模糊数学学习笔记 1:模糊集
个人博客地址 Glooow,欢迎光临~~~
文章目录
- 1. 传统集合的定义
- 2. 模糊集合的定义
- 3. 模糊集的表示方法
- 3.1 Zadeh 表示法
- 3.2 序偶表示法
- 3.3 向量表示法
- 4. 模糊集的运算
- 4.1 集合基本运算
- 4.2 计算性质
- 5. 隶属度的确定
- 5.1 实验统计法
- 5.2 (半)解析法
- 5.3 专家打分法
- 6. 截集与分解定理
- 6.1 截集的定义
- 6.2 截集运算性质
- 6.3 一些定义
- 6.4 分解定理
1. 传统集合的定义
论域 U,集合 A,这可以用一个映射来表示
χ A : U → { 0 , 1 } u ↦ χ A ( u ) \begin{aligned} \chi_{A}: \boldsymbol{U} \rightarrow &\{\mathbf{0}, \mathbf{1}\} \\ \boldsymbol{u} \mapsto & \chi_{A}(\boldsymbol{u}) \end{aligned} χA:U→u↦{0,1}χA(u)
也可以用一个分段函数来表示
χ A ( u ) = { 1 , u ∈ A 0 , u ∉ A \chi_{A}(u)=\left\{\begin{array}{ll} {1,} & {u \in A} \\ {0,} & {u \notin A} \end{array}\right. χA(u)={1,0,u∈Au∈/A
2. 模糊集合的定义
模糊集的含义表示其中的元素 x x x “有一定的可能性”属于集合 A A A,或者说“一定程度上”属于集合 A A A,那么这个属于的程度就被称为隶属度 μ A ( x ) ∈ [ 0 , 1 ] \mu_A(x)\in [0,1] μA(x)∈[0,1]。与传统集合相比,传统集合中元素的隶属程度非 0 即 1,也即要么属于,要么不属于,是确定的,模糊集里则引入了一定的不确定性。也用一个映射表示为
μ A : U → [ 0 , 1 ] x ↦ μ A ( x ) ∈ [ 0 , 1 ] \begin{aligned} \mu_{A}: &\boldsymbol{U} \rightarrow[0,1] \\ &\boldsymbol{x} \mapsto \mu_{A}(x) \in[0,1] \end{aligned} μA:U→[0,1]x↦μA(x)∈[0,1]
其中映射 μ A \mu_A μA 称为 A A A 的隶属函数, μ A ( x ) \mu_A(x) μA(x) 为 x x x 对 A A A 的隶属度。注意 μ A ( x ) = 0.5 \mu_A(x)=0.5 μA(x)=0.5 时表示最具有模糊性。
3. 模糊集的表示方法
3.1 Zadeh 表示法
A = A ( x 1 ) x 1 + A ( x 2 ) x 2 + ⋯ + A ( x n ) x n A=\frac{A\left(x_{1}\right)}{x_{1}}+\frac{A\left(x_{2}\right)}{x_{2}}+\cdots+\frac{A\left(x_{n}\right)}{x_{n}} A=x1A(x1)+x2A(x2)+⋯+xnA(xn)
这里 A ( x i ) x i \frac{A\left(x_{i}\right)}{x_{i}} xiA(xi) 表示 x i x_i xi 对模糊集 A A A 的隶属度为 A ( x i ) A(x_i) A(xi)。若论域 U U U 为无限集,则模糊集表示为
A = ∫ x ∈ U A ( x ) x A=\int_{x\in U} \frac{A(x)}{x} A=∫x∈UxA(x)
3.2 序偶表示法
