DATAMINING(CH9).pptVIP

第9章 模糊集 《数据挖掘与知识发现》(第2版) 吉林大学计算机科学与技术学院 李雄飞 粗糙集 模糊集用于描述和处理没有明确外延的模糊概念。本章介绍模糊集基本理论和方法，具体包括： 模糊集定义与隶属函数 模糊集的基本运算 分解定理与扩展原理 模糊集的特征 模糊集的度量 模糊关系 模糊聚类分析 模糊集与粗糙集比较 引言 模糊数学是研究和处理模糊现象的数学。有一类概念没有明确外延，称为模糊概念。模糊概念无法用康托集合论来刻画。 1965年，L.A.Zadeh提出模糊集合论 用隶属程度来描述差异的中介过渡，是一种用精确的数学语言描述模糊性问题的方法。 著名的复杂性与精确性“不相容原理” 当系统的复杂性不断增长时，对系统特性精确而有效描述的能力将相应降低，直至达到一个阈值，一旦超过该阈值，精确性和有效性将变成互相排斥的两个特性， 即，系统复杂程度越高，人们对它的认识越模糊。 不相容原理深刻地揭示了模糊数学产生与发展的必然性。 模糊集理论已经成为数据挖掘研究的有效工具。 模糊集定义与隶属函数 定义9.1 论域U上的一个模糊集合A通过一个隶属函数刻画： μA (x) : U?[0, 1]，x?U