隶属函数及确定方法
.
.
隶属函数
正确地确定隶属函数，是运用模糊集合理论解决实际问题的基础。隶属函数是对模糊概
念的定量描述。我们遇到的模糊概念不胜枚举，然而准确地反映模糊概念的模糊集合的隶属
函数，却无法找到统一的模式。
隶属函数的确定过程，本质上说应该是客观的，但每个人对于同一个模糊概念的认识理
解又有差异，因此，隶属函数的确定又带有主观性。
一般是根据经验或统计进行确定，也可由专家、权威给出。
例如体操裁判的评分，尽管带有一定的主观性，但却是反映裁判员们大量丰富实际经验
的综合结果。
对于同一个模糊概念，不同的人会建立不完全相同的隶属函数，尽管形式不完全相同，
只要能反映同一模糊概念，在解决和处理实际模糊信息的问题中仍然殊途同归。事实上，也
不可能存在对任何问题对任何人都适用的确定隶属函数的统一方法，因为模糊集合实质上是
依赖于主观来描述客观事物的概念外延的模糊性。
可以设想，如果有对每个人都适用的确定隶属函数的方法，那么所谓的“模糊性”也就
根本不存在了。
2.5.1 隶属函数的几种确定方法
这里仅介绍几种常用的方法，不同的方法结果会不同，但检验隶属函数建立是否合适的
标准，看其是否符合实际及在实际应用中检验其效果。
1．模糊统计法
在有些情况下，隶属函数可以通过模糊统计试验的方法来确定。这里以张南组等人进行
的模糊统计工作为例，简单地介绍这种方法。
图2－5－1 27岁对“青年”隶属频率的稳定性
张南纶等人在武汉建材学院，选择129人作抽样试验，让他们独立认真思考了“青年人”
的含义后，报出了他们认为最适宜的“青年人”的年龄界限。由于每个被试者对于“青年人”
这一模糊概念理解上的差异，因此区间不完全相同，其结果如表2-5-1所示。
.
.
现选取0u=27岁，对“青年人”的隶属频率为
）调查人数（）岁的区间数（隶属次数包含n
27
（2-5-1）
用作为27岁对“青年人”的隶属度的近似值，计算结果见表2-5-2。
78.027）＝（
青年人
按这种方法计算出15～36岁对“青年人”的隶属频率，从中确定隶属度。表2－5给出
的即为将U分组，每组以中值为代表计算隶属频率。令隶属度为纵坐标，年岁为横坐标，连
续描出的曲线便为隶属函数曲线。
采用同样办法，分别在武汉大学（抽样106人）、
西安工业学院（抽样93人）
进行模糊统计试验，得到“青年人”的隶属函数曲线如图2－5－2所示。
对“中年人”这一模糊概念也在上述三个单位进行模糊统计试验，得到隶属函数曲线见
.
.
图2－5－3。
观察上述三组在为同地区得到的同一模糊的隶属函曲线，它们的形状大致相同，曲线下
所围成的面积也大致相同。如果调查的人足够多，也会出现像概率统计一样的稳定性，但须
指出，模糊试验与随机统计试验不能等同。上述的模糊统计试验，说明了隶属程度的客观意
义，同时也表明了模糊统计试验法求取隶属函数是切实可行的。这种方法的不足之处是工作
量较大。
2.例证法
例证法是Zadeh在1972年提出的，主要思想是从已知有限个A的值，来估计论域U上
的模糊子集A的隶属函数。
例如论域U是全体人类， A是“高个子的人”，显然A是模糊子集。
为了确定A，可先给出一个高度h值，然后选定几个语言真值(即一句话真的程度)中
的一个，来回答某人高度是否算“高”。
如语言真值分为“真的”，“大致真的”，“似真似假”，“大致假的”，“假的”。然后，把
这些语言真值分别用数字表示，分别为1，0.75，0.5，0.25和0。
对几个不同的高度1h、2h…nh都作为样本进行询问，就可以得到A的隶属函数A的
离散表示法。
3．专家经验法
据专家的实际经验，确定隶属函数的方法称专家经验法。
例如郭荣江等利用模糊数学总结著名中医关幼大夫的医疗经验，设计的《关幼波治疗肝
病的计算机诊断程序》这一专家系统，就是采用此种方法确定隶属函数的，获得很好的效果。
设全体待诊病人为U，令患有脾虚性迁延性肝炎的病人全体为模糊子集A，A的隶属
函数为A。
从16种症状中判断病人u是否患此种疾病，这16种症状分别用1621,,,aaa来表示
（其中1a：GPT异常，2a：3T高，…，16a：暖气）。
把每一症视为普通子集，则特征函数为
.
