模糊理论 大学数学幻灯片课件.pptVIP

模糊理论 Fuzzy Theory 大纲 背景 模糊理论概述 模糊集 模糊逻辑 信息论与实例 应用领域 《伊索寓言》的故事 一个路人问一位智者，要走几小时才能到达某地。智者默不作答，等过路人走了一小段路以后，他才把那人叫回，答以时间…… 赞成 说话要有根据 回答十分精确 反对 说话要灵活处理 路人又没问精确时间 “3小时左右” 模糊性 日常生活中，早已运用自如 科学分析中，理论却还未完善 模糊理论 模糊集，模糊逻辑，模糊数，... 历史 20c60s，奠定理论基础 L.A.Zadeh, “Fuzzy Set”, 1965. 20c70s，广泛应用于控制领域 荷兰，热水站，传统方法难以控制 日本，地铁列车自动运转，自来水厂净化处理 从精确到模糊 精确 答案确定：要么是，要么不是 f : A → {0,1} 他是学生？他不是学生？ 模糊 答案不定：也许是，也许不是，也许介于之间 μA : U → [0,1] 他是成年人？他不是成年人？他大概是成年人？ 模糊集的运算 补集（μA = 1 – μA） 0.6/a + 0.7/b → 0.4/a + 0.3/b 并集（μA∪B = μA ∨ μB ） 0.7/a + 0.3/b ∨ 0.4/a + 0.6/b → 0.7/a + 0.6/b 交集（μA∩B = μA ∧ μB ） 0.7/a + 0.3/b ∧ 0.4/a + 0.6/b → 0.4/a + 0.3/b “又矮又瘦” U = {甲, 乙, 丙, 丁} A = “矮子” 隶属函数 (0.9, 1, 0.6, 0) B = “瘦子” 隶属函数 (0.8, 0.2, 0.9, 1) 找出 C = “又矮又瘦” C = A∩B = ( 0.9∧0.8 , 1∧0.2 , 0.6∧0.9 , 0∧1 ) = ( 0.8, 0.2, 0.6, 0) 甲和丙比较符合条件 模糊集的性质 等幂律 A∪A = A 交换律 A∪B = B∪A 结合律 (A∪B)∪C = A∪(B∪C) 分配律 A∪(B∩C) = (A∪B)∩(B∪C) 德摩根律 (A∪B) = A∩B 双重否定律 A = A 两极律 U∪A = U 排中律 A ∩ A = φ × 模糊逻辑 对于命题P，用T(P)表示其隶属度 T(┐P) = 1 – T(P) T(P∧Q) = T(P)∧T(Q) T(P∨Q) = T(P)∨T(Q) 同精确逻辑相比，排中律不满足，其他均满足 评价“自然语言” 一组学生共10人，考试成绩为： 72 68 71 70 86 69 70 82 72 75 如何评价上述数据？ 这些学生平均分73.5分 这次考试成绩大多数在７０分左右，个别在８０分以上 精确，但是不直观 “大多在70分左右，个别在80分以上” “大多数” 0.5/6+0.8/7+1/8+1/9+1/10 “70分左右” 0.5/68+1/69+1/70+1/71+1/72+0.8/73+0.5/74+0.5/75 “个别” 1/1+1/2+0.5/3 “80分以上” 1/80+1/81+1/82+...+1/100 对分数问题的分析 首先，对10个分数求“70分左右”的隶属度： 1 + 0.5 + 1 + 1 + 0 + 1 + 1 + 0 + 1 + 0.5 = 7 表示约7个人次在70分左右。 7对于“大多数”的隶属度是0.8 T(“大多数”) = 0.8 80分以上有2人，2对于“个别”的隶属度为1 T(“个别”) = 1 T(“大多数”∧“个别”) = 0.8∧1 = 0.8 72 68 71 70 86 69 70 82 72 75 信息论 信息论 1948 C. E. Shannon 有干扰条件下的信号传递问题 信息量 量化语言中信息价值 信息熵 量化语言中的“累赘”率 无法涉及信息的含义（语义学范畴） 模糊数学和图像识别 是否具有良好的模糊识别的能力，是人和现代计算机之间存在的很大区别 “等腰”？“等边”？“直角”？ I:近似等腰 E:近似等边 R:近似直角 T:普通 U = {(A,B,C) | A= B = C = 0} A B C 等腰三角形 需求 当A=B或B=C时，函数值为1 当两个角越接近，函数值越大 当A=120,B=60,C=0时，函数值为0 确定隶属度函数 μI(A,B,C) = 1 – min (A-B, B-C) / 60 等边三角形 需求 当A=B=C时，函数值为1 当三个角越接近时，函数值越大 当A=180,B=C=0时，函数值为0 确定隶属度函数 μE(A,B,C) = 1 – (A-C) / 180 直角