数据仓库与数据挖掘课件 第九章 模糊集.ppt

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 （9.2） 对任意x?U，都指定一个数μA(x)?[0, 1]与之对应，称为x对A的隶属度（Degree Of Membership），μA 称为A的隶属函数（Membership Function）。 若μA (x)=0，则x完全不属于A； 若μA (x) =1，则x完全属于A； 若0μA (x)1，则x属于A的隶属度为μA (x)。 当μA的值域为{0, 1}时，μA退化为经典集合的特征函数，而A退化为经典集合，即经典集合是模糊集合的特例。 模糊性的根源在于客观事物之间的差异存在中间过渡，存在亦此亦彼的现象。 隶属函数是模糊集理论的基本概念，它以0、1之间的一个数反映一个元素隶属于集合的程度，进而描述模糊现象。 隶属函数的确定过程本质上是客观的，但又允许有一定的人为技巧。 模糊集定义与隶属函数 常用的隶属函数。 1. 三角形隶属函数 2. S隶属函数 3. 正态隶属函数 模糊集定义与隶属函数 4. 梯形隶属函数 模糊集表示方法(扎德表示法)： 1. 当U为有限个元素时，称其为有限论域，设U={x1, x2,…, xn}，U上的模糊集A可以表示为： （9.7） 表示每个元素xi的隶属度为μA (xi)，而不是通常意义下的分式求和。 2. 当U是连续论域时， 这里的积分号不是通常的积分含义，该式表示对每个x都指定了相应的隶属度μA (x)。 模糊集定义与隶属函数 例9.1 以年龄为论域，取U=[0, 200]，为定义“年老”O与“年轻”Y这两个模糊集，Zadeh给出的隶属函数如下（如图9.1所示）： 模糊集定义与隶属函数 例9.2 若模糊集A的扎德记法形式为 序偶形式表示A，A={(a, 0.3), (b, 0.7), (c, 1), (d, 0), (e, 0.25)} 向量形式表示A，A=(0.3, 0.7, 1, 0, 0.25) 模糊集的基本运算 模糊集间的运算实际上是逐点对隶属度作相应的运算。 定义9.2 设A，B是同一论域U上的两个模糊集合，其隶属函数分别为μA (x)和μB (x)，A与B的并集、交集分别记为A?B和A?B。A的补集记为 。它们的隶属函数分别为： （9.10） （9.11） （9.1