.
iiaiaau无症状有症状01)(
由医学知识和专家临床经验，对每一症状在患有“脾虚性迁延性肝炎”中所起的作用各
赋予一定的权系数1621,,,aaa。规定A的隶属函数为
1621
1621)()()()(1621aaauauauauaaa
A
（2-5-2）
如病人0u，对A的隶属度为)(0uA如果取阈值为)(,0uA时就断言此人患“脾
虚性迁延性肝炎”，否则不患此种病。
.
.
上述确定隶属函数的方法，主要是根据专家的实际经验，加上必要的数学处理而得到的，
在许多情况下，经常是初步确定粗略的隶属函数，然后再通过“学习”和实践检验逐步修改
和完善，而实际效果正是检验和调整隶属函数的依据。
2.5.2常用的隶属函数
定义：设A为以实数R为论域的模糊子集，其隶属函数为)(xA，如果对任意实数
bxa
，都有
))(),(min()(baxAAA
（2-5-3）
则称A为凸模糊子集。
性质1．凸模糊集的截集必是区间（此区间可以是无限的）；截集均为区间的模糊集必
为凸模糊集。此性质可作为凸模糊集的等价定义。
性质2．A、B是凸模糊集，则BA也是凸模糊集。
除凸模糊集外，还有非凸模糊集，如图2-5-4中（1）与（2）分别凸模糊集和非凸模糊
集。
由模糊集定义及其性质不难看出，凸模糊集实质上就是隶属函数具有单峰特性。今后所
用的模糊子集一般均指凸模糊集。
2．模糊分布
以实数域R为论域时，称隶属函数为模糊分布。常见的模糊分布有以下四种：
（1） 正态分布
这是最主要也是最常见的一种分布，表示为
0])(exp[)(2bbaxx
其分布曲线如图 2-5-5所示
（2）Γ型
•0)(00)(xe
x
x
x
x
.
.
其中0,0。
当xx即,0时，隶属度为1，其分布曲线如图2-5-6所示。
（3）戒上型
cxcxcxaxb1
)(1
1
）（
其中0,0ba，其分布曲线如图2-5-7所示。
当25,2,51cba时，即为“年青”的隶属函数
（4）戒下型
cx
cxacxxb)(1
1
0
）（
其中0,0ba，其分布曲线如图2-5-8所示。
当50,2,51cba时，即为“年老”的隶属函数。
3．常用的隶属函数
隶属函数形式有多种，根据实际问题而具体确定或选用。在实际应用中为方便起见，常
采用梯形、三角形较多。在后续篇章的模糊控制及应用部分中，将涉及多种隶属函数的形式，
具体内容参见其他章节，这里不再详细给出。
伽马型隶属函数 -回复
伽马型隶属函数-回复伽马型隶属函数是一种常用的隶属函数，用于模糊系统中对输入值进行隶属度计算。
它以一个正数为中心参数，并通过调整该参数的取值来改变函数形状。
本文将详细介绍伽马型隶属函数的原理、计算方法和应用场景。
一、伽马型隶属函数的原理伽马型隶属函数是基于伽马函数的一种扩展形式，其数学表达式为：μ(x)=exp(−(γx−c )^h)其中，μ(x)表示隶属度函数的输出值（即输入值x的隶属度），exp表示指数函数，γ为标度参数（控制函数的陡缓程度），x−c 表示x与中心参数c的差的绝对值，h为型参数（控制函数的形状）。
伽马型隶属函数的图形呈现钟曲线状，其幅度和宽度可以通过调整参数γ和h来控制。
