湘潭大学 人工智能课件 模糊系统 Part2.ppt

模糊计算的流程 模糊计算的过程 由于规则条件中连接两个条件的是“且”，故在此选用取最小值法确定四条规则的强度： 规则a：温度对“高”隶书度为0.1，湿度对“小”隶属度为0.075，min(0.1, 0.075)=0.075 规则b：温度对“中”隶书度为0.53，湿度对“中”隶属度为0.467，min(0.53, 0.467)=0.467 规则c：温度对“中”隶书度为0.53，湿度对“小”隶属度为0.075，min(0.53,0.075)=0.075 规则d：温度对“高”隶书度为0.1，湿度对“中”隶属度为0.467，min(0.1,0.467)=0.1 模糊计算的流程 模糊计算的过程 规则a和规则c的结论是运转时间为长，规则b和规则d的结论是运转时间为中。故运转时间对“长”的隶属度是规则a和规则c强度较大者0.075，运转时间对“中”的隶属度是规则b和规则d强度较大者0.467。 (3)进行去模糊化：最终的输出为 模糊计算的流程 模糊计算的一般流程如右图： 模糊计算适用于： (1)复杂且没有完整数学模型的非线性问题：可在不知晓具体模型的情况下利用经验规则求解 (2)与其它智能算法结合实现优势互补: 提供了将人类在识别、决策、理解等方面的模糊性引入机器及其控制的途径 Artificial Intelligence (AI)人工智能 第五章：模糊逻辑系统 内容提要 1. 模糊逻辑原理 2. 模糊集 3. 模糊关系 4. 模糊变换 5. 模糊推理 6. 模糊计算的流程 第五章：模糊逻辑系统 模糊变换 模糊变换 设A={μA(u1),μA(u2),…,μA(un)}是论域U上的模糊集，R是U×V上的模糊关系，则 A°R = B 称为模糊变换。 例如：设A={0.2,0.5,0.3} 则： 模糊变换 用模糊变换可进行模糊推理 例如：设对某厨师做的一道菜进行评判 评判标准是：色（u1）、香（u2） 、味（u3），它们构成论域：U= { u1, u2 , u3}。 评判时由评委对每一个评判因素分别进行打分，评判等级是好（v1）、较好（v2） 、一般（v3）、差（v4），它们构成论域：V= {v1, v2 , v3 , v4}。 仅就色而言，有60%的评委认为这道菜“好”， 20%的评委认为 “较好”，20%的评委认为 “一般”，没有评委认为 “差”，则对“色”的评价为：{0.6 , 0.2, 0.2, 0} 模糊变换 对“香”的评价为：{0.8 , 0.1, 0.1, 0} 对“味”的评价为：{0.3 , 0.3, 0.3, 0.1} 这样就可以写出矩阵R： 假设三个评判因素在评判中所占的权重分别是：“色”为0.3，“香”为0.3，“味”为0.4。这三个权重组成了U上的一个模糊向量：A={0.3 , 0.3, 0.4} 模糊变换 由此可得到评委对这道菜的综合评判为： 在此例中，评判结果的各项和刚好为1，所以它就是最终评判结果。 如果不是这样，还需要对其进行归一化处理，将归一化后的结果作为最终评判结果。 内容提要 1. 模糊逻辑原理 2. 模糊集 3. 模糊关系 4. 模糊变换 5. 模糊推理 6. 模糊计算的流程 第五章：模糊逻辑系统 模糊推理 模糊逻辑推理是建立在模糊逻辑基础上的不确定性推理方法，是在二值逻辑三段论基础上发展起来的。 这种推理方法以模糊命题为前提，动用模糊产生式规则，推导出一个近似的模糊结论。 模糊推理 模糊命题 模糊知识表示 模糊匹配与冲突消解 模糊推理的基本模式 简单模糊推理 模糊命题 模糊命题 含有模糊概念、模糊数据的语句称为模糊命题。它的一般表示形式为： x is A 或者 x is A ( CF ) 其中，A是模糊概念，用模糊集及隶属函数刻画； x是论域上的变量，用以代表所论述对象的属性； CF是模糊命题的可信度。 模糊知识表示 模糊产生式规则的一般形式是： IF E THEN H ( CF, λ ) 其中，E是用模糊命题表示的模糊条件； H是用模糊命题表示的模糊结论； CF是知识的可信度因子； λ是匹配度的阈值，用以指出知识被运用的条件。 模糊推理要解决的问题： 证据与知识的条件是否匹配 如果匹配，如何利用知识及证据推出结论。 模糊匹配与冲突消解 模糊匹配 在模糊推理中，知识的前提条件中的A与证据中的A’不一定完全相同，因此首先必须考虑匹配问题。 两个模糊集或模糊概念的相似程度称为匹配度。 冲突消解 当多个模糊规则被激活时，选择哪一个 冲突消解方法：