人工智能(模糊算法)精要.ppt

* 4.1.5.4 模糊推理 广义取式推理（肯定前提） 前提1： 前提2： 结论： 第4章 计算智能——模糊计算 假言推理 大前提 直言推理 小前提 其中A’，A，B’和B均为模糊集合，x和y为语言变量。 * 4.1.5.4 模糊推理 广义拒式推理（肯定结论） 前提1： 前提2： 结论： 第4章 计算智能——模糊计算 假言推理 大前提 直言推理 小前提 其中A’，A，B’和B均为模糊集合，x和y为语言变量。 * 4.1.5.4 模糊推理 模糊蕴涵 设A和B分别为定义在U和V上的模糊集合，则由 所表示的模糊蕴涵是定义在 上的一个特殊的模糊关系，其隶属函数定义如下： 模糊与 模糊或 实质蕴涵 命题演算 第4章 计算智能——模糊计算 * 4.1.5.4 模糊推理 广义取式推理 广义拒式推理 第4章 计算智能——模糊计算 一个模糊蕴涵可以理解为这样一条“IF—then”规则：If x is A，then y is B，其中 ，x，y均为语言变量 。 式对应于六种“If—then”规则的表达式，而这些模糊规则是从直观推理准则和经典逻辑概念推广而来的。 * 4.1.5.4 模糊推理 结论的求取与单域（X）的求取式不相同。 对于此处的“若A则B”的隶属函数定义为： 第4章 计算智能——模糊计算 例：设 有 较 * 4.1.5.4 模糊推理 问题：若x小则y大，现x较小，则y=? 第4章 计算智能——模糊计算 则 * 4.1.5.4 模糊推理 R阵的元素求法如下： 第4章 计算智能——模糊计算 现x为较小，求B1：A1为较小。 * 4.2.5.3 模糊逻辑语言 第4章 计算智能——模糊计算 * 4.2.5.3 模糊逻辑语言 模糊数的四则运算 将语言当成模糊数，而模糊数可进行四则运算，运算结果仍是模糊数。 设有两个模糊数x，y，则 也是模糊数，且 第4章 计算智能——模糊计算 * 4.2.5.3 模糊逻辑语言 第4章 计算智能——模糊计算 * 4.2.5.3 模糊逻辑语言 模糊语言变量 语言变量是指以自然或人工语言中的“字”或“句”作为变量。 语言变量取为模糊集合时，则成为模糊语言变量。 模糊语言变量与模糊变量相比较，是一个级别更高的变量，它有句法规则和语义规则。 前述模糊逻辑函数 的 即为模糊变量，或称为“字”。 第4章 计算智能——模糊计算 * 4.2.5.3 模糊逻辑语言 一个完整的模糊语言变量可定义为一个五元体（五维组），可简写为： 语言变量名称x 语言变量语言值名称的集合T(x) 论域U 语言规则G：说明一个完整的语句形式； 语义规则M：说明语句所在论域的范围。 第4章 计算智能——模糊计算 * 4.2.5.3 模糊逻辑语言 模糊控制中最常用到的误差语句 第4章 计算智能——模糊计算 * * 4.1.5.4 模糊推理 1. 概述 概念：利用已知模糊逻辑与模糊语言知识，可对事件进行判断推理，这种推理即为模糊推理。 判断概念：指被研究对象具有或不具有某种属性，判断的结果为肯定（T）或否定（F）。???? 推理方式及分类 对各种事物进行分析、综合，最后做出决策时，通常是从已知事实，条件知识出发，通过运用已掌握的知识，找出其中蕴含的事实，或归纳出新的事实，也就是前述的推理。 推理是按某种策略由已知判断推出另一判断的思维过程。 第4章 计算智能——模糊计算 * * 4.1.5.4 模糊推理 （1）方式：演绎、归纳、默认 演绎推理 从全称判断（大前提）推导出特殊判断的过程，即由一般知识推出适合于某一具体情况的结论。 最常用为三段式。 演绎过程不产生新知识，结论不会与已知前提矛盾。 归纳 从足够多的事例中，归纳出一般性结论，归纳又可分为： 完全归纳：必然性推理，较困难。 不完全归纳：非必然性推理。 例：A的各门课程均是优良----A是优秀生（完全归纳） A的大多数课程是优良----A是优秀生（不完全归纳） 产品通过抽检确定产品的性能，等级（不完全归纳） 归纳产生新知识。 第4章 计算智能——模糊计算 * * 4.1.5.4 模糊推理 默认（缺省） 在知识不完全的情况下，假设某些条件已经具备所进行的推理。 如：A条件已成立，又没有足够条件说明B条件不成立，则默认B条件也成立，并可在此条件下推理。 若推理过程中，某一刻发现默认不正确，则取消该默认，重新按新情况进行推理。 默认的定义式表述为：当且仅当没有新事实证明A不成立时，B总是成立。 例：A是研究生，则A的大学本科成绩良好，且已过CET4级（默认）。 第4章 计算智能——模糊计算 * * 4.1.5.4 模糊推理 （2