二、伽马型隶属函数的计算方法伽马型隶属函数的计算方法主要分为两步：1. 计算x−c首先计算输入值x与中心参数c的差的绝对值x−c 。
这一步是为了度量输入值与中心参数之间的距离，从而确定钟曲线的位置。
2. 应用函数表达式将x−c 带入伽马型隶属函数的数学表达式中，根据指数函数的特点计算隶属度μ(x)的具体数值。
根据参数γ和h的不同取值，隶属度的曲线形态也会有所变化。
三、伽马型隶属函数的应用场景伽马型隶属函数广泛应用于模糊系统中，特别是在模糊控制和模糊推理中具有重要作用。
以下列举几个常见的应用场景：1. 模糊控制系统在模糊控制系统中，伽马型隶属函数用于描述变量的隶属度，以实现输入与输出之间的模糊映射。
通过调整参数γ和h的取值，可以灵活地控制隶属度函数的形状，从而更精确地描述模糊变量之间的关系。
2. 模糊推理在模糊推理中，伽马型隶属函数常用于描述规则的前提部分。
通过设置合适的参数，可以使隶属度函数的形状与变量之间的逻辑关系相匹配，从而将模糊规则转化为具体的数值计算。
3. 模糊聚类伽马型隶属函数还可以用于模糊聚类中，用于对数据进行隶属度分布的建模。
通过拟合数据分布的形状，可以确定数据点属于不同聚类的隶属度。
4. 模糊图像处理在模糊图像处理中，伽马型隶属函数可以用于对图像像素值的模糊化处理。
三角隶属度函数
三角隶属度函数
三角隶属度函数是一种常见的隶属度函数形式，通常用于模糊逻辑控制系统中。
它是由三角形组成的函数形式，具有以下特点： 1. 对于x=a的取值，隶属度函数取到最大值1，符合实际情况。
2. 随着x值的增大或减小，隶属度函数呈现出三角形状，形状具有对称性。
3. 隶属度函数的两个关键参数为左侧三角形的顶点位置a和右侧三角形的顶点位置b，可以进行灵活调整，适应不同的控制场景。
三角隶属度函数在模糊逻辑控制系统中应用广泛，例如在温度控制、汽车控制、机器人控制等领域中都有应用。
掌握三角隶属度函数的原理与使用方法，对于进行模糊逻辑控制系统的设计与实现具有重要意义。
- 1 -。
对模糊隶属函数确定方法的进一步探讨
对模糊隶属函数确定方法的进一步探讨隶属函数的确定不应只侧重于对信息自身模糊性的识别和描述,还应该正确描述主体的心理测度,重视主体认识水平的缺陷。
探讨了用简便可行的隶属函数度量方法来测量人们进行决策时心理测度上的模糊性,给出了具体不同情况下的描述函数,在一定程度上可以更准确地描述信息的模糊性,从而使决策更具有合理性。
标签：隶属函数;模糊分布;心理测度一、引言客观事物均不同程度地存在着不确定性,这种不确定性蕴涵在客观表现及其主观识别之中。
从本质上看,不确定性是主观对于客观而言的,即对客观信息的识别与刻画无不受到主观因素的影响,受到主体心理因素的影响,进而表现为认知水平和描述方法的差异。
而一般的隶属函数确定的方法多从下面两个角度;或侧重于描述信息自身的模糊性、识别和刻画方法的模糊性,或从如何消除减少主观任意性成分来进行研究,而忽视了起决定作用的主体想心理思维模式和判断尺度,使得隶属函数的确定不够完善。
另一方面,随着生产系统、社会系统的大规模化和复杂化,使得人们进行预测与决策变得十分困难。
由于决定预测的准确性及决策成败的关键是人,所以应能正确描述人的心理测度上的模糊性。
