模糊数学 13.pptVIP

模 糊 数 学 主讲人：李鹏远 什么是模糊数学 ? 1956年，美国加利福尼亚大学控制论专家扎德（L.A.Zadeh）教授提出的。 是一门研究和处理模糊性现象的数学方法。 模 糊 数 学 第一章 模糊集的基本概念 第二章 模糊聚类分析 第三章 模糊类型识别 1.1 模糊子集及其运算 对于有限论域 称映射 A(x)：U→[0,1] 确定了一个U上的模糊子集A，映射A(x)称为A的隶属函数，它表示x对A的隶属程度,记为 例 设论域U = {x1 (140), x2 (150), x3 (160), x4 (170), x5 (180), x6 (190)}(单位：cm)表示人的身高，那么U上的一个模糊集“高个子”(A)的隶属函数A(x)可定义为 1.2 模糊集的运算 相等：A = B ? A(x) = B(x)； 包含：A?B ? A(x)≤B(x)； 并：A∪B的隶属函数为 (A∪B)(x)=A(x)∨B(x)=max{A(x)，B(x）}； 交：A∩B的隶属函数为 (A∩B)(x)=A(x)∧B(x)=min{A(x)，B(x）}； 余：Ac的隶属函数为 Ac(x) = 1- A(x). 例 设论域U = {x1, x2, x3, x4, x5}(商品集)，在U上定义两个模糊集： A =“商品质量好”， B =“商品质量坏”，并设 A = (0.8, 0.55, 0, 0.3, 1). B = (0.1, 0.21, 0.86, 0.6, 0). 1.3 分解定理 ?A(x)= ?∧A(x) 分解定理： A=∪?A(x) 1.4 扩张原理 例 设论域U = {1, 2, 3, 4, 5, 6}到V = {a, b, c, d} 的映射f 定义如下： 设A= 试求f(A). f(A)(a)= V[A(1), A(2), A(3)] =1 f(A)(b)= V[A(4), A(5)]=0.1 f(A)(c)= V[A(6) ]=0.9 f(A)(d)=0 1.5 隶属函数的确定 模糊统计法 指派方法 隶属函数 2. 模糊聚类分析 什么是聚类分析？ 将物理或抽象对象的集合合成相似的对象类的过程称为聚类。 模糊聚类分析的一般步骤： 1.数据标准化 2.标定（建立模糊相似矩阵） 3.聚类 2.1数据标准化 2.1数据标准化 2.2 标定 2.3 聚类 （一）传递闭包法 等价关系 模糊等价矩阵 t(R)=Rk 对于自然数lk, 恒有Rl=Rk 2.3 聚类 将? 由大到小进行聚类: 取?=0.84，分成五类：{{Ⅰ,Ⅲ}{Ⅱ}{Ⅳ}{Ⅴ}{Ⅵ}} 取?=0.81，分成四类：{{Ⅰ,Ⅲ}{Ⅱ}{Ⅳ}{Ⅴ,Ⅵ}} 取?=0.61，分成三类：{{Ⅰ,Ⅲ}{Ⅱ,Ⅴ,Ⅵ}{Ⅳ}} 取?=0.51，分成两类：{{Ⅰ,Ⅲ}{Ⅱ,Ⅳ,Ⅴ,Ⅵ}} 取?=0.42，分成一类：{{Ⅰ,Ⅲ,Ⅱ,Ⅳ,Ⅴ,Ⅵ}} 2.3 聚类 （二）布尔矩阵法 已知相似矩阵R=(rij)n?n，相似系数rij的所有不同值由大到小依次表示为?k，k=1,2,…,m. 2.3 聚类 （三）直接聚类法 已知相似矩阵R=(rij)n?n，相似系数rij的所有不同值由大到小依次表示为?k，k=1,2,…,m. 2.3 聚类 （四）最大树法 (五）编网法 2.3 聚类 2.4 最佳阈值λ的确定 按照实际需要 根据F统计量确定λ最佳值 3. 模糊模型识别 什么是模型识别？ 已知某类事物的若干标准模型，现有这类事物中的一个具体对象，问把它归到哪一模型，这就是模型识别. 模糊模型识别？ 所谓模糊模型识别,是指在模型识别中,模型是模糊的. 3.1 最大隶属原则（第一类模糊模型识别） 最大隶属原则Ⅰ 设论域X ={x1, x2, … , xn }上有m个模糊子集A1, A2, … , Am(即m个模型),构成了一个标准模型库,若对任一x0∈X,有k∈{1, 2, … , m },使得 Ak(x0)=∨{A1(x0), A2(x0), … , Am(x0)}， 则认为x0相对隶属于Ak . 最大隶属原则Ⅱ 设论域X上有一个标准模型A,待识别的对象有n个：x1, x2,