模糊数学-(公开课件).pptVIP

建模专题讲座模糊数学 华中农业大学数学建模基地 第四讲 模糊综合评判 一、一级模糊综合评判 根据运算　的不同定义，可得到以下不同模型： 最后得到一个评价向量 其中： （1）标准差标准化 （2）极差正规化 （3）极差标准化 （4）最大值规格化 其中： ２、建立模糊相似矩阵 （1）相似系数法 ①夹角余弦法 ②相关系数法 （2）距离法 ①Hamming距离 ②Euclid距离 ③Chebyshev距离 （3）贴近度法 ①最大最小法 ②算术平均最小法 ③几何平均最小法 3、聚类并画出动态聚类图 （1）模糊传递闭包法 步骤： 解： 由题设知特性指标矩阵为 采用最大值规格化法将数据规格化为 用最大最小法构造 模糊相似矩阵得到 用平方法合 成传递闭包 取 ，得 取 ，得 取 ，得 取 ，得 取 ，得 X=[80 10 6 2;50 1 6 4;90 6 4 6;40 5 7 3;10 1 2 4] 输出动态聚类图如下： 调用函数：F_Jlfx(3,5,X) 最佳分类（最佳阈值λ） 方法：对每个阈值下的分类计算一个F值，取最大F 值对应的分类作为最佳分类。 计算方式如下： 设某个阈值λ水平下，共分了r个类，第i类有ni个 对象。 第i类中全体对象的第k个指标的均值； 全体对象的第k个指标的均值； 类中指标均值向量： 总指标均值向量： 模糊统计量 其中M为向量间的欧氏距离 分子为类均值与总均值的差异，描述类与类间距离 分母为每个元素与类均值的差异，描述类内元素间距离 故F越大，类之间差异越大，从而分类越合理。 第三讲 模糊模式识别 模式识别的本质特征：一是事先已知若干标准模式， 称为标准模式库；二是有待识别的对象。 所谓模糊模式识别，是指在模式识别中，模式是模 糊的，标准模式库中提供的模式是模糊的。或有待识别 的对象是模糊的。 一、最大隶属原则 最大隶属原则Ⅰ： 最大隶属原则Ⅱ： 按最大隶属原则， 该人属于老年。 解： 阈值原则： 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) 输出结果： C = 0.4500 0.6500 2、择近原则 输入数据： A=[1 0.8 0.5 0.4 0 0.1; 0.5 0.1 0.8 1 0.6 0; 0 1 0.2 0.7 0.5 0.8; 0.4 0 1 0.9 0.6 0.5; 0.8 0.2 0 0.5 1 0.7; 0.5 0.7 0.8 0 0.5 1] B=[0.7 0.2 0.1 0.4 1 0.8] 输出结果： C = 0.3333 0.3778 0.4545 0.4348 0.8824 0.4565 调用函数： [C]=fuzzy_mssb(2,A,B) 如果分类后的类别由多个标本构成，可以取求平均以 后的均值向量作为标准模式，还可进一步用极差变换 等化为无量纲的模式，当然待判断对象也要转化。 * 华中农业大学数学建模系列课件 版权所有，不得传播 * 前言 人脑较之精确计算机，就是能在信息不完整不精确 的情况下，作出判断与决策，模糊性常常是信息浓缩 所致，目的是为了提高交换的概率，所以不是毫无用 处，而是积极的特性。 如果到火车站去接人，如下描述 “大胡子，高个子，长头发戴宽边黑色眼镜的中年男人” 除了男人的信息是精确的之外，其它信息全是模糊的， 但是我们却能够找到那个人。 第一讲 模糊集合及其运算 一、经典集合与特征函数 集合：具有某种特定属性的对象集体。 通常用大写字母A、B、C等表示。 论域：对局限于一定范围内进行讨论的对象的全体。 通常用大写字母U、V、X、Y等表示。 论域U中的每个对象u称为U的元素。 在论域U中任意给定一个元素u及任意给定一个 经典集合A，则必有 或者 ，用函数表示为： 其中 函数 称为集合A的特征函数。 二、模糊集合及其运算 美国控制论专家Zadeh教授正视了经典集合描述的 “非此即彼”的清晰现象，提示了现实生活中的绝大多数 概念并非都是“非此即彼”那么简单，而概念的差异常以 中介过渡的形式出现，表现为“亦此亦彼”的模糊现象。 基于此，1965年， Zadeh教授在《Infor