模糊数学基本知识课件.docVIP

　 　　　 　 PAGE \* MERGEFORMAT 8　 　 　　　 　　 一．模糊数学的基础知识　　　 1．模糊集、隶属函数及模糊集的运算。　　　 普通集合A，对，有或。　　　 如果要进一步描述一个人属于年轻人的程度大小时，仅用特征函数就不够了。模糊集理论将普通集合的特征函数的值域推广到[0，1]闭区间内，取值的函数以度量这种程度的大小，这个函数（记为）称为集合的隶属函数。即对于每一个元素，有[0,1]内的一个数与之对应。　 （1）模糊子集的定义：射给定论域U，U到[0，1]上的任一映射：　 　　　 都确定了U上的一个模糊集合，简称为模糊子集。称为元素属于模糊集的隶属度。映射所表示的函数称为隶属函数。　　　 例如：设论域U=[0，100]，U上的老年人这个集合就是模糊集合：　 若在集合U上定义了一个隶属函数，则称为模糊集。　　　 （2）模糊集合的表示：，称为元素属于模糊集的隶属度；则模糊集可以表示为：。　　　 或 ，，　　 （3）模糊集合的运算：　　　 ，，　　 并集：，　 交集：，　　　 补集：，　 包含：，　　 2．模糊集的截集　 已知U上模糊子集　　　 对，则称为模糊集的-截集；　 称为模糊集的-强截集；称为、的置信水平或阀值。　 二．模糊数学的基本定理　 模糊截积：　 已知U上模糊子集　　 对，也是U上模糊集，其隶属函数为：；　　 称为为与的模糊截积。　　　 分解定理1：已知模糊子集，则　 推论1：对　　　 分解定理2：已知模糊子集，则　　 推论2：对　 三．模糊关系与模糊聚类　　　 模糊关系与模糊关系的合成　　　 模糊关系　　 普通集合的经典关系，　 模糊关系：从U到V 上的一个模糊关系：，表示具有的关系程度，。（满足01）称为U到V 上的一个模糊关系的模糊矩阵。　　 （2）．设＝和=为两个模糊矩阵，令　　 ＝，＝1，2，…,,=1,2,…,。　　　 则称矩阵=为模糊矩阵与的褶积，记为　 ＝,　　 其中“”和“”的含义为　 　 显然，两个模糊矩阵的褶积仍为模糊矩阵　　 2. 模糊等价矩阵及其矩阵　　 设方阵为以模糊矩阵，若满足　 =　 则称为模糊等价矩阵。　 模糊等价矩阵可以反映模糊分类关系的传递性，即描述诸如“甲像乙，乙像丙，则甲像丙”这样的关系。　 设＝为一个模糊等价阵，01为一个给定的数，令　　 　　　 则称矩阵为的截阵　　 例如，　 ＝　　　 为一个模糊等价阵，取0.4,则　　 =　 若取，则　 =　　　 　　 模糊聚类：　 模糊划分的概念最早由Ruspini提出，利用这一概念人们提出了多种聚类方法，比较典型的有：基于相似性关系和模糊关系的方法(包括聚合法和分裂法)，基于模糊等价关系的传递闭包方法、基于模糊图论最大树方法，以及基于数据集的凸分解、动态规划和难以辨识关系等方法. 然而由于上述方法不适用于大数据量情况，难以满足实时性要求高的场合，因此其实际的应用不够广泛，故在该方面的研究也就逐步减少了. 实际中受到普遍欢迎的是基于目标函数的方法，该方法设计简单、解决问题的范围广，最终还可以转化为优化问题而借助经典数学的非线性规划理论求解，并易于计算机实现. 因此，随着计算机的应用和发展，该类方法成为聚类研究的热点.　　　 （1）模糊聚类的基本概念　　　 模糊聚类目标函数的演化　　　 模糊聚类方法　　　 模糊聚类法和一般的聚类方法相似，先将数据进行标准化，计算变量间相似矩阵或样品间的距离矩阵，将其元素压缩到0与1之间形成模糊相似矩阵，进一步改造为模糊等价矩阵，最后取不同的标准，得到不同的截阵，从而就可以得到不同的类。具体步骤如下：　　 第一步：数据标准化　　 1.数据矩阵　 设论域为被分类的对象，每个对象又由个指标表示其性状：　 （）　　 于是得到原始数据矩阵为　 　 2.数据标准化　 在实际问题中，不同的数据一般有不同的量纲。为了使有不同的量纲的量也能进行比较，通常需要对数据作适当的变换。但是，即使这样得到的数据也不一定在区间[0，1]上。因此，这里所说的数据标准化，就是要根据模糊矩阵的要求，将数据压缩到区间[0,1]上。　 通常需要作如下变换：　 （1）平移·标准差变换：　　　 （）　　 其中。　　　 经过变化后，每个变量的均值为0，标准差为1，且消除了量纲的影响。但是，这样得到的还不一定在区间[0,1]上。　 （2）平移·级差变换　　 （）　 显然有，而且也消除了量纲的影响。　　 第二步：标定（建立模糊相似矩阵）　　 设论依照传统的方法确定相似系数，建立模糊相似矩阵，与的相似程度。可根据问题的性质，选取下列公式之一计算　 数量积法　 　　　 其中　　 显然，若中出现负值，也可采用下面的方法将压缩在[0,1]上　　　 令，则。　　　 当然也可