第五讲 f与uzzy集理论及应用 .ppt

评判模型主要是建立在? — ?复合运算基础之上。模型只考虑了突出的因素而忽略了其余因素的影响。 特点： 优点：简单易行，且反映了许多实际问题的实质; 解决办法：采用一般的三角模算子来建立评判模型。 缺点：只考虑了主要因素而省略了其余的信息而使得多数信息白白浪费，对有些实际问题的刻划很不利。 三角模算子建立评判模型的方法（1）： 三角模算子建立评判模型的方法（2）： 例： 对教师授课质量进行评估。设因素集F与评语集C分别为： 例： 对教师授课质量进行评估。设因素集F与评语集C分别为： （1）? — ?模型一级综合评判 归一化： （2）加权平均型 （3）全面制约型 归一化： 三种评判方法都说明结果“很好” 二级评判 取模型II对上术结果进行二级评判。设对上述结果的权重为： 由于： 评判结果“很好” 模糊逻辑 模糊神经网络（FNN） 八、模糊集理论的其它问题 （4）最小平均贴近度NA 2、常用的贴近度计算公式 2、常用的贴近度计算公式 （5）格贴近度 “ ? ” 称为极大一极小(?—?)复合运算，这种运算在模糊关系方程以及模糊神经网络等领域有着广泛的应用。 例、 由定义可求得： 四 隶属函数的确定方法 模糊统计法 三分法 隶属函数的确定方法 1、模糊统计法 模糊统计试验的四个要素 ： 例、 选取n位合适的人，他们能理解“年轻人”这一概念，并可以用数量来近似描述，即每个人能根据自己对“年轻人”的理解定义出A*; 他们独自认真考虑“年轻人”的含义后，报出他们各自认为适合“年轻人”这一概念最合适的年龄区间段; 统计x0＝27对“年轻人”的年龄区间A*的隶属频率； 通过直方图求得x0的隶属度。 年青人年龄区间统计表（共129例） 27岁对年青人的隶属频率表 27岁对年青人的隶属频率表 五、模糊模式识别 1、直接模糊模式识别方法 2、间接模糊模式识别方法 六、模糊关系 1、模糊关系 设Ui是（i=1,2,…n）论域，R是 U1×U2×…×Un上的一个模糊子集，则称R为U1×U2×…×Un上的一个n元模糊关系，记为： R= ∫ μR(u1, u2, …, un ) / (u1, u2, …, un) U1×U2×…×Un μR(u1, u2, …, un )是模糊关系R的隶属函数 2、二元模糊关系 例、设有一组学生U: U={ 张三，李四，王五 } 他们对球类运动V: V={ 篮球，排球，足球，乒乓球 } 有不同的爱好，其爱好程度可以用下面的模糊关系来表示： 3、模糊关系的并、交与补 模糊关系的并、交与补与模糊集的并、交与补有相同的运算 合成方法： 对隶属度的极小-极大化处理 极小隶属度 极大隶属度 4、模糊关系的复合 5、模糊矩阵 0.4 0.5 R1·R2= 0.4 0.6 0.3 0.5 0.2 0.8 R2= 0.4 0.6 0.6 0.4 例、设有如下两个模糊关系 0.4 0.5 0.1 R1= 0.2 0.6 0.2 0.5 0.3 0.2 七、 模糊综合评判 模糊综合评判步骤 构建多因素组成的模糊集合（因素集u）； 设定因素集的评审等级，组成评语模糊集（评判集v）； 根据各单一因 素对各个评审等级的归属程度构建模糊矩阵； 通过模糊矩阵合成得到最终评价结果。 模糊综合评判问题的三个要素：因素集、评语集、评价集 模糊评判矩阵 评价集 评语集 因素集 一级评判：评判结果可由评判矩阵直接求得； 多级评判：评判结果是多个一级评判的复合。 一级评判与多级评判 模糊现象 模糊集及其基本运算 模糊模式识别 模糊综合评判 模糊集理论与应用（Fuzzy set and application) 一、模糊与随机 模糊集合是对模糊现象或模糊概念的刻划； 模糊现象: 没有严格的界限划分而使得很难用精确的尺度来刻划的现象； 自然界和人们的日常生活中，存在着大量的模糊现象和模糊概念 :晴天，多云，阴天，小雨，大雨 等； 模糊数学就是从量上来研究和处理模糊现象的一门数学学科； 模糊现象 数学中研究的两种量 确定性的量 非确定性的量 随机性的量（概率统计的研究领域） 模糊性的量（模糊数学的研究领域） 相同点: 反映物质世界的不确定性 概率统计与模糊数学 不同点: 统计学：探求事物是否发生的不确定性以及与之相关的量的规律。非“一因一果”而是“一因多果”的随机性； 模糊数学: 研