人工智能与专家系统第6章 模糊推理.ppt

人工智能与专家系统; 第6章 模糊推理;6.1 知识的不确定性;;; （1）证据组合的不确定性测度计算模式 已知证据e1, e2,…, en的不确定性测度为μ1, μ2 ,…, μn, e1, e2, …, en的合取组合e1∧e2∧…∧en, 的 不确定性测度表示为： μ=f (μ1, μ2 ,?… , μn ) e1,e2,…en的析取组合e1∨e2∨…∨en的不确定性测度 表示为： μ =g (μ1, μ2, …, μn)。 证据ei的否定为的不确定性测度表示为： μ = q (μi )。;;;6.2 模糊集合的定义与运算;6.2.1 模糊集合的定义与表示;;;; 定义6.2 设论域U是有限域，即U = {x1， x2，…，xn}，U上的任一模糊集合A可表示为： A = μA( x1 )/x1 + μA( x2 )/x2 + … + μA( xn )/xn = 其中，μA( xi )是xi属于A的隶属度。若μA( xi ) = 0，则模 糊集A的上述表示中的相应μA( xi )/xi项可以省略。;;;6.2.2 模糊集合的运算; 定义 6.7 按照论域U分别是有限域和无限 域，模糊集A和B的并、交和补的计算分别为： ①论域U = ，且 ，则 A∪B = A∩B = ;;;;;;;;;;;;;;;;;;;;;;; 若根据客户的反馈意见，30%的客户最关心的产品的质 量(u1)，30%的客户最关心产品的价格(u2)，40%的客户最关 心产品的售后服务(u3)，则它们构成了U上的一个模糊向量A： A = （0.3， 0.3， 0.4 ） 由R和A可得出对该产品的模糊综合评判为B： B = A R = （ 0.3， 0.3， 0.3， 0.1 ）;;6.3 模糊知识表示与模糊匹配;6.3.1 模糊知识表示;;;6.3.2 模糊匹配;;;;语义距离 定义6.15 设A与B分别是论域U = {u1，u2，…，un} 上的表示两个模糊概念的模糊集，则它们之间的 海明距离定义为： d(A，B) = 欧几里德距离定义为： d(A，B) = 明可夫斯基距离定义为： d(A，B) = [ q≥1 切比雪夫距离定义为： d(A，B) = ;;;;;;;;;;;;;;;6.4 简单模糊推理;6.4.1 模糊推理的基本模式;;;;;;6.4.2 简单模糊推理方法;;;;;;;;;;;;6.4.3 模糊三段论推理方法;;6.5 一般模式的模糊推理;6.5.1 多维模糊推理方法;;;6.5.2 带有可信度的模糊推理方法;;;;;;;