第4章(2模糊推理).ppt

精选ppt 人工智能与数据挖掘 第4章 计算智能的仿生技术 (2) 模糊计算 4．2 模糊计算 4．2．1 模糊集合及其运算 4．2．2模糊推理 4．2．3 模糊规则的计算公式 4．2．4 模糊推理方法的比较 人工智能与数据挖掘 4．2．1 模糊集合及其运算 一、基本概念 （一）连续值逻辑 模糊推理的基础是模糊逻辑，即连续值逻辑。模糊命题在生活中经常使用，如：“今晚天气很好”，“他很年轻”，“物价涨的太快了”…… 模糊命题不是一个很精确的，不能简单地用“真”或“假”两值来反映。它的逻辑值在连续区间[0，1]中取值。 连续值逻辑也叫做模糊逻辑。 人工智能与数据挖掘 （二）隶属函数 论域是讨论的全体对象空间。 定义：论域X={x}上的模糊集合A由隶属函数?A(x)来表征。其中?A(x)在实轴的闭区间[0，1]中取值，?A(x)的大小反映x对于模糊集合A的隶属程度。 ?A(x)的值接近1，表示x隶属于A的程度很高。 ?A(x)的值接近0，表示x隶属于A的程度很低。 特例，当?A的值域取[0，1]闭区间的两个端点，亦即{0，1}两个值时，A便退化为一个普通的逻辑子集。隶属函数也就退化为普通逻辑值。 人工智能与数据挖掘 （三）模糊集合的表示 对论域U，U={x1，x2，…，xn}中模糊子集An，扎德（L.A.Zadeh）表示： 其中分母是论域U中的元素，分子是相应元素的隶属度（注意：它们不是进行分式想加），当?i为0时可不写此项。 模糊子集An一般表示为 ： An=(?1， ?2， …，?n) 其中?i是对应元素xi的隶属度，当?i为0时必须写此项（保持对应关系）。 例：论域U={x1，x2， x3，x4}中模糊集合 A=0.1/ x1+0.8/ x2+0.6/ x4或A=(0.1，0.8，0，0.6) 人工智能与数据挖掘 二、模糊集合的运算 （一）模糊集合运算定义 论域U={x1，x2，…，xn}上模糊集合运算有： 1. 模糊集合A的补?A，定义为： ， 人工智能与数据挖掘 2. 模糊集合A和B的并A+B（或A?B），定义为： 其中符号?等价于max，表示对应xi上两个隶属度取极大值。 3. 模糊集合A和B的交A∩B，定义为 其中符号?等价于min，表示对应xi上两个隶属度取极小值。 人工智能与数据挖掘 4. 模糊集合A和B的积AB，定义为 特殊情况为模糊集合的幂运算即A2，A3，…… 5. 模糊关系 若A1，……，An ，相应于U1，……Un的模糊子集，A1，……An的笛卡儿积集记为A1×A2×…×An，定义为U1×U2×…×Un上的模糊关系。它也是模糊集合，其隶属函数为（n维矩阵）： 人工智能与数据挖掘 （二）模糊集合运算例 例1. 若U=1+2+3+…+10 A=0.8/3+1/5+0.6/6 B=0.7/3+1/4+0.5/6 或 A=(0，0，0.8，0，1，0.6，0，0，0，0)， B=(0，0，0.7，1，0，0.5，0，0，0，0) 有： 1. ?A=(1，1，0.2，1，0，0.4，1，1，1，1) 2.A+B=0.8/3+1/4+1/5+0.6/6 3.A?B=0.7/3+0.5/6 4.AB=0.56/3+0.3/6 5.A2=0.64/3+1/5+0.36/6 6.0.4A=0.32/3+0.4/5+0.24/6 例2. U1=U2=3+5+7 A1=0.5/3+1/5+0.6/7 A2=1/3+0.7/5 人工智能与数据挖掘 三、模糊关系运算 （一）模糊关系运算定义 直积空间X×Y={(x，y)|x?X，y?Y}中的模糊关系R是X×Y（集合X和集合Y之间）中的模糊集R，R的隶属函数用?R(x，y)表示： 1. 模糊关系R1和R2的并R1?R2，定义为： R1?R2??R1?R2(x，y)=?[?R1(x，y)，?R2(x，y)] 2. 模糊关系R1和R2的交R1?R2，定义为： R1?R