对于此类问题,当今决策理论是从理性决策的行为决策两分支进行研究,但在现实实际操作生活中,出现了理性决策与行为决策不相一致的情况。
正是基于这两方面因素考虑,力图应用理性决策与行为决策相结合的思想,通过定性与定量相结合的方法,找到一种能反映主体心理测度的方法,从能够描述存在的现象和避免不应发生的现象出现两个角度进行研究,使信息的模糊隶属描述更具有合理性,使人们在模糊的状态下进行的预测和决策偏差更小。
二、分类描述1.当主体参考事态进行判断时,往往由于过于自信而出现偏差,当事件发生的客观概率在0.5上,而人们又认为或希望它发生,则判断出的隶属度往往高于凭他们的知识和事实本应判断出的值;另一方面,当客观概率小于0.5,而人们又不认为或不希望它会发生,则往往估计偏低。
模糊数学方法
例 设论域U = {x1 (140), x2 (150), x3 (160), x4 (170), x5 (180), x6 (190)}(单位：cm)表示人的身高， 那么U上的一个模糊集“高个子”(A)的隶属函数 A(x)可定义为
A(x) x 140 190 140
A(x) x 100 200 100
也可用Zadeh表示法：
A 0 0.2 0.4 0.6 0.8 1 x1 x2 x3 x4 x5 x6
A 0.15 0.2 0.42 0.6 0.8 0.9 x1 x2 x3 x4 x5 x6
还可用向量表示法：
A = (0, 0.2, 0.4, 0.6, 0.8, 1).
另外，还可以在U上建立一个“矮个子”、 “中等个子”、“年轻人”、“中年人”等模糊 子集.
定义模糊线性规划(2)中目标函数的隶属函数
为
Gi (x)
f0 t0(x) , d0
f0 d0 t0(x) f0.
由Gi (x)定义可知，∈[0, 1],
Gi (x)≥ t0 (x) + d0≤ f0,
要求模糊线性规划(2)的模糊最优解x*，则要 求使所有约束条件及目标函数的隶属函数尽可能 达到最大，即求x* 满足
Ai (x)≥及G(x)≥， 且使达到最大值,相当于求解普通线性规划问题
max
(4)
s.t.tdx0i(x)0did0ti
f0 (x)
i
bi
=
1, 2, …, m.
di di
设普通线性规划(4)的最优解为x*, , 则
模糊线性规划(2)的模糊最优解为x*, 最优值 为t0 (x*).
所以，求解模糊线性规划(2)相当于求 解普通线性规划(1), (3), (4).
隶属度函数的建立课件
实例二：图像处理中的隶属度函数应用
总结词：高斯函数
详细描述：在图像处理中，高斯函数常被用作隶属度函数。通过高斯函数可以将像素值映射到[0,1]区间内，实现图像的模糊 处理和边缘检测等功能。
实例三：故障诊断中的隶属度函数应用
总结词
三角形函数
详细描述
在故障诊断中，三角形函数可以作为隶属度函数。例如，当某个参数值超过阈值时，该 参数对故障的隶属度为1；当参数值低于阈值时，该参数对故障的隶属度为0；当参数
隶属度函数的作用
描述模糊性
隶属度函数可以用来描述模糊集 合中元素对集合的隶属程度，从 而反映事物的模糊性。
决策支持
在决策过程中，隶属度函数可以 为决策者提供关于各方案可能性 的量化信息，帮助决策者做出更 准确的决策。
