数学建模-模糊数学.pptVIP

2013建模专题讲座模糊数学数理部王冰冰 一、模糊数学基础知识 二、模糊聚类分析 三、模糊识别 四、模糊综合评价 从精确到模糊 精确 答案确定：要么是，要么不是 f : A → {0,1} 他是学生？他不是学生？ 模糊 答案不定：也许是，也许不是，也许介于之间 μA : U → [0,1] 他是成年人？他不是成年人？他大概是成年人？ 第一节 模糊数学基础知识 “老年” 50岁以下不是老年 70岁以上是老年 年龄越大，被认为是老年的根据越充分 第二节 模糊聚类分析 在科学技术，经济管理中常常需要按照一定的标准（相似程度或亲疏关系）进行分类。对所研究的事物按一定的标准进行分类的数学方法称为聚类分析，它是多元统计“物以类聚”的一种分类方法。然而，在科学技术、经济管理中有许多事物的类与类之间并无清晰的划分，边界具有模糊性，它们之间的关系更多的是模糊关系。对于这类事物的划分，就应该用模糊数学的方法，我们把应用模糊数学方法进行的聚类分析，称为模糊聚类分析. 所谓模糊聚类方法，就是依据模糊矩阵将所研究的对象进行分类的方法，对于不同的置信水平λ∈[0,1]，可得到不同的分类结果，从而可以形成动态聚类图。 模糊聚类的基本步骤： 1）数据的标准化处理 2）建立模糊相似矩阵 3）聚类分析 第三节 模糊模式识别 原则Ⅱ的例子 例1：教师讲课的综合评判 U是评价因素集，V是评语等级 U={清楚易懂，教材熟练，生动有趣，板书整齐} V={很好，较好，一般，不好} 我们可以为U中的各元素分配不同的权数，表示各元素隶属于重要的隶属度。 A=（0.5，0.2，0.2，0.1） B=（0.5，0.2，0.2，0.1） 1.加权统计方法 (1) 对每一个因素 ,在k个专家所给的权重 中找出最大值 和最小值 ,即 (2) 选取适当的正整数p,将因素 所对应的权重 从小到大分成p组,组距为 . (3) 计算落在每组内权重的频数与频率。 (4) 取最大频率所在分组的组中值(或邻近的值)作为因素的 权重. (5) 将所得的结果归一化. 3.层次分析法 模糊层次法 常见的一种方法 输入数据： R=[0.2 0.5 0.2 0.1;0.7 0.2 0.1 0;0 0.4 0.5 0.1;0.2 0.3 0.5 0] A1=[0.1 0.2 0.3 0.4] A2=[0.4 0.35 0.15 0.1] 调用函数： [B]=fuzzy_zhpj(1,A1,R) 输出结果： B = 0.2000 0.3000 0.4000 0.1000 调用函数： [B]=fuzzy_zhpj(1,A2,R) 输出结果： B = 0.3500 0.4000 0.2000 0.1000 在模糊综合评判决策中,权重是至关重要的,它反映了各个因素在综合决策过程中所占有的地位或所起的作用,它直接影响到综合决策的结果. 凭经验给出的权重,在一定的程度上能反映实际情况,评判的结果也比较符合实际,但它往往带有主观性,是不能客观地反映实际情况,评判结果可能“失真”. 模糊数学方法中权重的确定方法 因素： 权重： 2频数统计方法 原则Ⅰ的例子。 在论域U=[0,100](分数)上确定三个代表学习成绩的模糊集 A =“优”，B =“良”，C =“差”。当某学生的数学成绩为88分时，该学生的数学成绩该评为优、良、还是差？ 为此，要先建立模糊集 隶属函数。有人用指派法建立了论域U上模糊集 的隶属函数为: 把x=88分别代入上述三个隶属函数，得: 据原则Ⅰ，88分相对三个模型应隶属于 ，即可评为优。 把三个同学的英语成绩分别代入隶属函数: 由计算结果可知，第三位同学的成绩最靠近优。据原则Ⅱ应首先聘任第三位同学。 设论域U=｛x1, x2, x3｝(三名学生的学习成绩),在U上确定以一个模糊集A=“优”，若三个学生的英语成绩分别为x1=70, x2=80, x3=90现据英语成绩从三名学生中招聘一人做翻译，应优先招聘谁？ 二、择近原则 1、贴近度 表示两个模糊集A，B之间的贴近程度。 ⊙C = ⊙C = 故B比A更贴近于Ｃ. 输入数据： A=[0.9 0.1 0.6 0.3;0 0.3 0.4 0.8] B=[0.1 0.6 0.3 0.4] 调用函数： [C]=fuzzy_mssb(1,A,B