人工智能-模糊计算(一)

2023-10-27

一、 模糊理论基础

1. 引入什么是模糊:

一粒种子肯定不能构成一堆,两粒也不能……但是人们承认一亿粒种子肯定能构成一堆,那么这个界限在哪儿呢?是否可以说325647粒种子不是一堆而325648粒种子则构成一堆呢? ——E. Borel

在上面这个问题当中,一堆得界定就是模糊的~

2. 介绍Zadeh

扎德(Zadeh,L.A.;1921年2月-2017年9月6日),美国自动控制专家,“模糊集之父”,美国工程科学院院士、俄罗斯自然科学院外籍院士、是1994年成立的国际欧亚科学院的5位创始院士之一。生于苏联巴库。 1949年获哥伦比亚大学电机工程博士。生前曾任加利福尼亚大学伯克利分校电机工程与计算机科学系教授。因发展模糊集理论的先驱性工作而获电气与电子工程师学会(IEEE)的教育勋章。

1965年,他发表了题为“模糊集”的开创性论文。模糊集和模糊逻辑的理念影响到了全世界的学人。据微软学术,他在模糊集方面的相关论著已被引用了将近3.38万次。

二、模糊

1. 模糊数学

模糊的英文为Fuzzy,它具有“不分明”,“边界不清”的意思。而数学是非常严格、非常精确的东西。模糊数学是用来描述、研究、处理事物所具有的模糊特征(即模糊概念)。“模糊”是指它的研究对象,“数学”是指它的研究方法。

2. 模糊概念

在自然语言中,常用的描述事物特征的一些概念是模糊的。如健康状况一栏中,填“好、比较好、良好等”,至于什么样的身体属于好,什么样的属于良,很难确切地规定。再如,将人按年龄分为“年轻人、中年人、老年人” (从宏观上把握事物的主要特征和便于处理,人为将其模糊化)。再如,在水箱液位、温度等控制中,有经验的操作工会根据被控制量的大小(高,过高、低),操作阀门等(开大、开小)。

3. 普通数学对模糊概念的描述

以年龄为例,传统的方法是规定一些域值来定义的。用y代表年龄,y<40为“年轻”,40<=y<60为“中年”,y>=60为“老年”。这种方法简单,但过于绝对化。实际上人是随着年龄的增长逐渐地由青年步入中年,再走向老年的,这些概念之间本来就没有明确的界限。传统数学的基础是集合论,这些集合的边界必须是明确的,一个对象要么属于,要么不属于,二者必居其一。传统数学不能描述和处理这种没有明确边界的模糊概念,模糊数学便应用而生。

4. 模糊技术的应用领域  

地铁机车、机器人、过程控制、故障诊断、交通管理、医疗诊断、声音识别、图像处理、市场预测等领域。

三、模糊集合及其运算

1. 模糊集合(Fuzzy Sets)

给定论域U,U到[0,1]闭区间的任一映射μA

μA:U 属于[0,1]

         u属于μA(u)

都确定U上的一个模糊子集A,简称模糊集。μA称为模糊集合A的隶属函数(Membership Function)。若论域中的元素用x表示,则μA(x)称为x属于A的隶属度(degree of membership)。

2.性质

隶属函数反映了论域中的元素属于该集合的程度。 μA(x)接近1,表示x属于A的程度高;μA(x)接近0,表示x属于A的程度低。

 例如:用论域[1,100]上的模糊集A、B、C表示“年轻、中年、老年”,A、B、C的隶属函数μA(x)、μB(x)、μC(x)如图所示。

用模糊集合进行解释就是: 30岁的年轻程度为0.75。40岁的人已经不太年轻(0.25),比较接近中年,但属于中年的程度还不太大(0.5),50岁正值中年(1),即将走向“老年”。

3. 模糊集合的分类

(1)台集合

模糊集合A的台集As是一个普通集合,它由论域U中满足μA(u)>0的所有u组成。即

 (2)单点模糊集

模糊集合A的台集仅有一个元素u0,且μA(u0)=1,则A就是单点模糊集,表示为:

 (3)凸模糊集

若A为以实数R为论域的模糊子集,其隶属函数为μA(x),如果对于在任意实数a<x<b,都有

 凸模糊集实质上就是隶属函数具有单峰值特性。

四、模糊集合的表示法

1.离散论域

(1) Zadeh表示法

 (2)序偶表示法

 (3)向量表示法

2.连续论域 

Zadeh表示法为 :

 五、模糊集合的基本运算

设论域U上的两个模糊子集A和B,它们之间的交、并、补运算定义如下。

1.  F交集

 2.  F并集

 3.  F补集

六、常用隶属函数

1. 三角型隶属函数           

Trimf(x,[a b c])

 2.梯型隶属函数

Trapmf(x,[a b c d])

     

3.高斯型隶属函数

Gaussmf(x,[a c])

             

 4.Sigmoid型隶属函数

Gaussmf(x,[a c])

           

5.一般的钟型隶属函数 

Gbellmf()

 个人课堂笔记,如有疏漏及不妥请与我联系~

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

人工智能-模糊计算(一) 的相关文章

随机推荐

  • 关于傅里叶变换的一点体会

    与君共勉 那些你荒废的时光 终究一天会以一种陨石撞击地球的猛烈闯入你的生活 而你所能做的 也只是悲当以歌 Proton 若你看到上面的话 不要为Proton的身份而吃惊 因为这是渺小如质子的我 并且请你原谅我一个工科生说的一些不够成熟的话
  • openGL之API学习(七)Unable to get the location of uniform

