智能控制2-5(补充3)知识表示(非精确知识表示).ppt

（第二部分、非精确知识的表示）;2.5.1 非精确性知识的概念;;2。非精确知识的描述 ;（2） 基于概率方法的不确定性知识描述;（3） 基于模糊逻辑的不确定性知识描述。 ;2.5.2 知识的模糊逻辑表示;（1）普通集合;普通集合的描述方法，除了列举法，还可以用特征函数χ来表示。该特征函数χ表示元素x是否属于集合A。 如果x∈A 则χA（x）=1, 如果x不属于集合A，则χA（x）=0。 通过各元素的特征函数与集合{0，1} 中的元素一一对应，就能清楚地描述一个集合。例如一个小组A有6个人A={x1,x2,x3,x4,x5,x6} 男生集合： C=0/x1+1/x2+0/x3+1/x4+1/x5+1/x6 女生集合： D=1/x1+0/x2+1/x3+0/x4+0/x5+0/x6;由于普通集合特征函数取值为0或1之一，因此平时我们可以把C、D表示为 男生集合： C={x2，x4，x5，x6} 女生集合： D={x1，x3} 表示在论域A中， x2，x4，x5，x6 属于男生集合C的特征值为1，而x1，x3属于男生集合C的特征值为0。 表示在论域A中， x1，x3 属于女生集合D的特征值为1，而x2，x4，x5，x6属于女生集合C的特征值为0。 ;（2）子集合;（3）模糊子集的一般概念;我想它不应属于凉快集合。 属于比较热？很热？ 这类情况，一般利用另一种方法来描述：用属于某个集合F的程度来描述。 它属于“比较热”集合的程度有多少？ 它属于“很热”集合的程度有多少？ 这个属于的程度，是一个在[0,1]区间的一个数值。 如果一个元素x属于集合F的程度为1——它完全属于集合F， 如果元素x属于集合F的程度为0，它就不属于集合F。;模糊子集;为了区别于普通集合，这样的集合，就叫做模糊子集。 记为： F ~ 而属于模糊集合的程度，我们重新给出一个术语——叫做从属函数，或隶属度函数。 记做： μF(x) 它表示元素x属于模糊集合F的程度。 它的值域：[0,1];例如：我们来讨论老年人集合 我们定义一个人年龄为x，它属于老年人集合隶属度函数为;（4）模糊子集的定义;;类似于普通集合的表示，模糊集合也可以表示为;举例;则各隶属度函数的解析表达式为：;对于某一具体温度t，就可以获得它属于模糊子集S，E，G的隶属度值。 例如t=50℃， μS(50) = 0.375 μE(50) = 0.75 μG(50) = 0.167 当然，要实现理想的模糊控制效果，模糊集合的划分与定义不能这样简单。 一般需要将温度和温度的变化率分别划分成7~9个左右的模糊子集（模糊状态），例如正大PB，正中PM，正小PS，零ZO，负小NS，负中NM，负大NB等;（5）几个概念或定义;（6）隶属度函数的确定;典型函数;三角形——前面的温度控制用的是三角形。 正态分布 。。。。。 有很多种，他的选择也具有主观性，根据 ;2 模糊集的基本运算;（1）A与B的并（逻辑或）;（2）A与B的交（逻辑与）记为;（3）A的补（逻辑非）记为;（4）相等;（5）包含;3 模糊集合的基本性质;（5）同一律;4 模糊集合的代数积（直集、笛卡尔乘积）;直积集;再例如：A={1，2，3，4} 若R表示A集合中元素 a比b小的关系，则 R={(1,2),(1,3),(1,4),(2,3),(2,4),(3,4)} 它是A×A的一个子集。 这里，是普通集合之间的关系——它表示是否存在这种关系。 模糊集合同样具有关系R，只是它比普通集合的关系要复杂一些，它表示两个集合元素间关系的程度。;5 模糊关系;;;再例如： X={x1,x2,x3} 表示3个人的集合，模糊关系R表示X 和X的信任关系(X中各人之间的信任关系)，它的隶属度;xj;设集合U={u1,u2,…,um}，V={v1,v2,…,vn}，则U×V上的模糊关系R可以用模糊矩阵表示为：;例如上面例子的模糊关系，可以用矩阵表示为;例如：设某地区人的身高论域为 X={140，150，160，170，180} （单位：cm） 体重论域为：Y={40,50,60,70,80} (单位：kg） 下表为身高与体重的相互关系，它是从X到Y的一个模糊关系;1;用一个模糊关系矩阵来表示;模糊关系的运算;模糊关系的合成。 设U，V，W是论域，Q是U到V的一个模糊关系，R是V到W的一个模糊关系，它们分别具有隶属度函数 μQ（u,v)， μR（v,w) Q 到R的合成Q。R 指的是U到W的一个模糊关系，它具有隶属度函数;6 模糊集合的基本性质;;7 知识的模糊化表示;我们来考虑误差E，可以将它划分为8 个模糊状态;;所谓归一化，就是对于变量x在任意一个闭