A = { ( x 1 , A ( x 1 ) ) , ( x 2 , A ( x 2 ) ) , ⋯ , ( x n , A ( x n ) ) } A=\left\{\left(x_{1}, A\left(x_{1}\right)\right),\left(x_{2}, A\left(x_{2}\right)\right), \cdots,\left(x_{n}, A\left(x_{n}\right)\right)\right\} A={(x1,A(x1)),(x2,A(x2)),⋯,(xn,A(xn))}
3.3 向量表示法
A = ( A ( x 1 ) , . . . , A ( x n ) ) A=(A(x_1),...,A(x_n)) A=(A(x1),...,A(xn))
4. 模糊集的运算
4.1 集合基本运算
- 相等: A = B ⟺ A ( x ) = B ( x ) , ∀ x ∈ U A=B \iff A(x)=B(x), \forall x\in U A=B⟺A(x)=B(x),∀x∈U
- 包含: A ⊂ B ⟺ A ( x ) ≤ B ( x ) , ∀ x ∈ U A\subset B \iff A(x)\le B(x), \forall x\in U A⊂B⟺A(x)≤B(x),∀x∈U
- 交集: ( A ∩ B ) ( x ) = A ( x ) ∧ B ( x ) , ∀ x ∈ U (A\cap B)(x) = A(x)\wedge B(x),\forall x\in U (A∩B)(x)=A(x)∧B(x),∀x∈U
- 并集: ( A ∪ B ) ( x ) = A ( x ) ∨ B ( x ) , ∀ x ∈ U (A\cup B)(x) = A(x)\vee B(x),\forall x\in U (A∪B)(x)=A(x)∨B(x),∀x∈U
- 补集: A c ( x ) = 1 − A ( x ) , ∀ x ∈ U A^c(x)=1-A(x),\forall x\in U Ac(x)=1−A(x),∀x∈U
其中记号 a ∧ b = min { a , b } , a ∨ b = max { a , b } a\wedge b=\min\{a,b\},a\vee b=\max\{a,b\} a∧b=min{a,b},a∨b=max{a,b}
4.2 计算性质
很多计算性质都和普通集合差不多
需要注意的是无穷个集合的交集与并集的定义
⋃ t ∈ T A t ( a ) = sup t ∈ T A t ( a ) ⋂ t ∈ T A t ( a ) = inf t ∈ T A t ( a ) \bigcup_{t \in T} A_{t}(a)=\sup_{t \in T} A_{t}(a) \\ \bigcap_{t \in T} A_{t}(a)=\inf_{t \in T} A_{t}(a) t∈T⋃At(a)=t∈TsupAt(a)t∈T⋂At(a)=t∈TinfAt(a)
5. 隶属度的确定
5.1 实验统计法
5.2 (半)解析法
根据问题性质套用现有模糊分布,然后根据测量数据确定分布中的参数。
模糊分布大致分为:偏大型、偏小型、中间型
5.3 专家打分法
根据专家的反馈意见进行统计
6. 截集与分解定理
6.1 截集的定义
定义:若 A A A 为 U U U 上的任一模糊集,对 ∀ λ ∈ [ 0 , 1 ] \forall \lambda\in [0,1] ∀λ∈[0,1],记
A λ = { x ∣ A ( x ) ≥ λ , x ∈ U } A_\lambda = \{x|A(x)\ge\lambda,x\in U\} Aλ={x∣A(x)≥λ,x∈U}
称为 A A A 的** λ \lambda λ-截集**,其中 λ \lambda λ 称为阈值或置信水平。类似的,**强截集(开截集)**定义为
A λ = { x ∣ A ( x ) > λ , x ∈ U } A_\lambda = \{x|A(x)>\lambda,x\in U\} Aλ={x∣A(x)>λ,x∈U}
注意:截集为普通集合,不是模糊集!
6.2 截集运算性质
大部分性质都很简单
但注意其中第 3 和第 6 条注意并不是相等!!
