云模型-------定性定量转换模型.pptVIP

首先，所有x ∈U 到区间[0,1]的映射是一对多的转换，x 对于T 的隶属度是一个概率分布而非固定值，从而产生了云，而不是一条明晰的隶属曲线。 第二，云由许许多多的云滴组成，一个云滴是定性概念在数量上的一次实现，单个云滴可能无足轻重，在不同的时刻产生的云的细节可能不尽相同，但云的整体形状反映了定性概念的基本特征。云滴的分布类似天上的云，远看有明确的形状，近看没有确定的边界。这就是我们用云来命名它的原因。 第三，云的数学期望曲线(Mathematical Expected Curve， MEC)从模糊集理论的观点来看是其隶属曲线。 第四，云的“厚度”是不均匀的。腰部最分散，“厚度”最大，而顶部和底部汇聚性好，“厚度”小。云的厚度反映了隶属度的随机性的大小。靠近概念中心或远离概念中心处，隶属度的随机性较小，而离概念中心不近不远的位置隶属度的随机性大，这与人的主观感受相一致。 云模型的3 个数字特征值，把模糊性(定性概念的亦此亦彼性)和随机性(隶属度的随机性)完全集成到一起，构成定性和定量相互间的映射作为知识表示的基础。 云模型除了完整的形态外，还有半升云和半降云两种半云形态。 半云用来表达具有单侧特征的定性概念。例如用半升云表示“远”，半降云表示“近”。例如，半升云可以表示“重”，半降云可以表示“轻”。 由一个半升云、一个半降云和一个均匀分布，可以生成梯形云，表达裕度大的概念。例如“大约二、三十米”。 定量变量的云化 对于定量变量,如其具有上下界,形如VQa [ Bmin , Bmax ] ,云化为正向云模型。采用约束条件的中值作为期望值, 用主要作用区域为双边约束区域的云来近似这个定量变量,云参数通过下式计算，式中 k 为常数,可根据变量本身的模糊阈度来具体调整。 分析 经过测试发现，在Ex、Ey的值估计上，三者的值在每次测试中均相等，这与三个算法的原理相符。 在En和He的值估计上，算法一的效果最差，大部分情况下，误差达到了原值的1.5至2倍，结果使人难以接受。根据文献的分析，推断更高维度的下的该算法，将无法实现逆向云计算的要求； 算法二、三的效果比较好，估算出的值大部分在可接受范围内。算法三的误差较算法二更小，是三者中效果最好的。 例1：基于云模型的企业质量成本预测 依据： 期望值Ex :是概念在论域中的中心值,是最能代表这个定性概念的值,换句话说,它100 %地隶属于这个定性概念。 熵En :是定性概念模糊度的度量,反映了在论域中可被这个概念所接受的数值范围,体现了定性概念亦此亦彼性的裕度。熵越大,概念所接受的数值范围也越大,概念越模糊。 超熵He :可谓熵En 的熵,反映了云滴的离散程度。超熵越大,云滴离散度越大,隶属度的随机性越大,云的“厚度”也越大。 用期望值表示最有可能出现的质量成本值,用熵表示企业质量成本管理方案实施风险,超熵表示质量成本管理方案实施的稳定性。 1) 企业质量管理人员在财务部门及专家的支持和帮助下,可以依据历史数据以及专家的意见,拟定若干个质量成本管理方案。 2) 利用逆向正态云生成算法,分别计算每种方案实施下的特征值( Ex , En , He) , Ex 为企业实施质量成本管理方案的质量成本预测值的期望, En 为企业质量成本管理方案实施风险的指标,He 为采取某一种方案的稳定性。 　应用 分析 小结 En , He 估计精度只和Ex 的估计值有关系,云滴数目n 越大Ex 越精确,相应的En 和He 的估计误差就越小, 这样就可以克服传统的由于主观估计所带来的不确定性。并且通过超熵He 的大小可反映出质量成本管理方案实施的稳定性, He 越大,稳定性越差。因此,在选择质量成本管理方案时,质量管理人员应综合考虑实施方案后,企业质量成本预测值的期望和熵, 既要努力使企业质量成本值尽可能的小,同时也要使实现企业质量成本值的风险也尽可能地小。最后通过He 的大小可以反映出质量成本管理方案实施后的稳定性。 例2：基于云理论的企业市场竞争定位模糊识别 1、市场竞争者的类型及特征 营销理论通常把市场竞争者分为4种类型： 1) 市场主导者；2) 市场挑战者；3) 市场跟随者；4) 市场补缺者 抽取5个特征因子： 1) X1为企业相对市场占有率；2) X2为企业价格变动水平； 3) X3为企业新产品开发能力；4) X4为企业分销渠道与实体分配能力；5) X5为企业综合促销能力。 2、正态云模型构建 定义模糊集： 由前面提取的特征因子，视实际问题的需要定义归属类型模糊集，并建立其隶属云模型。对企业而言，可以定义以下5个模糊集：1) A1：企业相对市场占有率高；2) A2：企业价格变动水平高；3) A3：企业新产品开发能力强；4) A4：企业分销渠道与实体分配能力强；5) A5：企业综合促销能力强。