人工智能培训讲义kj02数学基础.pptxVIP

1;主要内容;一 正态分布（高斯分布）;最常用的连续分布－－正态分布（高斯分布）;正态分布的概念;正态分布的特征;;μ±σ 范围内的概率为68.26% μ±2σ范围内的概率为95.43% μ±3σ范围内的概率为99.73%;3σ准则表明：;正态分布的形成机制： 中心极限定理;二 幂律分布;幂律分布特性：在双对数坐标下呈直线;正态与幂律的区别：; 幂律分布数学形式简单，在正态分布统治的世界里曾长期被忽视。对“幂律” 做出重要贡献的是Zipf，Pareto，以及Barabási与Albert师徒。; Zipf定律：英文单词出现的频率??它的名次的常数次幂存在简单的反比关系：P(r)～r^(-α)。（1932年） 该定律表明：中，只有极少数的英语单词被经常使用，而绝大多数词很少被使用。实际上，包括汉语在内的许多国家的语言都有这种特点。;近年来，在复杂网络研究过程中，科学家们发现了众多的幂律分布。虽然这些网络在结构及功能上千变万化，但是节点的度分布却同样满足幂律分布，且幂指数多在大于2小于3的范围。 幂律分布与分形、非线性、复杂性密切相关，它支配了所有具有自相似特性的无尺度网络。 ;幂律分布的形成机制： 增长与优先依附 自组织临界 HOT理论 渗流模型 一些随机过程 …… ;幂律分布：不均匀、不平衡、巨大差异…….;目前，幂律分布是众多学科研究的热点。其简洁优雅的形式，将许多似乎毫不相干的事物联系在一起，这种独特的魅力吸引了物理学家、生物学家、天文学家、地质学家、数学家和社会学家等各领域的研究者。;三 模糊集与二型模糊集;天气冷热;;基本概念;;例：;模糊集合的表示(Zadeh表示法);截集;包含或子集：;;常见隶属函数;3. 高斯形隶属函数;;确定隶属函数的常用方法：;Jerry M. Mendel ;模糊性用隶属度表示，而隶属度本身也是一个模糊集。;二型模糊集;; 注重样本隶属度变化的边界，进而简化和处理问题。分为： 区间二型模糊集，隶属度在区间内均匀分布，其二型隶属度均为1，是目前最常用的二型模糊集 。 高斯二型模糊集，将样本的隶属度用一个高斯隶属函数来表示 ，目前还很不成熟 。; 二型模糊集的类型 区间型：将模糊集的隶属度用一个均匀区间来表示。;随机性与模糊性的区别 随机性 事件本身具有明确含意 事件是否出现具有不确定性 [0,1]上概率分布函数描述 模糊性 事物的概念本身是模糊的 概念外延的不确定性：模糊性 [0,1]上的隶属函数描述; 模糊集是处理含糊现象的一种方法，但它采用隶属函数来处理模糊性，而基本的隶属度是凭经验或者由领域专家给出，所以具有相当的主观性。 ;四 粗糙集; 粗糙集理论的主要优势之一是它不需要预备的或额外的有关数据信息。自提出以来，许多计算机科学家和数学家对粗糙集理论及其应用进行了坚持不懈的研究，使之在理论上日趋完善，特别是由于20世纪80年代末和90年代初在知识发现等领域得到了成功的应用而越来越受到国际上的广泛关注。;粗糙集理论认为：知识是一种对对象进行分类的能力。 粗糙集理论建立在分类机制的基础上，是对边界区域不清晰地一种描述方法。把知识理解为对数据的划分，每一被划分的集合称为概念，利用已有的知识库，利用知识库中的已知知识近似地描述不确定或者不精确知识。; 一个近似空间（或知识库）定义为一个关系系统（或二元组） K=(U,R) 其中U??（?为空集）为论域，R是U上等价关系的一个族集。 ; 定义1：设P?R，且P? ? ，P中所有等价关系的交集称为P上的一种不可区分关系，记作IND(P)，即 ; 定义2：给定近似空间K=(U, R)，子集X?U称为U上的一个概念。 非空子集族P?R所产生的不可区分关系IND(P) 即U/IND(P)，称为基本知识，相应的等价类称为基本概念；特别地，若关系Q?R，则关系Q就称为初等知识，相应的等价类就称为初等概念。 ; 粗糙集理论与经典集合理论有着相似之处，但是出发点完全不同。经典集合论认为，一个集合完全是由其元素所决定，一个元素要么属于这个集合，要么不属于这个集合，即它的隶属函数?X(x)?{0,1}。模糊集合对此做了拓广，它给成员赋予一个隶属度，即?X(x)?[0,1]，使得模糊集能够处理一定的