    在使用下面代码时遇到该错误 m textureLocation GetUniformLocation gShadowMap 着色器的代码为 version 330 in vec2 TexCoordOut uniform sampler2D
  • hbase导入数据同时与phoenix实现映射同步

    我们的目标是 创建一个hbase表格 能够通过phoenix进行访问 同时能够导入本地数据到hbase中 最后都能够通过phoenix进行访问 1 先在hbase中创建表格 create WHO GOODS LABEL GID INFO 2
  • 基于MATLAB的LS-SVM实现方法以及SVM的一些知识点

    使用之前需要把LSSVMlabv1 8 R2009b R2011a解压 并在matlab中添加到路径中 下载链接 http www esat kuleuven be sista lssvmlab 我使用的是 V1 8版本 matlab版本我
  • VTK vtkExtractSelection 获取 选择部分 非选择部分

    VTK vtkExtractSelection 获取 选择部分 非选择部分 有时需要获取两部分 这里有实现 共同学习一下 include
  • Pandas中的pivot操作

    目标 读取excel中的长表 将其透视为短表 一张长表转换成宽表 使用函数pivot 前提 查看原数据是否有列名 如果原数据是左图这样 生成dataframe二维数据时会把第一行数据默认为索引 如右图 造成第一行数据丢失 因此在遇到这种数据
  • 爬取拉勾网站出错,各位怎么处理的啊?

    需求确定 需求是数据分析的起点 在没有搞清楚需求的情况下 盲目的抓取一大把数据胡乱分析 最终得不出有用的结论 本次数据分析的目的如下 工作年限与薪资之间的关系 不同工作年限薪资水平变化规律 北京地区招聘数据分析师岗位公司的分布 招聘数据分析
  • 152. Maximum Product Subarray

    Find the contiguous subarray within an array containing at least one number which has the largest product For example gi
  • 看完这篇,学习Python中遇到的问题轻松解决!

    我在最初学习Python时 并没有把它列入自己的职场规划 单纯是为了爬资料 所以想着自己学一点能用的就行了 可是在学习的过程中 对于小白的我来说 发现它并没有我想的那么简单 学习的整个思路完全是混乱的 也不知道重难点 幸好身边有伙伴是计算机
  • 机器学习笔记(1)

    1 两个任务 分类和回归 2 分类 1 有监督学习 必须确定目标变量的值 2 无监督学习 数据没有类别信息 也不会给定目标值 聚类 将数据集分成由类似的对象组成多个类的过程称为聚类 密度估计 3 半监督学习 3 选择算法的两个问题 1 算法
  • 阿里云中搭建FTP服务器

    在阿里云中搭建ftp服务器一定要记得在云平台配置防火墙的端口
  • qt creator修改程序编码(解决中文乱码问题)的方法

    qt creator修改程序编码 解决中文乱码问题 的方法 qt creator修改程序编码的功能有几处 1 edit select encoding 选择载入 显示 编码和储存编码 其中GB2312和UTF 8是常用编码方式 这种方法主要
  • R学习笔记4

    7 基本绘图 使用plot调整坐标向量 foo lt c 1 1 2 3 5 3 9 4 2 bar lt c 2 2 2 1 3 0 0 2 plot foo bar plot简单二维作图plot x y x y的位置不一定为向量 还可以
  • 【基础计算机网络1】认识计算机网络体系结构,了解计算机网络的大致模型(下)

    前言 在上一篇我们主要介绍了有关计算机网络概述的内容 下面这一篇我们将来介绍有关计算机网络体系结构与参考模型的内容 这一篇博客紧紧联系上一篇博客 这一篇博客主要内容是 计算机网络体系结构与参考模型 主要是计算机网络分层结构 协议 接口 服务
  • 【Java基础】计算机网络知识整理

    文章目录 OSI七层模型与TCP IP 五层模型 各层常见协议与硬件 常见协议的概念 TCP UDP区别 TCP如何保障可靠传输 https blog csdn net qq 32998153 article details 7967856
  • 机器学习之决策树模型最优属性选择方法

    决策树模型是用于解决分类问题的一个模型 它的特点是简答 逻辑清晰 可解释性好 决策树是基于 树 结构进行决策的 每个 内部结点 对应于某个属性上的 测试 每个分支对应于该测试的一种可能结果 也就是该属性的某个取值 每个 叶子结点 对应于一个
  • 插入排序(递归版)

    include
  • 网络安全渗透测试面试题2021

    1 获得到一个待检测的网站后 你觉得应该先做什么 whois 网站源IP 旁站 C段网站 服务器操作系统版本 Web容器版本 程序版本 数据库类型 二级域名 防火墙 维护者信息 2 Mysql相关的SQL注入 5 0以上和5 0以下有什么区
  • css 深度选择器/deep/

    在vue element ui时会遇到无法修改element ui样式问题 当style设置为scoped的时 所写的样式对子组件且元素是遍历出来时 样式是不生效的 如果希望样式对子组件也生效 可以使用 deep 深度选择器 模板
  • 人工智能-模糊计算(一)

    一 模糊理论基础 1 引入什么是模糊 一粒种子肯定不能构成一堆 两粒也不能 但是人们承认一亿粒种子肯定能构成一堆 那么这个界限在哪儿呢 是否可以说325647粒种子不是一堆而325648粒种子则构成一堆呢 E Borel 在上面这个问题当中