人工智能基础与应用(高职)：模糊逻辑与大数据思维PPT教学课件.pptx

第3课模糊逻辑与大数据思维人工智能基础与应用

【导读案例】亚马逊推荐系统亚马逊（Amazon）是美国最大的一家网络电子商务公司，全球第二大互联网企业，由杰夫·贝佐斯于1995年创立，于1997年上市，总部位于美国华盛顿州西雅图。亚马逊最开始为线上书店，后来商品走向多元化。

0102030405什么是模糊逻辑大数据思维之一：样本=总体大数据与人工智能大数据思维之二：接受数据混杂性大数据思维之三：数据相关关系

第3课模糊逻辑与大数据思维大数据是人工智能的基础。在人工智能时代，数据处理变得更加容易、快速，人们能够在瞬间处理成千上万的数据。而“大数据”全在于发现和理解信息内容及信息与信息之间的关系。实际上，大数据的精髓在于我们分析信息时相互联系和相互作用的三个转变，这些转变将改变我们理解和组建社会的方法。

3.1什么是模糊逻辑01

3.1什么是模糊逻辑计算机的二进制逻辑通常只有两种状态，一句陈述要么是真要么是假，然而，现实生活中却很少有这么一刀切的情况。一个人如果不饿不一定就是饿，有点饿和饿昏头不是一回事儿，有点冷比冻僵了的程度也要轻得多。如果我们将含义的所有层次都纳入考虑范畴，那么写入计算机程序的规则将会变得过分的复杂难懂。

0102030405甲虫机器人的规则模糊逻辑的定义模糊逻辑的发明模糊逻辑的规则模糊理论的发展

3.1.1甲虫机器人的规则昆虫有许多本能帮助其应对不同环境。它可能倾向于远离光线，隐藏在树叶和岩石下，这样不容易被捕食者发现。然而，它也会朝食物移动，否则就会饿死。如果我们要制作一个甲虫机器人，就可以赋予其如下规则：如果光线亮度高于50%，食物质量低于

50%，那么远离，否则接近。

3.1.1甲虫机器人的规则如果食物和光线所占百分比一致会怎么样？吃饱了的昆虫会为了保持安全继续藏匿在黑暗中，而饥饿的昆虫就会冒险去接近食物。光越亮，越危险；食物质量越高，昆虫越容易冒险。我们可以根据这一情况制定出更多规则，例如：如果饥饿和光线高于75%，食物质量低于25%，那么远离，否则接近。

3.1.1甲虫机器人的规则但是这些规则都无法很好把握极值。如果光线为76%，食物质量为24%，机器人就会饿死，虽然这仅仅与所设置的规则相差1%。当然，我们也可以设置更多规则来应对极值和特殊情况，但这样的操作很快就会把程序变成无法理解的一团乱麻。可是，在不让其变复杂的前提下，怎么能够处理所有变数呢？

3.1.2模糊逻辑的发明假设我们正在经营一家婚姻介绍所。一个客户的要求是高个子但不富有的男子。我们的记录中有一名男子，身高1.78米，年收入是全国平均水平的两倍。应该将这名男子介绍给客户吗？如何判断什么是个子高？什么是富有？怎样对资料库中的男子进行打分来找到最符合的对象？身高和薪资之间不能简单加减，就像苹果和橙子不能混为一谈一样。

3.1.2模糊逻辑的发明模糊逻辑的发明就是为了解决这类问题。在常规逻辑中，上述规则的情况只有两种，不是对就是错，即不是1就是0。要么有光要么没有光，要么高要么不高。而在模糊逻辑中，每一个情况的真值可以是0到1中间的任何值。假定身高超过2米的男子是绝对的高个子，身高低于1.7米的为不高，那么1.78米高的客户可以算作0.55高，既不是特别高但是也不矮。要计算他不高的程度，用1减去高的程度即可。因此，该男子是0.55高，也就是0.45不高。

3.1.2模糊逻辑的发明我们同样可以对“矮”的范畴进行界定。身高低于1.6米是绝对的矮个子，身高超过1.75米为不矮。由此可以发现“高”和“矮”的定义有一部分是重叠的，也就意味着处于中间值的人在某种程度上来说是高，而在另一种程度上来说是矮。“矮”和“不高”是两个概念，高”“矮”“不高”和“不矮”对应的值都是不同的。

3.1.2模糊逻辑的发明类似地，我们也可以说他是0.2富有，也就是0.8不富有。女性客户的要求是“高AND（和）不富有”，所以我们需要计算“0.55AND0.8”，结果是0.44。通过检索所有各选项，找到得分最高者就可以介绍给客户了。在模糊逻辑中进行“AND”与“OR”运算时计算方法不同，如何选择应当根据数字所起的作用决定。本例中将两个数字相乘。另一种纯数学方式就是选择二者中的最小值。然而，如果采取这样的方式，较大的值将不影响结果。同样身高的男子，一个0.5不富有，另一个0.8不富有，其运算结果都是一样的。

3.1.2模糊逻辑的发明同样，我们也可以为甲虫机器人设置规则，如果饥饿并且光线不太亮，那么就朝食物进发。这些例子展示了可以利用模糊逻辑解决的问题类型。

3.1.3模糊逻辑的定义所谓模糊逻辑（fuzzylogic），是建立在多值逻辑基础上，运用模糊集合的方法来研究模糊性思维、语言形式及其规律的科学。模糊逻辑模仿人脑的不