西南科技大学模糊数学第二章模糊模式识别修第六节.ppt

2.6 确定隶属函数的方法综述;下面仅介绍一些较常应用的方法。 1. 边界法 模糊集是没有明确的边界的。在论域中的元素的隶属度一般而言也是渐变的。但是客观事物有质变，人们对客观事物的主观反映也相应地有质变，这种质变就是隶属度取边界值 0 和 1。; 例如前例 中，25 岁以下的人属于“青年”的隶属度为 1，50 岁以下的人属于“老年”的隶属度为 0，另外，由常识可知，一般50岁以上的人不属于“青年”，80岁以上的人基本上都属于“老年”，所以我们要寻求一个函数，使其能满足以上的极端条件。这样，我们就确定了其相应的隶属度。例如在年龄的例中，我们可以求得：O (80) = 0.97，Y (50) = 0.038。;2.6.1 模糊统计法 1. 直接统计法 对一群人进行调查，每个人对模糊集中的每个元素进行综合打分，若此元素完全属于该模糊集，则为 100 分。每个人打分后取其平均分。(有时还去掉一个最高分，去掉一个最低分后再平均 )，这个平均分就是隶属度。例如，有 10 个评委对某歌;唱比赛进行评审，有许多人参加比赛，模糊集是“优秀歌手”，对其中某人 xi 进行打分，打分的结果是 99、96、97、92 、94、90、98、96、97、95，去掉最高分 99 和最低分 90，然后平均 于是求得该歌手隶属于“优秀歌手”的程度是 0.956。;2. 隶属频率统计法 我们可以仿照确定随机事件概率的方法来确定隶属度。在经典概率统计中，若对事件 A 的发生与否作 n 次试验，统计事件 A 发生的频率 (＝A 发生的次数/试验次数 n)，我们发现这个频率随 n 的增大而趋于一个稳定值，我们就把这一稳定频率，取为事件 A 发生的概率。 类似的，我们也可以对模糊事件作统计试验。;先确定一个论域（如 0－150 岁），然后对论域中的模糊集（如 “年青人”）作清晰化的范围估计 (实际上就是对模糊集 A 作一次相对应的经典集的“显影”：A*)。对于论域中的具体的点 x0 而言，它可以在某个范围估计中，也可以不在其中。每一次范围估计可以看成一次模糊统计试验，于是我们便可以计算 x0隶属于模糊集 A 的频率如下： x0 隶属于A 的频率＝ x0?A*的次数 / n。;随着 n 的增大，隶属频率呈现稳定性，隶属频率的稳定值可取为 x0 对 A 的隶属度。 例 取年龄作论域 X，通过模糊试验确定 x0= 27(岁) 对模糊集“青年人” A 的隶属度。 张南伦曾对 129 名学生进行了调查试验，要求每个被调查者按自己的理解确定“年青人” (即 A) 的年龄范围 (即 A*)，每一次确定的范围都是一次试验，共进行了 129 次试验，其结果见表( 2-1 )。根据;18-25;此表统计的隶属频率见表 2.2。 表 2.2 27岁对模糊集 “年青人” 的隶属频率 由表 2.2 可见，隶属频率随试验次数 n 的增加而呈现稳定性，稳定值为 0.78，故有 [青年人] (27) = 0.78。; 3 、 F分布法 利用现有的一些函数，通过参照比较，选择最能代表所论模糊集的函数作为隶属函数。常用的一些函数有下列数种类型。 (法国学者A.Kanfmann(1975年)归纳整理为三类十八种).;(1) 偏大型 (S 型) ：这种类型的隶属函数随 x 的增大而增大，随所选函数的形式不同又分为： 1）升半矩形分布（图2.7） 2）升半 ? 分布 （图2.8） 3）升半正态分布 （图2.9） 4）升半柯西分布（图2.10） 5）升半梯形分布（图2.11） 6）升岭形分布 （图2.12）;(2) 偏小型 ( Z型 ) ：这种类型的隶属函数随 x 的增大而减小，随所选函数的形式又可分为： 1）降半矩形分布（图2.13） 2）降半 ? 分布 （图2.14） 3）降半正态分布（图2.15） 4）降半柯西分布（图2.16） 5）降半梯形分布（图2.17） 6）降岭形分布 （图2.18）;(3) 中间型 ( ? 型) ：这种类型的隶属函数在(－?，a)上为偏大型，在 (a，+?) 为偏小型，所以称为中间型，随所选函数的形式又可分为: 1）矩形分布 （图2.19） 2）尖 ? 分布 （图2.20） 3）正态分布 （图2.21） 4）柯西分布 （图2.22） 5）梯形分布 （图2.23） 6）岭形分布 （图2.24）; (1) 偏大型（S 型）：这种