备智慧性。 模糊理论 何谓模糊? Ex：今天气温如何? 什么是模糊系统? Ex： 哪里可看見模糊控制的系統? Ex:汽車、冷气机、洗衣机、照相机等等… 模糊理论的分类 模糊集合 模糊集合 传统精确集合(crisp sets) 模糊集合(fuzzy sets) 集合 (Sets) 集合(Sets) ：具有某种特殊性质的客体(Object)的 聚合(A Collection of Objects) Ex: “我的好友”這个集合里面的集合元素就是我的”每一个好朋友” 集合运算： 模糊集合 (1) 1. 不是0或1的表示方式，而是程度上“多”或“少”的差別。 2. 传统的明确集合是属於二元的，论域中的元素对某一集合的关系只有兩种，也就是 “属於” 與 “不属於”。 3. 模糊集合是利用隶属函数(membership function)的大小 做为主要的决择机制 。 Finite Fuzzy Set Expression 模糊集的运算 补集（μA = 1 – μA） 0.6/a + 0.7/b → 0.4/a + 0.3/b 并集（μA∪B = μA ∨ μB ）（或，also） 0.7/a + 0.3/b ∨ 0.4/a + 0.6/b → 0.7/a + 0.6/b 交集（μA∩B = μA ∧ μB ） （与，and） 0.7/a + 0.3/b ∧ 0.4/a + 0.6/b → 0.4/a + 0.3/b “又矮又瘦” U = {甲, 乙, 丙, 丁} A = “矮子” 隶属函数 (0.9, 1, 0.6, 0) B = “瘦子” 隶属函数 (0.8, 0.2, 0.9, 1) 找出 C = “又矮又瘦” C = A∩B = ( 0.9∧0.8 , 1∧0.2 , 0.6∧0.9 , 0∧1 ) = ( 0.8, 0.2, 0.6, 0) 甲和丙比较符合条件 模糊集的性质 等幂律 A∪A = A 交换律 A∪B = B∪A 结