模糊数学-2013课件.ppt

模糊理论 的数学基础 经典集合 经典集合具有两条基本属性：元素彼此相异，即无重复性；范围边界分明,即一个元素x要么属于集合A(记作x?A),要么不属于集合(记作x?A)，二者必居其一. 4. 映射与扩张 映射 f ： X ?Y 集合A的特征函数： 5. 二元关系 关系的三大特性： 关系的矩阵表示法 关系合成的矩阵表示法 合成(° )运算的性质： 关系三大特性的矩阵表示法： 集合上的等价关系 Q2. 模糊子集及其运算 1. 模糊子集与隶属函数 模糊集的运算 模糊集的并、交、余运算性质 Q3. 模糊集的基本定理 定理1 设A, B??(U ) (A, B是论域U 的两个模糊子集)，?,??[0,1]，于是有?-截集的性质： Q4. 隶属函数的确定 1. 模糊统计方法 Q6. 模糊矩阵 模糊矩阵的并、交、余运算性质 模糊矩阵的合成运算与模糊方阵的幂 合成(° )运算的性质： 模糊矩阵的转置 模糊矩阵的? - 截矩阵 Q7. 模糊关系 模糊关系的运算 模糊关系的矩阵表示 模糊关系的合成 模糊关系合成运算的性质 Q8. 模糊等价矩阵 模糊等价矩阵的基本定理 Q9.模糊相似关系 模糊相似矩阵的性质 应用1模糊聚类分析 系统聚类法：用于对小样本的样品间聚类及对指标聚类 。 逐步聚类法或称快速聚类法：用于对大样本的样品间聚类 。 有序样品聚类法：用于对有排列次序的样本的样品间聚类， 要求必须是次序相邻的样品才能聚在一类。 模糊聚类法：建立在模糊数学基础上的对样品间聚类的方法， 适用于小样本。 分割聚类法：适用于对指标聚类 在聚类分析中反映样品或变量间关系亲疏程度的统计量称为聚类统计量，常用的聚类统计量分为距离和相似系数两种。 距 离： 用于对样品的聚类。常用欧氏距离，在求距离前，需把指标进行标准化 。 相似系数： 常用于对变量的聚类。一般采用相关系数 。 平移 ? 标准差变换 模糊相似矩阵建立方法 相似系数法 ----相关系数法 距离法 Boole矩阵法： 最佳分类的确定 应用2模糊模型识别 模型识别的原理 最大隶属原则 模糊向量集合族 最大隶属原则 例3 细胞染色体形状的模糊识别 例4 大学生体质水平的模糊识别. 阈值原则 择近原则 内积与外积的性质 小麦品种的模糊识别(仅对百粒重考虑) 多个特性的择近原则 贴近度的的改进 蠓的分类 DNA序列分类与模糊识别 Q1. 模糊集中意见决策 若uj在第i 种意见vi中排第k位，设第k位的权重为ak，则令Bi(uj)= ak(n – k )，称 Q2. 模糊二元对比决策 模糊二元对比决策的方法与步骤是： Q3. 模糊综合评判决策 模糊映射与模糊变换 例3 设X ={x1, x2, x3},Y ={ y1, y2},映射T 为从X 到Y 的模糊线性变换.已知 模糊综合评判决策的数学模型 模糊综合评判决策的方法与步骤是： 模型Ⅰ：M(∧,∨)——主因素决定型 模型Ⅲ： M(∧, ＋)——主因素突出型 例1. 服装评判 例2. “晋升”的数学模型. Q4. 权重的确定方法 频数统计方法 模糊关系方程法 例 下列模糊关系方程是否有解？ 应用 4 模糊线性规划 普通线性规划 单纯形解法 大M单纯形解法 模糊线性规划 多目标线性规划 应用 3模糊决策 为了对论域U ={u1, u2, … , un}中的元素进行排序,由m个专家组成专家小组M,分别对U中的元素排序,得到m种意见： V ={v1, v2, … , vm}, 其中vi 是第i 种意见序列,即U 中的元素的某一个排序. 若uj在第i 种意见vi中排第k位,则令Bi(uj)=n–k,称 为uj的Borda数.此时论域U的所有元素可按Borda数的大小排序,此排序就是是比较合理的. 例1 设U ={a, b, c, d, e, f }, |M|= m = 4人, v1: a, c, d, b, e, f ; v2: e, b, c, a, f , d; v3: a, b, c, e, d, f ; v4: c, a, b, d, e, f ; B(a)=5+2+5+4=16; B(b)=2+4+4+3=13; B(c)=4+3+3+5=15; B(d)=3+0+1+2=6; B(e)=1+5+2+1=9; B(f )=0+1+0+0=1; 按Borda数集中后的排序为： a, c, b, d, e, f . 例2 设有6名运动员U ={u1, u2, u3