近似模糊熵.docVIP

§2.4.2 近似模糊熵 上一目讨论的模糊集不管是同型的，还是TFNs，都是同高的。由上面讨论可知：模糊集的熵与其支撑区间密切相关。但如果两个模糊集不同高，又会有怎样？ 图中给了两个模糊集合A和B，按照（）和（），。但从决策观点来看，直觉地，B总能比A提供更多的信念度[]（degree of confidence）。信念度可用模糊集的信息能量（模糊能量，清晰程度）来表示。从而，B总能比A提供更多的信念度也就是说，即有。在模糊控制中，如果A和B是两个模糊推理结果，反模糊化时，B的权重应该大于A的权重[]，也应有。 从模糊熵的定义看，因为A和B在序下不可比，因而无论还是乃至都不会有问题，关键是符合具体应用的情况。 如果把论域离散化，A和B都是有限论域上的模糊集，要使很容易，比如加权，这里不详述。 对有限区间论域上的模糊集A，用表是A与x轴所围面积，用表示A的支撑区间的长度，[]提出了一个改进的模糊熵公式 这一公式是不对的，尽管用它去处理上面的问题可能有效[]。因为一个公式要正确的话，公式两边的量纲必须一致。 注意到定理2.3.2和定理2.3.4，一个模糊集的熵的大小即与支撑区间有关也与高度有关。A和B的支撑区间长度相同，但，为了让，定义 就可解决前面问题。 注5公式两边量纲一致，所以是个合理的公式。同样因为量纲的原因，不能如此定义，尽管它同样能解决前面问题。 例2.41 按（）计算模糊熵，考虑上述A和B，，，而，，，满足要求。 注6 前面问题产生的原因是和相差太大，支撑区间长度又相等，上述处理有效。 注7若高度一样，用处理，由定理2.2.2，若则，保持这一性质，但强化了结果，即。 注8 因为不是常数（随A变化），所以不是模糊熵。比如，若且，则就有可能大于，特别是高度相差比较 大时，此时不符模糊熵的要求。高度相差不大，有效但没有必要。有类似问题，因此[]称是模糊熵是错误的。但仍是处理前述问题的一个选择。可把称为近似模糊熵。 §2.43 近似模糊熵在反模糊化中的应用 反模糊化是模糊控制等应用中的关键问题之一。常用的反模糊化方法是“Center-of-gravity”(COG)和“Center-of-sum”(COS)。设一多输入单输出模糊系统有多条规则，输出变量论域，输入激活N条规则进行模糊推理后得到N个三角形或四边形模糊集，并设。 由COG反模糊化得为所围面积的中心，即 由COS反模糊化得为 上述两种方法，模糊集所围面积起关键作用。很可能发生这样的事情： 和相邻但面积比大（其它面积都较小，不起主要作用），同时 比更模糊，比如，。那么很可能在更偏向的支撑集而不是的支撑集。可以改进COS方法，通过加权的方法给赋予更大大权重。随便加权不可行，通过模糊集本身信息来加权更可行也较可靠。我们的目的是：小则对应权重大。 令为权系数可达到目的。于是改进的COS方法（MCOS）为 为了对比效果，令，则 注9 （）中也可以，但这样太小。取同样能达到目的而不会太小。（）中取主要是为了权重和为一。 例2.4.2假如某个控制问题激活了4条规则，论域，如下图所示。我们有，，而，，相关数据见表。 i=1 i=2 i=3 i=4 备注 1.3965 6.7320 3.844 2.1480 0.2824 0.2015 0.2438 0.2623 55.8240 112.2000 134.0400 9.5467 0.2671 0.2238 0.2064 0.3027 0.3900 1.4100 1.3600 2.7900 1.5605 9.1617 15.4920 39.0600 5.0400 56.0685 结果讨论：我们认为MCOS提供的结果优于其它两种方法，达到我们的目的：结果更偏向右侧。从图可以知道：和起主要作用，因为它们的面积比其它的面积都大；而面积比大，同时更清晰（高而窄），因而应偏向，但要受到的限制。和都在的中心偏右是合理的因为它们的面积比其它的都大， 第 44 页 西南交通大学研究生博士学位论文 西南交通大学研究生博士学位论文 第 16 页