第3章模糊集合的度量∑∫∑∫∑∫b
模糊集合

(6)0-1律:A∪Φ=A, A∩Φ=Φ; U∪A=U,U∩A=A; (7)还原律:(Ac)c=A; (8)对偶律:(A∪B)c= Ac∩Bc, (A∩B)c= Ac∪Bc. 注意 互余律不成立!! Ac∪A≠ U, A∩Ac ≠ Φ
注:
推广到有限个模糊集:
( Ai )( x) Ai ( x) ( Ai )( x) Ai ( x)
Y ( x ) Z ( x; 25,50).
∏函数(中间型隶属函数)
S ( x; b a, b), ( x; a, b) Z ( x; b, b a),
x b; x b.
图:π函数
对指定参数 a, b, ( x; a, b) 是 x 的连续函数。
且 (b; a, b) 1 ;当 x b 时单调递增;当
3、模糊集合与普通集合
普通集合由特征函数 A 刻画 模糊集合A由隶属函数μA刻画 什么时候模糊集合退化成普通集合?
• 普通集合是模糊集的特例,特征函数即为隶属函数
• 空集
的隶属函数为 ( x) 0
• 全集 X 的隶属函数为 X ( x) 1
注:
1 、 U 上的全体模糊子集构成的集合类,记为
1 Y x x[25,100] x[0,25] [1 ( x 25 2 1 ) ] 5 x
x 50 2 1 [1 ( ) ] 0 5 O x x[50,100] x x[0,50]
解:先求两曲线的交点,即解方程
x 25 1 5
B 对任何 u∈U,μA(u) ≤μB(u) A
模糊集合的并、交、补
2、举例
例1、论域U={x1 , x2 , x3 , x4 ,, x5} A, B是论域U的两个模糊子集,
模糊数学模糊集合及其运算

AI B
u1
u2
u3
u4
u5
0.2 0.3 0.5
u1 u2 u5
2020/5/1
15
一般地,模糊集A和B的交并和余的计算,按论域U为有限和无 限分为两种表示
(1)
设论域U
{u1,...un}且A
n k 1
A(uk ), B uk
n k 1
B(uk ), uk
则A B n A(uk ) B(uk ),A B n A(uk ) B(uk ),AC n 1- A(uk )
2020/5/1
4
集合的运算规律
1、交换律 2、结合律 3、吸收律 4、幂等律 5、分配律
A B B A, A B B A A (B C) (A B) C , A (B C) (A B) C (A B) A A, (A B) A A
A A A, A A A
注:扎德记号不是分式求和,只是一种记号而已。其中 “分母”是论域U的元素,“分子”是相应元素的隶属度。
模糊集合的表示
一般情况 A {(u, A(u)) | u U}
U有限或可数 A
A(ui ) / ui
A(ui ) ui
U无限不可数
A A(u) / u
2020/5/1
9
例3 设U={1,2,3,4,5,6},A表示“靠近4”的数集,则AF(U),各数属于A的 程度A(ui)如下
0.5 0.3 0.1 0.7 B ,
u1 u2 u3 u5
那么
A U B 0.2 0.5 0.7 0.3 1 0 0 0.1 0.5 0.7
u1
u2
u3
u4
u5
0.5 0.7 1 0.1 0.7 u1 u2 u3 u4 u5
模糊数学 之 模糊集的基本概念

布尔矩阵(Boole)是元素只取0或1的矩阵.
关系的合成
设 R1 是 X 到 Y 的关系, R2 是 Y 到 Z 的关系, 则R1与 R2的合成 R1 ° R2是 X 到 Z 上的一个关系.
满足下列运算性质: 幂等律: a∨a = a , a∧a = a ; 交换律: a∨b = b∨a , a∧b = b∧a ; 结合律:( a∨b )∨c = a∨( b∨c ), ( a∧b )∧c = a∧( b∧c ) ; 吸收律:a∨( a∧b ) = a, a∧( a∨b ) = a.
则称L是一个格,记为(L ,∨,∧).
(R1°R2) (x, z) = ∨{[R1 (x, y)∧R2 (y, z)]| y∈Y }
关系合成的矩阵表示法
设 X = {x1, x2, … , xm}, Y = { y1 , y2 , … , ys}, Z = {z1, z2, … , zn},且X 到Y 的关系
R1 = (aik)m×s, Y 到 Z 的关系
∨{(rik∧rkj) | 1≤k≤n} = rij .
