模糊信息处理 (1).ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * c c-a c+a 斜率=-b/2a 隶属函数的参数化举例： 以钟形函数为例， a,b,c,的几何意义如图所示。 改变a,b,c,即可改变隶属函数的形状。 三、二维模糊隶属函数及其运算规则 1）一维模糊集合的圆柱扩展 2）模糊集合的投影 定义：如果一个二维MF可以表示为两个一维MF的解析式，则它是复合的，否则是非复合的。 3)复合二维MF和非复合二维MF 复合式 非复合式 复合二维MF可由两个一维MF经max(OR) 和min(AND) 运算集结。 梯形trap(x,-6,-2,2,6)和trap(y,-6,-2,2,6)的min和 max运算 钟形bell(x,4,3,0)和bell(y,4,3,0)的min和 max运算 是函数T的二元算子，称作T-范式（三角范式）算子，并且满足以下四条性质： 4) 更一般化的模糊交、并、补运算 (1) 三角范式运算： 二个模糊集合A和B的“交”用如下函数确定 4个最常用的T-范式算子： 4个T范式算子以a,b为自变量的表面图 (2) 协三角运算 S—范式 二个模糊集合A和B的“并”用如下函数确定 是函数S的二元算子，称作T-协范式（协三角范式）算子或S-范式，并且满足以下四条性质： 4个最常用的S-范式算子： 4个S-范式算子以a,b为自变量的表面图 (3) 一般化的模糊补算子可定义为如下函数形式 第一种选择模糊补的方法，要求满足以下2条 第二种选择模糊补的方法，要求满足对合条件，即 显然，满足对合条件的函数N，必然关于连接(0,0)和(1,1)的直线对称。 5) 模糊隶属函数的修正（Hedges) 四、模糊关系与复合运算 精确关系 模糊关系 同一空间 表示二个或二个以上集合 元素之间关联、交互、互 连是否存在。 表示二个或二个以上集合元素之间关联、交互、互连是否存在或不存在的程度。 举例 同一空间模糊关系复合运算： 或 举例 非同一空间模糊关系复合运算： 精确关系 模糊关系 不同乘积空间，但有一个公共集合的二个关系复合定义为： 不同乘积空间，但有一个公共集合的二个模糊关系P(U,V)和S(V,Z)定义为： 当U,V,W是离散论域时， Sup(取上界)变成取极大运算 非同一空间模糊关系复合运算举例与图示： 举例 1 2 3 a b 0.4 0.2 0.8 0.9 0.9 0.2 0.5 0.7 X中元素2和Z中元素a通过二二连接建立的路径，选择 连接强度最大者，其强度由子路径强度乘积或取极小计算而得。 图示： Y 模糊关系隶属函数的计算 或 End of Session * * * * * * * * 神经元被分层安排 第一层接受基本输入，传递其输出到第二层； 第二层又有自己的加权因子和代数和，传递至第三层 …… 直至最后一层，产生输出。 输出层 隐藏层 输入层 o1 o2 om … x1 x2 xn … … … … … … 神经网络与传统方法进行信息处理有两个完全不同的性质： 神经网络是自适应和可被训练的，有自修改的能力； 神经网络的结构本身就意味着大规模平行机制。 模糊逻辑技术与神经网络技术相结合，可以形成一个互补的系统： 神经网络的关键特性和基本限制是：神经网络有自学习功能和平行工作的特性。但所知的信息是隐含的，安排每一个输入的权重是关键。 模糊逻辑系统所具有的“知识”由该领域的专家所提供。其模糊逻辑控制规则是由人的直觉和经验制定。有逻辑推理能力，但不具有学习功能。 因此，模糊逻辑技术与神经网络技术各有长处和局限性，两者相结合，可构成模糊神经网络等，能各取所长，共生互补。 模糊数学的创立及发展 “模糊”－Fuzzy－不分明－“乏晰” 复杂性与精确性的矛盾－“不兼容原理” 计算机 计算速度 存储能力 判断、推理 有时不如人脑？ 模糊数学的创立及发展 Zadeh 扎德教授 1965年，《模糊集合论》 “隶属函数” “模糊数学”的诞生 量 确定性－经典数学 不确定性 随机性－统计数学 模糊性－Fuzzy 数学 模糊数学的创立及发展 随机性与模糊性之区分 随机性 事件本身具有明确含意 事件是否出现的不确定性 [0,1]上概率分布函数描述 模糊性 事物的概念本身是模糊的 概念的外延的模糊－不确定性：模糊性 [0,1]上的隶属函数描述 模糊集合和模糊关系 模糊集合及其表述