模糊控制
在模糊控制中，隶属度函数可以 用于确定控制规则的激活程度， 从而实现更精确的控制。
详细描述
模拟退火算法借鉴了金属退火的物理过程，通过随机搜 索和接受不良解的方式寻找最优解。在隶属度函数的优 化中，模拟退火算法可以在较大范围内进行随机搜索， 避免陷入局部最优解，从而找到更好的隶属度函数。
04
CATALOGUE
隶属度函数的应用场景
模糊控制
总结词
描述模糊控制中隶属度函数的作用和应用。
性质
隶属度函数具有非负性、归一化性质 和可度量性，即其值域为[0,1]，且所 有元素隶属度的总和为1。
隶属度函数的分类
三角形隶属度函数
其形状呈三角形，常用于描述简单的不确定性或模糊 性。
梯形隶属度函数
其形状呈梯形，常用于描述具有更复杂分布的不确定 性或模糊性。
其他类型
如高斯型、Sigmoid型等，适用于不同类型的不确定 性或模糊性。
三角形模糊隶属度函数
三角形模糊隶属度函数三角形模糊隶属度函数是一种常用的数学工具，在模糊逻辑、模糊控制等领域中得到了广泛的应用。
本文将分步骤介绍三角形模糊隶属度函数的定义、特点、计算方法和应用。
一、定义三角形模糊隶属度函数是一种以三角形为基本形状的模糊隶属度函数，其数学表达式为：$$\mu(x)=\begin{cases}0 & x\leq a \\\frac{x-a}{m-a} & a<x\leq m \\\frac{b-x}{b-m} & m<x<b \\0 & x\geq b\end{cases}$$其中，$a$、$m$、$b$为三角形的三个顶点，$m$为三角形的中心点。
$a$和$b$之间的距离决定了三角形的宽度，$m$的位置决定了三角形的高度。
二、特点三角形模糊隶属度函数具有以下特点：1. 明确的隶属度变化趋势。
随着输入变量从$a$向$m$移动，隶属度一直呈现逐渐增大的趋势；而当输入变量从$m$向$b$移动时，隶属度逐渐减小。
2. 具有对称性。
如果将三角形沿着中心线水平翻转，其隶属度函数不变。
3. 可以调整三角形的宽度和高度。
在应用中，根据实际需要可以调整三角形的宽度和高度，以得到最合适的隶属度函数。
三、计算方法三角形模糊隶属度函数的计算方法如下：1. 首先计算出输入变量$x$与三角形的三个顶点的距离$d_a$、$d_m$、$d_b$。
2. 根据三角形的宽度和高度分别计算出三个顶点的隶属度$\mu_a$、$\mu_m$、$\mu_b$。
3. 根据三角形隶属度函数的定义，计算出$x$对应的隶属度$\mu(x)$。
四、应用三角形模糊隶属度函数在工程应用中具有广泛的应用，主要包括以下方面：1. 模糊控制。
在模糊控制中，三角形模糊隶属度函数被广泛应用于输入变量的隶属度函数的定义中。
2. 模糊分类。
在模糊分类中，三角形模糊隶属度函数常常被用来表示不同类别之间的隶属度。
隶属度函数的建立
2.2 模糊集合论基础
2
四、隶属度函数的建立
1、隶属度函数的建立原则 1）隶属度函数表示的模糊集合必须是凸模糊集。
即要求隶属函数具有单峰性。
确定时一般总是先找一个最适合模糊概念的点， 再向两边延伸。
2.2 模糊集合论基础
适合U中元素为较小值的模糊集 。
