11模糊数学及其应用.pptVIP

2010暑假建模培训 模糊数学及其应用 一、模糊数学引言 1、发展 精确数学：确定性 统计数学：偶然性、随机性 模糊数学：模糊性 二、模糊数学基本概念 隶属函数举例 4、隶属函数的构造 常用方法： 1、例证法 2、模糊统计法 3、二元对比法 4、模糊分布法（指派法） 5、模糊关系 模糊矩阵 模糊关系: 通过描述关系程度的量来补充描述 的关系 , 其中的关系程度通过隶属度来表示。 身高与体重间的模糊关系矩阵 三、模糊模式识别 在模糊数学的实际应用中,有时需要比较两个模糊集合之间的相似程度,例如工程应用中的模糊识别，气象应用中确定天气类型或气候区等。 模式识别：将事物的整体划分为若干类型而得到一组标准模式，对于一个确定的对象它属于哪一类问题称为模式识别。 模糊模式识别：若整体被划分的类型与被识别的对象之中至少有一个是用模糊集表示的模式识别问题 贴近度 常用的贴近度计算式 模糊模式识别原则 模糊模式识别方法主要建立在 “最大隶属原则”——主要用于个体的识别 “择近原则”——群体模型的识别 择近原则 四、模糊聚类与模糊决策 对带有模糊特征的事物进行聚类分析，一般采用模糊数学的方法，模糊聚类分析一般分为三大类 ： 1、系统聚类法：是一类基于模糊关系的分类法。其中包括基于模糊等价关系的聚类方法和基于模糊相似关系的聚类方法。 2、迭代聚类法。 3、混合法。 系统聚类法的基本步骤 第