数学建模云模型.pptxVIP

数学建模云模型会计学第2页/共95页广义概率论-----证据理论信任函数和似然函数来描述命题的不确定性：在基于概率的不确定性知识表示研究方面,Shortliff 等人提出了带可信度的不确定推理,之,Dempster 和Shafer 又提出证据理论,引入信任函数和似然函数来描述命题的不确定性.证据理论满足比概率论弱的公理,又称为广义概率论.当先验知识很难获得时,证据理论可以区分不确定和不知道的差异,比概率论更合适.而当先验概率已知时,证据理论就变成了概率论.2、模糊性第3页/共95页模糊性又称非明晰性.它的出现是由于概念本身模糊,一个对象是否符合这个概念难以确定,在质上没有明确含义,在量上没有明确界限.这种边界不清的性质,不是由人的主观认识造成的,而是事物的一种客观属性.概念外延的不确定性质。研究工具-----模糊数学第4页/共95页模糊集合论1965 年,美国学者L.A. Zadeh 创建了模糊集合论,提出了模糊信息的处理方法.模糊集合论的贡献在于引入了集合中元素对该集合的“隶属度”,从而将经典集合论里的特征函数取值范围由二值{0,1}推广到区间[0,1],将经典二值逻辑推广至多值逻辑,使得模糊性可以用[0,1]上的区间来度量。模糊集的扩充------粗糙集理论、 Vague 集理论由Pawlak 提出的粗糙集理论,Gau和Buehrer 提出的Vague 集理论,都是对模糊集的扩充.粗糙集通过上下边界,Vague 集通过对模糊对象赋予真、假隶属函数,来处理模糊性.人工智能对模糊性的研究方法第5页/共95页人工智能对模糊性的研究方法,通常是将原有的精确知识的处理方法以各种方式模糊化,如模糊谓词、模糊规则、模糊框架、模糊语义网、模糊逻辑等等.模糊逻辑后来又发展成为一种可能性推理方法,借助于可能性度量与必然性度量,更好地处理模糊性。隶属函数概念的动摇第6页/共95页第7页/共95页为了处理广泛存在的模糊现象，L. A. Zadeh于1965 年引入了模糊集概念。伴随而来的模糊数学也不停地遭到责难，最突出的问题是：作为模糊集理论基石的隶属函数概念的实质以及具体确定方法始终没有说清楚，连Zadeh 自己也只是用定性推理方法近似指定隶属函数。隶属函数一旦通过人为假定硬化成精确数值表达后，就被强行纳入到精确数学王国。从此在概念的定义、定理的塑述以及定理的证明等数学思维环节中，就再有丝毫的模糊性了。因此在这个方向上发展着的模糊学本质上仍然是精确数学的一个组成部分，我们不妨称之为模糊学的精确理论。这正是当前模糊理论的不彻底性。第8页/共95页二、随机性和模糊性的关联性第9页/共95页随机数学、模糊数学各有特点。例如,通过概率分布函数,随机数学可以很好地刻画随机现象的统计特性,但是常用概率分布的前提条件过于严格。例如,常常要求影响随机现象结果的因素是几乎均匀而且独立的,随机变量之间是不相关的,基本事件概率之和为1,样本趋于无穷等等.模糊理论利用隶属函数精确刻画模糊现象的亦此亦彼性,却忽略了隶属函数本身的不确定性.这两种理论可以分别处理随机性和模糊性,没有考虑二者之间的关联性.更何况,研究客观世界和主观世界中的不确定性也并非总是要从这样的角度切入.随机性和模糊性常常是连在一起难以区分和独立存在,作为人类思维和认知载体的语言,表现得尤为明显.第10页/共95页三、云模型的提出基础-----随机数学和模糊数学作用-----用云模型来统一刻画语言值中大量存在的随机性、模糊性以及两者之间的关联性。云模型：作为用语言值描述的某个定性概念与其数值表示之间的不确定性转换模型。以云模型表示自然语言中的基元——语言值,用云的数字特征——期望Ex,熵En 和超熵He表示语言值的数学性质.“熵”------度量不确定的程度在云模型中,熵代表一个定性概念的可度量粒度,熵越大粒度越大,可以用于粒度计算;同时,熵还表示在论域空间可以被定性概念接受的取值范围,即模糊度,是定性概念亦此亦彼性的度量.云模型中的超熵是不确定性状态变化的度量,即熵的熵.云模型既反映代表定性概念值的样本出现的随机性,又反映了隶属程度的不确定性,揭示了模糊性和随机性之间的关联.第11页/共95页四、云模型的一个射击实例知识表示中的不确定性-------李德毅-中国工程科学2000 年10 月第12页/共95页三位学者: 统计学家、模糊学家和云理论研究者参加射击评判统计学家观点及结论：统计学方法认为, 射中与射不中有明确的定义, 是非此即彼的, 不存在亦此亦彼的中间状态。用中与不中来衡量每一次射击结果, 统计射手射击若干次后中靶的次数(频数) 来反映射手的总体水平。例如, 射手甲经过10 次射击, 9 次上靶, 一次跑靶, 则射手的击中概率为0. 9 , 按照百分制计总成绩, 可为90 分, 射手乙和丙的