2.2 模糊集合论基础
8
四、隶属度函数的建立
3、常用的隶属度函数 2）S形函数
适合U中元素为较大值的模糊集 。
2.2 模糊集合论基础
9
四、隶属度函数的建立
3、常用的隶属度函数 3）∏形函数
2.2 模糊集合论基础
10
四、隶属度函数的建立
trapmf
gbellmf
1
的顺序排列，与经验与常识一致。 b、间隔的隶属函数尽量不相交。
2.2 模糊集合论基础
5
四、隶属度函数的建立
1、隶属度函数的建立原则
4）论域中的每个元素至少属于一个隶属度函数的 区域，同时不应超过两个隶属函数的区域。
5）同一个元素没有两个隶属度函数会同时达到最 大值。
6）当两个隶属度函数重叠时，重叠部分与两个隶 属度函数的最大隶属度不应有交叉。
3
四、隶属度函数的建立
1、隶属度函数的建立原则 2）变量所取的隶属函数通常是对称和平衡的。 如：对控制系统来讲，语言变量如为“系统输出”：语言值
为“较小”，“适中”，“较大”。如果在“较小”再加 一个语言值“小”，则一般在对称位置加一个“大”。
2.2 模糊集合论基础
4
四、隶属度函数的建立
1、隶属度函数的建立原则 3）隶属度函数要符合人们的语义顺序，避免不适当的重叠。 a、有语义关系的若干标称的模糊集，其中心位置须按一定
模糊隶属度计算公式
模糊隶属度计算公式模糊隶属度计算公式是模糊集理论中的一种重要工具，在处理模糊信息、不确定性信息和模糊关系时具有广泛的应用。
模糊隶属度可以用于描述事物或概念的模糊程度和隶属关系。
下面将介绍几种常见的模糊隶属度计算公式。
1. 三角隶属度函数三角隶属度函数是最简单也是最常用的隶属度函数之一。
它通常用于描述对称的模糊集。
三角隶属度函数的计算公式为：```μ(x) = (x - a) / (b - a), a <= x <= bμ(x) = (d - x) / (d - c), b <= x <= dμ(x) = 0, x < a 或者 x > d```其中，a和d分别是模糊集的起始点和终止点，b和c是模糊集两个相对应的峰值。
2. 梯形隶属度函数梯形隶属度函数也是一种常见的隶属度函数。
它通常用于描述模糊集的模糊边界不对称的情况。
梯形隶属度函数的计算公式为：```μ(x) = (x - a) / (b - a), a <= x <= bμ(x) = 1, b < x <= cμ(x) = (d - x) / (d - c), c < x <= dμ(x) = 0, x < a 或者 x > d```其中，a和d分别是模糊集的起始点和终止点，b和c是梯形隶属度函数中的峰值点。
3. 高斯隶属度函数高斯隶属度函数是一种钟形曲线，在某个点呈现出单峰、对称的特点。
高斯隶属度函数的计算公式为：```μ(x) = e^(-0.5((x - c) / σ)^2)```其中，c是高斯函数的均值，σ是标准差。
4. 基于模糊逻辑的隶属度计算公式在模糊逻辑中，还有一些其他的隶属度计算公式，如S形隶属度函数、Z形隶属度函数等。
这些计算公式可以根据具体的应用场景进行选择和调整。
模糊隶属度计算公式在模糊集理论中扮演着重要的角色。
通过选择恰当的隶属度计算公式，我们可以更加准确地反映事物的模糊程度和隶属关系。
