《模糊数学方法.docVIP

模糊数学方法 在自然科学或社会科学研究中,存在着许多定义不很严格或者说具有模糊性的概念。这里所谓的模糊性，主要是指客观事物的差异在中间过渡中的不分明性，如某一生态条件对某种害虫、某种作物的存活或适应性可以评价为“有利、比较有利、不那么有利、不利”；灾害性霜冻气候对农业产量的影响程度为“较重、严重、很严重”，等等。这些通常是本来就属于模糊的概念，为处理分析这些“模糊”概念的数据，便产生了模糊集合论。 根据集合论的要求，一个对象对应于一个集合，要么属于，要么不属于，二者必居其一，且仅居其一。这样的集合论本身并无法处理具体的模糊概念。为处理这些模糊概念而进行的种种努力，催生了模糊数学。模糊数学的理论基础是模糊集。模糊集的理论是1965年美国自动控制专家查德(L. A. Zadeh)教授首先提出来的，近10多年来发展很快。 模糊集合论的提出虽然较晚，但目前在各个领域的应用十分广泛。实践证明，模糊数学在农业中主要用于病虫测报、种植区划、品种选育等方面，在图像识别、天气预报、地质地震、交通运输、医疗诊断、信息控制、人工智能等诸多领域的应用也已初见成效。从该学科的发展趋势来看，它具有极其强大的生命力和渗透力。 在侧重于应用的模糊数学分析中，经常应用到聚类分析、模式识别和综合评判等方法。在DPS系统中，我们将模糊数学的分析方法与一般常规统计方法区别开来，列专章介绍其分析原理及系统设计的有关功能模块程序的操作要领，供用户参考和使用。 ? 第1节 模糊聚类分析 1. 模糊集的概念 对于一个普通的集合A，空间中任一元素x，要么x?A，要么x?A，二者必居其一。这一特征可用一个函数表示为： A(x)即为集合A的特征函数。将特征函数推广到模糊集，在普通集合中只取0、1两值推广到模糊集中为[0, 1]区间。 定义1 设X为全域，若A为X上取值[0, 1]的一个函数，则称A为模糊集。 如给5个同学的性格稳重程度打分，按百分制给分，再除以100，这样给定了一个从域X=｛x1 , x2 , x3 , x4, x5｝到[0, 1]闭区间的映射。 x1：85分，即A(x1)=0.85 x2：75分， A(x2)=0.75 x3：98分， A(x3)=0.98 x4：30分， A(x4)=0.30 x5：60分， A(x5)=0.60 这样确定出一个模糊子集A=(0.85, 0.75, 0.98, 0.30, 0.60)。 定义2 若A为X上的任一模糊集，对任意0 ￡ l ￡ 1，记Al=｛x｜x?X, A(x)3l｝,称Al为A的l截集。 Al是普通集合而不是模糊集。由于模糊集的边界是模糊的, 如果要把模糊概念转化为数学语言，需要选取不同的置信水平l (0 ￡ l ￡ 1) 来确定其隶属关系。l截集就是将模糊集转化为普通集的方法。模糊集A 是一个具有游移边界的集合，它随l值的变小而增大，即当l1 l2时，有Al1∩Al2。 定义3 模糊集运算定义。若A、B为X上两个模糊集，它们的和集、交集和A的余集都是模糊集, 其隶属函数分别定义为： (AúB) (x)= max ( A(x), B(x) ) (AùB) (x)= min ( A(x), B(x) ) AC (x)=1－A(x) 关于模糊集的和、交等运算，可以推广到任意多个模糊集合中去。 定义4 若一个矩阵元素取值为[0, 1]区间内，则称该矩阵为模糊矩阵。同普通矩阵一样，有模糊单位阵，记为I；模糊零矩阵，记为0；元素皆为1 的矩阵用Ｊ表示。 定义5 若A和B是n×m和m×l的模糊矩阵，则它们的乘积C=AB为n×l阵, 其元素为： Cij= (i=1, 2, …, n; j=1, 2, …, l) (20.1) 符号“∨”和“∧”含意的定义为： a∨b=max(a, b)，a∧b=min(a, b)。 模糊矩阵乘法性质包括: 1) (AB)C=A (BC)；2) AI=IA=A；3) A0=0A=0; 4) AＪ=ＪA; 5) 若A、B为模糊矩阵且aij ￡ bij (一切i, j)，则A￡B，又若A￡B, 则AC ￡ BC，CA￡CB。 2. 模糊分类关系 模糊聚类分析是在模糊分类关系基础上进行聚类。由集合的概念, 可给出如下定义： 定义6 n个样品的全体所组成的集合X作为全域，令X′Y=｛(X, Y)｜x?X, y?Y｝,则称X′Y为X的全域乘积空间。 定义7 设R为X′Y上