第4讲 模糊数学.ppt

第4讲 模糊数学 华中农业大学 汪晓银 教授 内容说明 4.2 模糊聚类分析 4.3 模糊模式识别 4.4 模糊综合评判 4.5 模糊线性规划 4.4 模糊综合评判 其中： 4.4 模糊综合评判 4.4 模糊综合评判 ２、建立模糊相似矩阵 （1）相似系数法 ①夹角余弦法 ②相关系数法 4.2 模糊聚类分析 （2）距离法 ①Hamming距离 ②Euclid距离 ③Chebyshev距离 4.2 模糊聚类分析 （3）贴近度法 ①最大最小法 ②算术平均最小法 ③几何平均最小法 4.2 模糊聚类分析 3、聚类并画出动态聚类图 （1）模糊传递闭包法 步骤： 4.2 模糊聚类分析 4.2 模糊聚类分析 解： 由题设知特性指标矩阵为 采用最大值规格化法将数据规格化为 4.2 模糊聚类分析 用最大最小法构造模糊相似矩阵得到 用平方法合成传递闭包 4.2 模糊聚类分析 取 ，得 4.2 模糊聚类分析 取 ，得 取 ，得 4.2 模糊聚类分析 取 ，得 取 ，得 4.2 模糊聚类分析 X=[80 10 6 2;50 1 6 4;90 6 4 6;40 5 7 3;10 1 2 4] 输出动态聚类图如下： 4.2 模糊聚类分析 最佳分类（最佳阈值λ） 方法：对每个阈值下的分类计算一个F值，取最大F 值对应的分类作为最佳分类。 计算方式如下： 设某个阈值λ水平下，共分了r个类，第i类有ni个 对象。 第i类中全体对象的第k个指标的均值； 全体对象的第k个指标的均值； 类中指标均值向量： 总指标均值向量： 4.2 模糊聚类分析 模糊统计量 其中M为向量间的欧氏距离 分子为类均值与总均值的差异，描述类与类间距离 分母为每个元素与类均值的差异，描述类内元素间距离 故F越大，类之间差异越大，从而分类越合理。 4.2 模糊聚类分析 模式识别的本质特征：一是事先已知若干标准模式，称为标准模式库；二是有待识别的对象。 所谓模糊模式识别，是指在模式识别中，模式是模糊的，标准模式库中提供的模式是模糊的。或有待识别的对象是模糊的。 一、最大隶属原则 最大隶属原则Ⅰ： 4.3 模糊模式识别 最大隶属原则Ⅱ： 4.3 模糊模式识别 按最大隶属原则， 该人属于老年。 解： 4.3 模糊模式识别 4.3 模糊模式识别 4.3 模糊模式识别 阈值原则： 4.3 模糊模式识别 二、择近原则 1、贴近度 表示两个模糊集A，B之间的贴近程度。 4.3 模糊模式识别 ⊙C = ⊙C = 故B比A更贴近于Ｃ. 4.3 模糊模式识别 4.3 模糊模式识别 4.3 模糊模式识别 4.3 模糊模式识别 2、择近原则 4.3 模糊模式识别 4.3 模糊模式识别 4.3 模糊模式识别 一、一级模糊综合评判 (1)确定因素集 }; , , , { 2 1 n u u u U L = (2)确定评判集 }; , , , { 2 1 m v v v V L = (3)进行单因素评判得到 ); , , , ( 2 1 im i i i r r r r L = 构造综合评 价 矩阵： ÷ ÷ ÷ ÷ ÷ ? ? ? ? ? ? ? è ? = nm n n m m r r r r r r r r r R L M M M M L L 2 1 2 22 21 1 12 11 （ 5 ）综合评判：对于权重 ), , , , ( 2 1 n a a a A L = 计算 R A B o = ，并根据隶属度最大原则作出评判。 4.4 模糊综合评判 根据运算　的不同定义，可得到以下不同模型： 最后得到一个评价向量 4.4 模糊综合评判 4.4 模糊综合评判 * 华中农业大学数学建模创新实践基地系列课件 以下内容在《数学建模与数学实验（第二版） 》（汪晓银 ，周保平主编）第8章 人脑较之精确计算机，就是能在信息不完整不精确的情况下，作出判断与决策，模糊性常常是信息浓缩所致，目的是为了提高交换的概率，所以不是毫无用处，而是积极的特性。 如果到火车站去接人，如下描述 “大胡子，高个子，长头发戴宽边黑色眼镜的中年男人” 除了男人的信息是精确的之外，其它信息全是模糊的，但是我们却能够找到那个人。 4.1 模糊集合及其运算 一、经典集合与特征函数 集合：具有某种特定属性的对象集体。 通常用大写字母A、B、C等表示。 论域：对局限于一定范围内进行讨论的对象的全体。 通常用大写字母U、V、X、Y等表示。 论域U中的每个对象u称为U的元素。 4.1 模糊集合及其运算 在论域U中任意给定一个元素u及任意