综上所述 R2≤R.
设R2≤R,则对任意的 i , j , k,若有 rij =1, rjk = 1,
即(rij∧rjk) = 1,因此 ∨{(ris∧rsk) | 1≤s≤n}=1,
由R2≤R,得rik=1,所以R具有传递性.
集合上的等价关系
(3) 传递性:对于X上的任意三个元素x, y, z, 若x 与y 有关系R,y 与z 也有关系R 时,则x与z 也有关系R,即若R (x , y ) = 1,R ( y , z ) =1,则 R ( x , z ) = 1,那么称关系R具有传递性.
第三章__模糊关系

第三章 模糊关系在第二章中介绍了模糊集合的基本概念,本章将进一步讨论集合之间,或集合中元素之间的模糊关系。
事实上,模糊关系是普通关系概念的扩展。
3.1 模糊关系基本概念由普通关系的讨论可知它们都是二值的,换言之,对于任意两个元素,在它们之间或者存在关系,或者不存在关系,两者必居且仅居其一。
这种关系适合于描述“清晰确定”的关系。
但是,在实际中,有不少关系很难简单的用“有”或“无”来衡量,而必须引入一定的量来表示两元素间具有这种关系的程度。
例如,正常人的身高与体重之间是有一定关系的,但这个关系是不清晰的。
譬如对于一个169厘米高的健康人来说,一般不能断定他的体重必定是多少,而只能根据正常人身高与体重的关系表估计他的体重大约是多少。
又如,正方形的四边是等长的,但在日常生活中,我们判断一个四边形物体的形状通常并不总是用尺子度量四条边后才给出是否为正方形的结论的。
当四条边的长度在一定范围内有差异时,很可能不同的人会得出不同的结论。
另外,“远远大于”、“充分小”等都是些“不清晰”的关系。
这类需要有描述关系程度的量来补充描述的关系就是模糊关系,而其中的关系程度通过隶属度来表示。
定义3-1 集合X 到集合Y 的一个“二元模糊关系”R 是给定论域X ×Y 中的模糊集合,并可记为:Y X R−→−模糊关系R 的隶属函数R (x , y )是X ×Y 到实数区间[0 , 1]的一个映射。
特别的,当Y=X时,称R 为“论域X 中的模糊关系”。
对于任意x ∈X ,y ∈Y ,隶属函数R (x ,y )事实上表示了x 、y 之间存在关系R 的程度。
在同一个论域上,可以存在着各种各样的模糊关系。
例如,在人与人的关系中,可以有“相互理解”、“友好”、“性格相似”、“程度相当”等模糊关系。
例3-1 设X 、Y 均为实数集合,对于任意x ∈X ,y ∈Y ,“x 远大于y ”是X 到Y 的一个模糊关系R ,它的隶属函数可以描述为:R (x ,y )⎩⎨⎧-+≤-yx y x y x 12)/(1001[0例3-2 在医学上通常用公式体重(公斤)=身高(厘米)-100来描述正常人的体重与身高间的关系。
模糊数学(第十二讲)

§4.1模糊集之间的距离(6/6)
目录
例4.2.1 设U = {u1 , u2 , u3 , u4 }, A , B ∈ F (U), 且A=(0.6, 0.9, 0.4, 0.2), B=(0.4, 0.8, 0.7, 0.5) 试求A◎ 试求 ◎B, A⊙B. ⊙ 由定义4.2.1得 解:由定义 由定义 得 A◎B=(0.6∧0.4)∨(0.9∧0.8)∨(0.4∧0.7)∨(0. ◎ ∧ ∨ ∧ ∨ ∧ ∨ 2∧0.5)=0.4∨0.8∨0.4∨0.2=0.8 ∧ ∨ ∨ ∨ A⊙B=(0.6∨0.4)∧(0.9∨0.8)∧(0.4∨0.7)∧(0. ⊙ ∨ ∧ ∨ ∧ ∨ ∧ 2∨0.5)=0.6∧0.9∧0.7∧0.5=0.5 ∨ ∧ ∧ ∧
~ d 1 (A , B
)=
max
1≤ i ≤ n
A (u i ) − B (u i
)
距离. 为A与B的模糊Chebyshev距离 与 的模糊 距离 2.模糊 模糊Hamming距离 模糊 距离 (1). 设U = {u1 , u2 , … , un }, A , B ∈ F (U), 则称 1 n ) = ∑ A (u i ) − B (u i ) n i =1 距离. 为A与B的模糊 与 的模糊Hamming距离 距离 (2).设U = [a, b], A , B ∈ F (U), 则称 设 ~ d 2 (A , B
∑ ( A (u ) − B (u ))
i =1 i i
n
2
模糊Euclid距离 距离. 为A与B模糊 与 模糊 距离 (2).设U = [a, b], A , B ∈ F (U), 则 设
