模糊集合及其运算.pptVIP

6）升岭形分布 1 0 a1 x A(x) a2 (a1+a2)/2 (2) 偏小型 (Z 型 )：这种类型的隶属函数随 x 的增大而减小，又可分为： 描述“小”，“冷”、“青年”等偏向大的一方的模糊现象。 越小越好（空气中有害物质的含量） 1）降半矩形分布 0 1 a x A(x) 2）降半?分布 0 1 a a+1/k x A(x) 3）降半正态分布 0 1 a x A(x) 4）降半柯西分布 A(x) 0 1 a x 5）降半梯形分布 A(x) 0 1 a1 x a2 6）降岭形分布 0 1/2 1 a1 a2 x A(x) (3) 中间型（? 型）：这种类型的隶属函数在 ( －?，a) 上为偏大型，在 (a, +?) 为偏小型，所以称为中间型. 描述“中”，“暖和”、“中年”等处于中间的模糊现象。 越居中越好（人的体重） 1）矩形分布 0 1 A(x) a-b a a+b x 2）尖?分布 0 1 A(x) a-1/k a a+1/k x 3）正态分布 0 a x 1 A(x) 4）柯西分布 0 a x 1 A(x) 5）梯形分布 0 1 A(x) a-a1 a a+a2 x a-a2 a+a1 6）岭形分布 0 1 A(x) a1 a2 -a1 -a2 x 3、其它方法 德尔菲法：专家评分法 二元对比排序法：把事物两两相比，从而确定顺序， 由此决定隶属函数的大致形状。主要有以下方法： 相对比较法、择优比较法和对比平均法等。 模糊集合及其运算 确定性 —— 经典数学量 随机性 —— 随机数学 不确定性 模糊性 —— 模糊数学随机性：事件本身的状态是清楚的，但是否发生 不确定 。 （事件是否发生不确定）明天有雨，掷一枚骰子出现6点模糊性：事件本身的状态不很分明，不在于事件 发生与否。（事件本身的状态不确定）青年人，高个子 模糊数学也是由于实践的需要而产生的，模糊概念（或现象）处处存在。  ? 有时使用模糊性比使用精确性还要好 。  例如，“大胡子高个子长头发戴宽边黑色眼镜的中年男人” ? 模糊数学决不是把数学变成模模糊糊的东西，它也具有数学的共性：条理分明、一丝不苟。即使描述模糊概念（或现象），也会描述得清清楚楚。  ? 一般来说，随机性是一种外在因果的不确定性， 模糊性是一种内在结构的不确定性。 一、经典集合与特征函数 集合：具有某种特定属性的对象集体。 通常用大写字母A、B、C等表示。 论域：对局限于一定范围内进行讨论的对象的全体。 通常用大写字母U、V、X、Y等表示。 论域U中的每个对象u称为U的元素。 在论域U中任意给定一个元素u及任意给定一个 经典集合A，则必有 或者 ，用函数表示为： 其中 函数 称为集合A的特征函数。 二、模糊集合及其运算 美国控制论专家Zadeh教授正视了经典集合描述的 “非此即彼”的清晰现象，提示了现实生活中的绝大多数 概念并非都是“非此即彼”那么简单，而概念的差异常以 中介过渡的形式出现，表现为“亦此亦彼”的模糊现象。 基于此，1965年， Zadeh教授在《Information and Control》杂志上发表了一篇开创性论文“Fuzzy Sets”, 标志着模糊数学的诞生。 1、模糊子集 定义：设U是论域，称映射 确定了一个U上的模糊子集 。映射 称为 隶属函 数， 称为 对 的隶属程度，简称隶属度。 模糊子集 由隶属函数 唯一确定，故认为二者 是等同的。为简单见，通常用A来表示 和 。 U “高个子”——1.80高个子，1.79可以略低于1（99%）的程度属于高个. 模糊子集通常简称模糊集，其表示方法有： （1）Zadeh表示法 这里 表示 对模糊集A的隶属度是 。 如 （3）向量表示法 （2）序偶表示法 若论域U为无限集，其上的模糊集表示为： 2、模糊集的运算 定义：设A，B是论域U的两个模糊子集，定义 相等： 包含： 并： 交： 余： 表示取大； 表示取小。 例 设论域U = {x1, x2, x3, x4, x5}(商品集)，在U上定义两个模糊集： A =“商品质量好” B =“商品