数据模型与决策第9章模糊系统.pptxVIP

9 模糊系统;绪论;用数学的眼光看世界，可把我们身边的现象划分为： 1.确定性现象：如水加温到100oC就沸腾，这种现象的规律性靠经典数学去刻画； 2.随机现象：如掷筛子，观看那一面向上，这种现象的规律性靠概率统计去刻画; 3.模糊现象：如 “今天天气很热”，“小伙子很帅”，…等等。 此话准确吗？有多大的水分？靠模糊数学去刻画。 ;一个路人问一位智者，要走几小时才能到达某地。智者默不作答，等过路人走了一小段路以后，他才把那人叫回，答以时间…… 赞成 说话要有根据 回答十分精确 反对 说话要灵活处理 路人又没问精确时间;“3小时左右”;秃子悖论: 天下所有的人都是秃子;1.2 从精确到模糊;“20岁左右”;1.3 将语言转化为模糊表示; 考虑年龄集U=[0,100]，A=“年老”，A也是一个年龄集， u = 20 ? A，40 呢？…查德给出了 “年老” 集函数刻画:;再如，B= “年轻”也是U的一个子集，只是不同的年龄段隶属 于这一集合的程度不一样，查德给出它的隶属函数： ;共同特点：模糊概念的外延不清楚。;2、 模糊数学的产生与发展;2.2 基本思想;2.3 模糊数学的发展;2.3 模糊数学的发展;IEEE 系列杂志; 模糊产品;2.4 为什么研究模糊数学;人工智能的要求;3、 模糊子集及其表示方法; 普通集合及其特征函数 1、集合的基本概念 论域，被讨论对象的全体叫做论域，对称全域，通常用大写字母U、E、X、Y等来表示。 元素，组成某一集合的单个对象就称为该集合的一个元素，通常用小写字母表示。 子集，由同一集合中的部分元素组成一个新集合，称为原集合的一个子集，通常用大写字母表示。 集合的表示方法，把集合中的全部元素列出，并用括事情把它们括起来表示集合的全域。 2、集合的基本运算 并集、交集、差集、补集。;模糊集合 1、模糊集合：无明确边界的集合。 2、模糊集合的特点：把原来普通集合对类属、性态的非此即彼的绝对属于或不属于的判定，转化为对类属、性态做从0互1不同程度的相对判定。 ;3.2 隶属函数;每一个集合A都有一个特征函数A(x)，其图形如图1所示：; 例 设论域U = {x1 (140), x2 (150), x3 (160), x4 (170), x5 (180), x6 (190)}(单位：cm)表示人的身高，那么U上的一个模糊集“高个子”(A)的隶属函数A(x)可定义为;还可用向量表示法：;3.2 隶属函数;3.2 隶属函数;图2 一般情形下的特征函数图;可确定U 的一个模糊子集A μA (x)称为A的隶属函数，μA (xi)称为元素xi的隶属度。当μA (xi)＝1时，则xi完全属于模糊集A，当μA (xi)＝0则xi完全不属于模糊集A． ;例1? 已知论域为实数集R，设A是“比0大得多的所有实数”，A就是论域R上的一个Fuzzy集，且：A：R→[0，1]，x∈R关于A的隶属度为： 0 x≤0　 A（x）= 1/（1+（100/x2）） x0 ;;;年轻”和“年老”是两个模糊概念，可用Fuzzy集来描述它们。取年龄论城U＝[0，200]，设描述“年轻”和“年老”的这两个Fuzzy集分别为Y和O，年龄u属于Y及O的隶属度分别为：;Y (23)＝l，O(80)＝0.99；这意味着23岁属于“年轻”的程度为100％，80岁属年老”的程度为99％．;模糊概念用数学语言来说就是模糊集合。模糊集合的基本思想是把经典集合中的绝对隶属关系灵活化，用特征函数的语言来讲就是；元素对“集合”的隶属度不再是局限于取0或1，而是可以取从0到1。的任一数值。 模糊数学的几个概念： 映射：在两个集合X、Y之间，如果有一个法则f，使得对X中的每个元素x，在Y中都有唯一元素y与之对应，则称f是X到Y的映射。 即：对每个x∈X都存在着唯一确定的元素y＝f(x)∈Y与之对应． ;3.4 随机性与模糊性的区别;各种不确定因素可分为两类： 1、随机性特征：关于对象在类属和性态方面的定义是完全确定的，但对象出现的条件方面是概率的、不确定的。和必然性相对。 2、模糊性特征：表征对象在认识中分辨界限是不确定的，即对象在类属、性态方面的定义是不精确的、不明晰的。和精确性相对。 ;3.5 确定隶属函数的主要方法;分布统计求法;典型函数方法; Z函数(偏小型隶属函数)