~ d 3 (A , B
)=
1 b − a
第3章 模糊理论

3 A(1.60)= =0.3 10
……
1 A(1.77)= =0.1 10 10 0.1 0.3 0.6 1 0.5 0.1 FA = + + + + + 1.56 1.60 1.64 1.69 1.73 1.77
A(1.64)=
6 =0.6 10
模糊统计法的特点: ①随着n的增大,隶属频率会趋向稳定,这个 稳定值就是v0对A的隶属度。 ②计算量大。 2、例证法 :从有限个隶属度值,来估计U上的模糊 集A 的隶属度函数。 3、专家经验法:根据专家的经验对每一现象产生 的各种结果的可能性程度,来决定其隶属度函数。 4、二元对比排序法:通过对多个事物之间的两两 对比,来确定某种特征下的顺序,由此来决定这些 事物对该特征的隶属函数的大体形状。
二、模糊控制的特点 1、无需知道被控对象的数学模型 2、是一种反映人类智慧思维的智能控制 模糊控制采用人类思维中的模糊量,如“高”、 “中”、“低”等,且控制量由模糊推理导出 3、易于被人们所接受(核心:控制规则) 4、构造容易 5、鲁棒性好
第二节 模糊集合论基础
一、模糊集的概念
集合:具有某种特定属性的对象全体。 集合中的个体通常用小写英文字母如:u表 示; 集合的全体又称为论域。通常用大写英文字 母如:U表示。 uU表示元素(个体)u在集合论域(全体) U内。
附近隶属函数的范围
重叠鲁棒性=
U
L
( A1 A2 )dx 2(U L)
重叠指数的定义
(0.3~0.7为宜)
求重叠率和重叠鲁棒性
例:
A1
A2
重叠率= 10 / 30 0.333
0 .5 10 重叠鲁棒性= 0.5 2(40 30) 20
第3章模糊集合的度量∑∫∑∫∑∫b

1. Hamming 贴近度 若 X = {x1, x2, …, xn},则
若 X = [a, b],则
∑ N ( A,
B)
=1−
1 n
n i =1
|
A(xi )
−
B(xi ) |
-4-
数学系 • 张运杰 • 模糊数学课程教案
2. Euclid 贴近度
∫ N (A, B) = 1− 1
b
| A(x) − B(x) | dx
n
∑ d ( A, B) = | A(xi ) − B(xi ) |2 i =1
而正方形 I 中两点间的距离最大为 d (∅, X ) = 2 ,于是有
1
∑ d2 ( A, B)
=
d ( A, B) d (∅, X )
=
⎜⎛ ⎝
1 n
n i =1
|
A(xi ) −
B(xi ) |2
⎟⎞ 2 ⎠
图 1 正方形中两点间的 Euclid 距离
定义 2 设 X = {x1, x2, …, xn} 或 X = [a, b],A, B∈F (X),p 为正实数。若
∑ ∫ n w( xi ) = 1 或者
i =1
b
w(x)dx = 1
a
则称
1
∑ d wp
(
A,
B)
=
⎜⎛ ⎝
n i =1
w(
xi
)
|
A(
xi
)
−
B(
xi
)
|p
⎟⎞ ⎠
p
1
∫ dwp ( A, B) = ⎜⎝⎛
(3) A ⊆ B ⊆ C ⇒ N(A, C) ≤ N(A, B) ∧ N(B, C) 则称 N(A, B) 为模糊集 A 与 B 的贴近度,称 N 为 F (X) 上的贴近度函数。
模糊集合之运算

0 ≤ A c ( x) ≤ 1
(4.2)
認 Fuzzy
一般常用的模糊集合之補集定義除 (4.1a) 外尚有: (1) 門檻式:
1, 當 z ≤ l c( z ) = 0, 當 z > l
(4.3)
其中 z ∈[0, 1] 及 l ∈[0, 1) , l 稱為門檻 (Threshold)
c(z) 1
(4.1b) 只是 t-基準之一種。其它之 t-基準運算定義仍有許 多。在此用 t ( p, q ) 代表 p 與 q 之 t-基準或 p ∩ q,其中 p
及 q 為某個模糊集合之歸屬函 (如 A(x),B(x) ),因此
0 ≤ p, q ≤ 1 是必然的。
10
認 Fuzzy
常用的模糊交集運算定義: 標準交集 (Standard Intersection):
p, 當 q = 1 t ( p , q ) = q , 當 p = 1 0, 其 他
(4.10)
其中 (4.7)~(4.10) 之大小關係:
( 4.10) ≤ ( 4.9) ≤ ( 4.8) ≤ ( 4.7)
其他學者提出的交集公式 page 4-7 and 4.3.
