模糊数学必备章节3.pptxVIP

模糊集的a—弱（强）截集都是普通集合，它可理解为模糊集中隶属度达到了某个水平的所有元素的集合例题 a值越小，Aa包含的元素越多，这种让a由大到小取值，而Aa所含元素则由少到多的过程，实际上是一种分类过程a值越大， Aa所含元素越少，分出的类就多，分类越细；反之， a值越小， Aa所含元素越多，分类越粗应该注意到， Aa是 不模糊的分解定理分解定理是模糊数学理论发展的重要组成部分，它给出如何把模糊集分解成普通集，从而可把模糊集里的问题化成普通集里的问题来讨论从方法论的角度看，任何模糊集的问题，都可以通过分解定理而用经典集合论的方法来处理分解定理例题则 例题从以上性质可看出a值越小，Aa包含的元素越多，这种让a由大到小取值，而Aa所含元素则由少到多的过程，实际上是一种分类过程a值越大， Aa所含元素越少，分出的类就多，分类越细；反之， a值越小， Aa所含元素越多，分类越粗模糊集是普通集的推广，而模糊集的a—截集又是普通集分解定理提供了把模糊集分解为普通集的数乘模糊集的并的方法利用分解定理可使某些模糊集的问题化为普通集问题来解决，这也反映了模糊集与普通集的密切联系模糊集的数量指标模糊集的高(hgtA)、深度(dphA)及基数模糊集完全由其隶属函数来确定，知道了隶属函数也就知道了模糊集，但是我们希望知道模糊集某方面的特性，比如要了解模糊集的“大小”，模糊程度以及两模糊集间的“距离”等等高和深度模糊集A的高和深度，都是反映模糊集隶属函数的极值状态，高反映的是“极大”方面的情况，深度反映的是“极小”方面的情况对于有限集上的模糊集，高和深度实际上就是模糊集的隶属函数的最大和最小值例题设U={a,b,c,d}，且 为U上一个模糊集基数、相对基数定义A的基数定义 设定义A的相对基数基数|A|是刻画集合A的“容量”的一个数量指标，当A是普通集合时，|A|就是普通集合的元素的个数，相对基数则是刻画集合浓度的指标模糊度模糊度是刻划模糊集的模糊程度的数量指标，不同的模糊集其模糊程度是不一样的，即使是同一论域上的模糊集，它们的模糊程度也可能有较大区别寻求一个数量指标来描述模糊集的模糊程度是很必要的（1）普通集是不模糊的，标志它的模糊程度的数量应该为零（3）A(u)越远离0.5，其值越小，反之越靠近0.5，其值越大模糊度定义 设这是一个公理化的定义,它只给出了模糊度最基本的要求,但此定义不适用于计算,在实用 中还需给出其具体的形式由定义可知,模糊度的具体形式不是唯一的,常用的计算模糊度的公式有:容易验证H(A)满足模糊度的定义,故可作为模糊度的另一种度量工具 例题设距离的定义设U为论域,x,y ∈U，x与y间的距离d(x,y)是一个非负实数，它满足下述三条公理：模糊集之间的距离在模糊数学实际应用中, 有时需要比较两个模糊集合之间的差异或相近程度, 例如模糊数学在模糊识别中的应用。以计算机手写文字识别为例。若将一个标准方块字分解成为许多小格子, 而这些小格子构成一个标准字模集合, 所有标准字模集合组成了论域X。将用手写的一个文字看成为该论域中的一个模糊集合, 则手写文字识别问题便成为：此模糊集合与哪个标准字模集合最接近？这个问题需要涉及到模糊集之间的距离概念。 再讨论一个具体问题：假设有A, B两位顾客选购家具, 并且他们主要考虑的因素是 x1: 美观程度; x2: 耐用程度; x3: 价格高低。 在选购时, 两位顾客将根据自己的观点, 分别给这三因素“评分”。事实上, 这种评分是模糊的, 用模糊数学的术语讲, 是要确定对这些因素“满意”的隶属度。然而, 由于两位顾客个人的经验、审美观、经济状况等都可能不尽相同, 所以他们对某件家具的评分结果很可能是不一致的, 比如： 美观程度x1耐用程度 x2 价格高低 x3顾客 A 0.8 0.4 0.7顾客 B 0.6 0.6 0.5从而根据顾客A, B的评分可得到两个模糊集合: A={(x1, 0.8), (x2, 0.4), (x3, 0.7)} B={(x1, 0.6), (x2, 0.6), (x3, 0.5)} 如何描述顾客A, B的评分的接近程度呢？这就要涉及到模糊集之间接近程度的度量问题。度量模糊集合的关系密切程度可以用两者之间的距离来描述, 即距离越大, 关系越稀疏; 而距离越小, 关系越密切。 若X={x1, x2, …, xn}, A?F(X). 则 A= (A(x1), A(x2), …, A(xn)) 这时(A(x1), A(x2), …, A(xn))可解释为n维欧氏空间中的点, 因此可仿照欧氏空间中距离来定义模糊集之间的距离。