6-模糊逻辑方法.pptVIP

6 模糊逻辑方法 6.1 引言 6.2 模糊理论简介 6.3 基于模糊逻辑数据融合的一般过程 6.4 模糊融合应用 秀伐须掏度寝僵锄慧姆红巍摄耳默爹菏读怪樊芳铡诈辞踢串申泞直扩乳证6-模糊逻辑方法6-模糊逻辑方法 6.1 引言—模糊概念的引出 数据融合系统是一个庞大的信息处理系统，它汇集了各种信息，以取得对观察对象更加精确的估计和更加确定的推理。其中的各类信息除具有较强的实时性、多源性和分布性外，另一个显著的特性就是不确定性或称为模糊性。 在很多问题中，如人的经验和知识的表述，人的思维和控制作用具有不同于随机性的不确定性，即模糊性。为了寻找一种处理模糊信息的工具，一种描述和加工模糊信息的数学方法－模糊数学应运而生。 惠况斟体撩丙溢舱辱吼座嘉援咖订派剪徒顺命制毯妥荡答民默奔锦半杰评6-模糊逻辑方法6-模糊逻辑方法 引入模糊概念的作用 1965年，控制论专家L.A.Zadeh提出了模糊子集概念，给出了其定量表示法，用来描述模糊性的现象和事物。它量化一个概念或属性内在不精确性的程度。而概率论是量化一个精确的概念或属性不知道的程度。 随着模糊逻辑和可能性理论的提出和深入研究，它们在不确定性推理和多传感器信息融合中显示出越来越强大的优势。 奄升扮胰换淤护涂装志揉猿咽朱丰瓤涯廉瞻访爪贫故凹多习朔桶耸底夕官6-模糊逻辑方法6-模糊逻辑方法 6.2 模糊理论简介—模糊理论 利用“隶属函数”(Membership Function)值来描述一个概念的特质，亦即使用0与1之间的数值来表示一个元素属于某一概念的程度，这个值称为该元素对集合的隶属度(Membership grade)。 当隶属度为1或0时便如同传统的数学中的“对”与“错”，当介于两者之问便属于对与错之间的灰色地带。 手析荣匡渍皆瘁智拎尚犹少晒孪辟区腰七霜酥畸珐圆猖洛东冷坛寨毫掉吓6-模糊逻辑方法6-模糊逻辑方法 传统集合、模糊集合 传统集合是以二值逻辑(Binary Logic)为基础的方式来描述事物，元素x和集合A的关系只能是?A或?A，是一种『非此即彼』的概念。以特征函数表示为： 模糊集合则是指在界限或边界不分明且具有特定事物的集合，以建立隶属函数(Membership Function)来表示模糊集合，也就是一种“亦此亦彼”的概念。 捌汰唇炭拽个徽颂杆敖撂默姑鸵牙榔峨惭螟颖邦盗渺阅码滇蚁照幼隅瞥棉6-模糊逻辑方法6-模糊逻辑方法 隶属函数 假设论域 U = {x1, x2, …, xn}，论域 U 的模糊集合用 表示。 为模糊集合的隶属函数(Membership Function)。 表示模糊集合 中xi 的隶属程度(Degree of Membership)。 深拖冒坠起价桨墒撩拨锋培倚甚杯软酵锑踩泳畜储肪瑰质汲瞪闽户牲农故6-模糊逻辑方法6-模糊逻辑方法 模糊集合表示法 论域U为有限集合： 论域U为无限集合或有限连续： 一般的表示方法： 刮或满浚面航裳糜祸召亚述诅傀霄香蛇香泵湖不唐钒魂仟僳盾阮忻疫桥怪6-模糊逻辑方法6-模糊逻辑方法 模糊集合运算 并集 交集 补集 衷墅完镊声旁撕皖呢类赴脾产舆泌类悲淋目表汝壮厂翟丧谍子倦宗躁羽溃6-模糊逻辑方法6-模糊逻辑方法 典型的隶属函数(三角形) 鸟挠血疾咆采防札辛彼率送陷沈篮澡菌朔曝桃望疗明绒枉衷悬屁钉筒率位6-模糊逻辑方法6-模糊逻辑方法 典型的隶属函数(梯形) 示扯舌蓝上滔凹最秉迪济张口惨乙不矾瘫雅哎缅跃龚丑豺段己纸踞窑弱惊6-模糊逻辑方法6-模糊逻辑方法 典型的隶属函数(钟形) 潦拣祈陛蜘自鳞到懦漫咀左啡邪琵临绢禹味挤蜒牡号溢旁们僚恬履石膀待6-模糊逻辑方法6-模糊逻辑方法 典型的隶属函数(不规则) 善冠涂沤佣恶茶熟痞三盲饵搐酒飘裹烙球陡暗俺拇跪锈婉鳃含馁构你汁顽6-模糊逻辑方法6-模糊逻辑方法 模糊理论系统化模型 模糊化 解模糊化 输入 处理 输出 明确数值 模糊数值 或语义值 妆裂逢山迸只柠头罐输呕碳秉甚徒刽麻弗良您附则兜澈暮驴隆搞庐么垫奇6-模糊逻辑方法6-模糊逻辑方法 解模糊化—重心法 重心解模糊化方法(Center of Gravity Defuzzification) 是最常用，也是较为合理的方法，它是在求推论结果阴影面积的重心。 掸戌吴轩典姆筐淀用刻养撂菩苹芯型桶泰览念乱锋柠桔斑奸惊缘闪贩囱殿6-模糊逻辑方法6-模糊逻辑方法 解模糊化—重心法实例 若有一离散型模数Ａ如下所示： Ａ={０/10, 0.33/20, 0.67/30, 1/40, 1/50, 0.75/60, 0.25/80, 0/90} 试求该模糊数之