12
認 Fuzzy
4.4 模糊集 (t-反基,s-norms 或 t-conorms)
認 Fuzzy
第 四 章
模 糊 集 合 之 運 算
1
認 Fuzzy
4.1 模糊集合運算之種
三種模糊集合運算:集 (Union)、補集 (Complement)、 及交集 (Intersection)。 標準運算: A ( x ) = 1 A( x )
( A ∩ B )( x ) = min( A( x ), B ( x ))
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
集 A 的隶属函数 A(x) 可解释为 [a, b] 上的有界函数。
于是,可以仿照欧氏空间或者函数空间中距离的定义来定义模糊集之间的距离。
定义 1 设 X = {x1, x2, …, xn} 或 X = [a, b],A, B∈F (X),p 为正实数。则称
1
∑ d p ( A, B)
=
⎜⎛ ⎝
1 n
n
|
i =1
A(xi ) − B(xi ) |p
⎟⎞ p ⎠
1
∫ d
p
(
A,
B)
=
⎜⎛ ⎝
b
1 −
a
b
|
A( x)
−
B(x)
|p
dx ⎟⎞ p
a
⎠
为 A, B 之间的闵可夫斯基(Minkowski)距离。
特别地,当 p = 1 时称 d1(A, B) 为模糊集 A 与 B 之间的海明(Hamming)距离,即
b w( x) | A( x) − B(x) |2
a
dx ⎟⎠⎞2
例 1 欲将在 A 地生长良好的某种树木移植到 B 地或 C 地,考察 B、C 两地哪里最适宜?
-3-
数学系 • 张运杰 • 模糊数学课程教案
第 3 章 • 模糊集合的度量
气温、湿度、土壤是树木生长的必要条件,因而 A、B、C 三地的情况可以表示为论域 X = {x1(气温), x2(湿 度), x3(土壤)}上的模糊集,经测定,得三个模糊集为
定义 2 设 X = {x1, x2, …, xn} 或 X = [a, b],A, B∈F (X),p 为正实数。若
∑ ∫ n w( xi ) = 1 或者
i =1
b
w(x)dx = 1
a
则称
1
∑ d wp
(
A,
B)
=
⎜⎛ ⎝
n i =1
w(
xi
)
|
A(
xi
)
−
B(
xi
)
|p
⎟⎞ ⎠
p
1
∫ dwp ( A, B) = ⎜⎝⎛
[0, 1] 上取值的函数,于是它们的 Hamming 距离为
∫ d (A, B) = 1
b
| A(x) − B(x) | dx
b−a a
即两个隶属函数间的面积,如图 2(a) 所示。而 [a, b] 上两个函数间的最大 Hamming 距离为 d(∅, X) = b − a,
如图 2(b) 所示。于是有
3.1 模糊集之间的距离
由第二章可知,论域 X 上的所有模糊集构成 X 的模糊幂集 F (X)。
当 X 为含有 n 个元素的有限论域时,F (X) 是一个超立方体,即 n 维调和向量的集合,因此 F (X) 是
n 维欧氏空间的子集。
当 X 为无穷论域时,F (X) 是所有 X → [0, 1] 的映射构成的集合。特别地,当 X = [a, b] 时,X 上模糊
B(xi ) |2
⎟⎞ 2 ⎠
1
∫ d
2
(
A,
B)
=
⎜⎛ ⎝
b
1 −
a
b
|
A(x)
−
B(x)
|2
dx ⎟⎞ 2
a
⎠
两个模糊集之间的 Minkowski、Hamming 和 Euclid 距离,实际上是度量空间中相应距离概念的推广。
-1-
数学系 • 张运杰 • 模糊数学课程教案
