模糊数学4(模糊性随机性隶属函数)精要.ppt

第一章 模糊集合的一般概念 §1.1 模糊子集的定义及运算 §1.2 水平截集、分解定理、扩张原则 §1.3 最大隶属原则及其应用 §1.4 隶属函数的确定 确定数学：经典数学 §1.4.1 随机性与模糊性 随机性：事件有明确含义（即概念上有明确的界线），但试验之前不知道试验结束时该事件是否发生，该事件发生与否表现出不确定的性质。 高维的确定性问题作为低维的随机问题，具有时间性！ §1.4.1 随机性与模糊性 随机性：事件有明确含义（即概念上有明确的界线），但试验之前不知道试验结束时该事件是否发生，在该事件发生与否上表现出不确定的性质，具有时间性。 §1.4.2 隶属函数的统计方法 隶属函数的确定方法包括主观断定（直觉）、归纳推理、模糊统计试验、对比排序、神经网络、遗传算法等。 §1.4.2 隶属函数的统计方法 §1.4.2 隶属函数的统计方法 随机试验与模糊统计试验对比： 二元对比排序法 相对比较法 （1）求出二元相对比较级； 例如： 设论域U = {长子（x），次子（y），幼子（z）}，按谁最像爸爸进行排序。首先建立二元相对比较级， 确定隶属函数的一般原则和方法 几种常见的模糊分布 隶属函数确定的一般原则（待定系数法） 隶属函数确定的一般原则（待定系数法） 隶属函数确定的一般原则（待定系数法） 隶属函数确定的一般原则（待定系数法） 隶属函数确定的一般原则（待定系数法） 隶属函数确定的一般原则（待定系数法） 隶属函数确定的一般原则（待定系数法） 隶属函数确定的一般原则（待定系数法） 隶属函数确定的一般原则（待定系数法） 隶属函数确定的一般原则（待定系数法） 第2步：确定隶属度为 1 和为 0 的论域元素 1. 如果可知论域中某部分元素将肯定属于所讨论的模糊子集 ，也即这部分元素是对应模糊概念的确定内涵，那么这部分元素的隶属度即可被赋予 1 。 使隶属度等于 1 的论域区间称为“主值区间”或模糊子集的“核”。 一个点时以该元素为主值点 ： “大约0.8” 、“圆块” 论域上的一个值区间 ： “年轻 ” 、 “年老 ” 、 “青年” 第2步：确定隶属度为 1 和为 0 的论域元素 一个点时以该元素为主值点 ： “大约0.8” 、“圆块” 论域上的一个值区间 ： “年轻 ” 、 “年老 ” 、 “青年” 在函数形式上，主值区间的大小将直接影响隶属函数曲线的顶部形状。 肯定某一点隶属度必定为1且优越显著，选择顶部尖锐的隶属函数(三角、中间型(π型))； 只能肯定一段区间隶属度必定为1且优越显著，则选择顶部平坦的隶属函数(梯形、 S 型、 Z 型) 第2步：确定隶属度为 1 和为 0 的论域元素 2. 如果论域中某部分元素肯定不属于所讨论的模糊集合，那么这部分元素的隶属度即可被赋予 0 。 例如模糊子集引例中的“方块” 临界的隶属度为 0 的论域元素和隶属度为1 的元素一起决定了过渡带的范围 。 第3步：确定最模糊点( 隶属度为 0.5 ) 如果论域中某部分元素最无法肯定是否属于模糊集合，即它们的不确定性最大，那么这部分元素的隶属度即可被赋予 0.5 ，这些论域元素就是模糊集合中的最模糊点。 “半圆块”、 “高个子”和“矮个子” 隶属度为 0 和 1 的临界点和最模糊点三点成线性排列，选择三角或梯形等形式的隶属函数；隶属度为0和1的边界点和最模糊点成非线性排列，选择中间型(π型)、 S 型、 Z 型等形式的隶属函数。 第4步：确定隶属函数的整体结构 2. 模糊概念向下侧重，选择偏下型( Z 型)、右半梯形； “×××以下”、“小于×××”等向下侧重的模糊概念，例如：“年轻 ” 1. 模糊概念向上侧重，选择偏上型( S 型)、左半梯形； “×××以上”、“大于×××”等向上侧重的模糊概念，例如“年老 ” 3. 模糊概念集中于局部区域。选择中间型(π型)、梯形 局限于某一范围的无上下侧重的模糊概念 例如：“中年 ”、 “大约0.8” 、 “青年” 第5步：确定分布的对称性 1. 主值区间两侧的不确定性一致或不加区分时，选择对称型分布( 对称中间型(π型) 、对称三角、对称梯形等)的隶属函数。 2. 主值区间两侧的不确定性不一致时，选择非对称型分布(非对称三角、非对称梯形、 S 型、 Z 型等)的隶属函数。 例如：“年轻 ” 、 “年老 ” 例如：“大约0.8” 第6步：确定过渡带的形式 在函数形式上，临界的隶属度为 0 的论域元素和隶属度为1 的元素一起决定了过渡带的范围 ，隶属度为0.5 的元素正位于其中