模糊数学建立模糊集的隶属函数方法三分法
模糊数学建立模糊集的隶属函数方法三分法
本文介绍了一种新的模糊集建立的方法——三分法，该方法利用三分法构建出模糊集的隶属函数。
首先，需要确定出模糊集的上下界和规则。
上界和下界是由模糊集的输入和输出参数定义的，而规则是由经验或其他知识决定的。
规则是在一定范围内限定的，一旦指定，就不会变化。
其次，由上界、下界和规则确定的范围内，划分出三个等分的区域，这三个区域代表不同的隶属度。
如果规则是线性的，那么第一区域的隶属度为0，第二区域的隶属度为0.5，第三区域的隶属度为1.同时，需要指定每一个区域的边界，在实际的应用中，这一过程可以根据经验进行调整，以保证设定的规则的准确性。
最后，按照规则，确定好每一个区域的边界后，就可以采用三联表的方法，构建模糊集的隶属函数。
三联表法是将输入的变量取值范围划分成三百多个等分，这样可以避免用一个复杂的数学模型来描述每一个输入变量的隶属度，而是根据实际情况给出在某一取值下，输入变量的隶属度，从而构建出整个模糊集的隶属函数。
总之，三分法提供了一个简单、高效的方法来构建模糊集的隶属函数，同时可以更好的适应不同的应用场景，增强模糊系统的智能性。
隶属函数的确定及应用
ＬＩ ａ Ｕ Ｘｉｏ—ｙａ ｎ．ＬＩ ｎ—ｙ Ｕ Ｘｉ ｕ．Ｗ ＡＮ Ｇ ｅ Ｍ ｉ
（ ｎ Ｕｎｖ ｒｉ ｆＳ ｉｎ ｅａ ｄＴｅ ｈ ｏｏ ｙ Ｘｉａ １ ０ ４ Ｃｈｎ ） ｘＪａ ｉｅｓｙ ｏ ｃｅ ｃ ｎ ｃ ｎ ｌｇ ， ｎ ７ ０ ５ ， ｉａ ｔ
Ａｂ ｔ ａ ｔ ｓ ｒ ｃ ：Ｍ ｅ ｅ ｓ ｉ ｕ ｃ ｏ ｓｔ ｅ ｂ ｓ ｏ ｃ ｐ ｓ ｏ ｚｙ ｍ ａｈ ｍａｉｓ ｍｂ ｒ ｐ ｆ ｎ ｔ ｎ ｉ ｈ ａｉ ｃ ｎ ｅ ｔ ｆｆ ｚ ｔ ｅ ｔ ，ｗｈ ｃ ａ ｅ ｉ ｅ ｆｚ ｙ ｓ ｔ． ｉｇ ｔ ｅ ｆ ｚ ｙ ｍａｈ ｍ ａ ｃ ｏ ｈ ｉ ｃ ｕ ｃ ｉｈ ｃ ｎ ｄ ｃｄ ｕ ｚ ｅｓ Ｕｓ ｈ ｕ ｚ ｔ ｅ ｔ ｓｔ ｎ ｉ
ｐｒ ｅｓｉ ｒ ａｏ ｂｌ，ｉ ｏ ｄ ｂｅ ｂｅｔｒａ ｌ ｏ ｒ ｆ ｃ ｈｅｎａｕｒ ｆｔ ａ ｕｅ ｉ ａ ａ ｄ ｃ ｎｔｉ ｏ ｅ ｉ ｆ ｒ ａｉ ｏｃ ｓ ｓ ｅ ｓ ｎａ ｅ ｔｗ ｕｌ ｔｅ ｂ ｅｔ ｅ ｅ ｔｔ ｔ ｅ ｏ ｌ ｈｅ ｖ ｇ ｄｅ ｎ ｏ ａｎ ｍ ｒ ｎ ｏ ｍ ｔ ｏｎ．Ｉ ｈ ｓｐａ ｒ ｉｃ ｓｔ ｎ ｔ ｉ ｐｅ ，ｄ ｓｕｓ ｈｅ ｍ ｅ ｎｓｔ ｅ ｎｅ ｔ ｅ ａ ｏ ｄ ｆ ｈｅ ｍ ｍｂｅ ｓ ｉ ｎｃｉ ｎｄ ｕ ｅ ｉ ｈｅ ｔ ｏ ｐｒ ｈ ｎｓｖ ｖａｕａｉ ｎ ｆｔ ｖａｕａｉ ｈ ｅ ｃ ｅ ｉ ｒｈｐ ｆ ｔｏｎ ａ ｓ ｎ ｔ ｈｅ ｃ ｍ ｅ ｅ ｉ ｅ ｅ ｌ ｔｏ ｏ ｕ ｈｅ ｅ ｌ ｔｏｎ ｏｆｔ ｅ ｔ ａ ｈ ￣．
ｌ ＳＮ １ ０ － ０ ４ Ｓ ９ ３ ４ ０
Ｅ ｍａｌ ｅ ｕ ＠Ｃ Ｃ ．ｅ ．ｎ — ｉ ｄ ｆ Ｃ Ｃｎ ｔ ： ｃ
Ｃ ｍ ｕｅ ｎ ｗｅ ｇ ｎ ｅ ｈ ｏ ｇ ｏ ｐ ｔｒ ｏ ｌ ｅａ ｄ Ｔ ｃ ｎ ｌ ｙ电脑 知 识 与技术 Ｋ ｄ ｏ