第 3 章 • 模糊集合的度量
n
∑ d ( A, B) = | A(xi ) − B(xi ) |2 i =1
而正方形 I 中两点间的距离最大为 d (∅, X ) = 2 ,于是有
1
∑ d2 ( A, B)
=
d ( A, B) d (∅, X )
=
⎜⎛ ⎝
1 n
n i =1
|
A(xi ) −
B(xi ) |2
⎟⎞ 2 ⎠
图 1 正方形中两点间的 Euclid 距离
数学系 • 张运杰 • 模糊数学课程教案
第 3 章 模糊集合的度量
第 3 章 • 模糊集合的度量
我们知道,模糊概念是通过模糊集合来刻画的,隶属函数则是对模糊概念模糊性的定量描述。 在理论研究和实际应用中,常常要对两个模糊概念之间的差异或相近程度进行比较,也常常要对一个 模糊集自身的模糊性进行评价。为此,需要对模糊集之间的相似性和模糊集自身的模糊性进行度量。 本章主要就是对这两项内容进行讨论。
设 X = [a, b],则 F (X) 是 L1 空间的子集。于是上述模糊集之间的距离恰好是欧氏空间中的相对距离, 即
dp
( A,
B)
=
d ( A, d (∅,
B) X)
,∀
A,
B∈F
(X)
例如,设 X = [a, b],则 F (X) 是 [a, b] 上有界函数的集合。∀ A, B∈F (X),A 与 B 是 [a, b] 上两个在
对于有限论域或实数论域的情形,可以用几何观点予以解释:
设 X = {x1, x2, …, xn},则 F (X) 是一个 n 维超立方体。于是上述模糊集之间的距离恰好是欧氏空间中 的相对距离,即
d
p ( A,
B)
=
d ( A, d (∅,
B) X)
,∀
A,
B∈F
(X)
例如,设 X = {x1, x2},则 F (X) 是一个正方形 I。∀ A, B∈F (X),A 与 B 是 I 中的两个点,它们之间的 Euclid 距离为
∑ d1(A, B)
=
1 n
n i =1
|
A(xi )
−
B(xi )
|
∫ d1
(
A,
B)
=
b
1 −
a
b
| A(x) − B(x) | dx
a
而当 p = 2 时称 d2(A, B) 为模糊集 A 与 B 之间的欧几里得(Euclid)距离,即
1
∑ d2 ( A, B)
=
⎜⎛ ⎝
1 n
n i =1
|
A(xi ) −
b
∫ dw1( A, B) =
w(x) | A( x) − B(x) | dx
a
而当 p = 2 时称 dw2(A, B) 为模糊集 A 与 B 之间的加权欧几里得(Euclid)距离,即
1
∑ d w 2
(
A,
B)
=
⎜⎛ ⎝
n i =1
w(
xi
)
|
A(
xi
)
−
B(
xi
)
|2
⎟⎞ 2 ⎠
1
∫ dw2 ( A, B) = ⎜⎝⎛
-2-
数学系 • 张运杰 • 模糊数学课程教案
∫ d1( A,
B)
=
d ( A, d (∅,
B) X)
=
b
1 −
a
b
a | A(xi ) − B(xi ) | dx
第 3 章 • 模糊集合的度量
图 2(a) 两个有界函数之间的 Hamming 距离
图 2(b) 两个有界函数之间的最大 Hamming 距离
b w(x) | A(x) − B( x) |p
a
dx ⎟⎠⎞ p
为 A, B 之间的加权闵可夫斯基(Minkowski)距离。 特别地,当 p = 1 时称 dw1(A, B) 为模糊集 A 与 B 之间的加权海明(Hamming)距离,即
n
∑ dw1( A, B) = w(xi ) | A(xi ) − B(xi ) | i =1