6.3 一些定义
- 核: k e r ( A ) = A 1 ker(A)=A_1 ker(A)=A1
- 支集: s u p p ( A ) = A 0 ˉ supp(A)=A_{\bar{0}} supp(A)=A0ˉ
- 边界: A 0 ˉ \ A 1 A_{\bar{0}}\backslash A_1 A0ˉ\A1
- 数乘: λ A ( u ) = λ ∧ A ( u ) , u ∈ U \lambda A(u) = \lambda \wedge A(u),u\in U λA(u)=λ∧A(u),u∈U
- A ⊂ B ⇒ λ A ⊂ λ B A\subset B \Rightarrow \lambda A \subset \lambda B A⊂B⇒λA⊂λB
- λ 1 ≤ λ 2 ⇒ λ 1 A ⊂ λ 2 A \lambda_1\le\lambda_2\Rightarrow \lambda_1 A \subset \lambda_2 A λ1≤λ2⇒λ1A⊂λ2A
6.4 分解定理
分解定理 1: A ∈ F ( U ) A\in \mathcal{F}(U) A∈F(U),则 A = ⋃ λ ∈ [ 0 , 1 ] λ A λ A=\bigcup_{\lambda\in[0,1]}\lambda A_\lambda A=⋃λ∈[0,1]λAλ
分解定理 2: A ∈ F ( U ) A\in \mathcal{F}(U) A∈F(U),则
模糊数学学习笔记 1:模糊集相关推荐
- 模糊数学学习笔记 6:模糊综合评判
文章目录 1. 一级模糊综合评判 2. 多级模糊综合评判 假如我们现在设计了一种服装,想要调研一下这种服装的受欢迎程度,该怎么办呢? 首先是怎么表示受欢迎程度呢?我们可以简单分为三个等级:受欢迎.一般 ...
- 模糊数学学习笔记 5:模糊聚类
个人博客地址 Glooow,欢迎光临~~~ 文章目录 1. 数据标准化 2. 建立模糊相似矩阵 1.1 相关系数类 1.2 距离类 1.3 贴近度类 3. 聚类 4. 其他问题 5. 模糊C均值法(F ...
- 模糊数学学习笔记 4:模糊关系
个人博客地址 Glooow,欢迎光临~~~ 文章目录 1. 模糊关系 2. 模糊矩阵 2.1 定义 2.2 运算性质 2.3 截矩阵 2.4 模糊关系合成 3. 模糊关系性质 3.1 自反性.对称性. ...
- 《多元统计分析》学习笔记之聚类分析
鄙人学习笔记 PS:对不起,原本想简单写写,总结一下,不想截那么多图,但写着写着觉得都挺想写的,就越写越多,越截越多.... 文章目录 聚类分析 聚类分析的基本思想 相似性度量 类和类的特征 系统聚类 ...
- HALCON 20.11:学习笔记---一维测量(Measuring)
HALCON 20.11:学习笔记---一维测量(Measuring) 本章主要提供有关一维测量的信息. 一维测量的概念 通过一维测量可以沿着预定义的线或弧定位从亮到暗或从暗到亮的过渡边缘.这使您可以 ...
- ANFIS学习笔记(一)
ANFIS学习笔记(一) ANFIS起源 最早关于ANFIS的文章应该是Jyh-Shing Roger Jang 于1993年发表的<ANFIS : Adaptive-Network-Based ...
- AI学习笔记:人工智能与机器学习概述
一.人工智能基本概念 1.1 基本概念 数据分析:对历史规律的展现.对未来数据的预测. 机器学习:机器学习是指从一系列的原始数据中找到规律,提取人们可以识别的特征,然后通过学习这些特征,最终产生一个模 ...
- 数字图像处理MATLAB学习笔记(一)
数字图像处理MATLAB学习笔记(一) 灰度转换与空间滤波 本节主要使用Matlab语言进行灰度转换与空间滤波的使用 并对相关数学原理进行总结 1. Intensity Transformer Fun ...
- PyTorch 学习笔记(六):PyTorch hook 和关于 PyTorch backward 过程的理解 call
您的位置 首页 PyTorch 学习笔记系列 PyTorch 学习笔记(六):PyTorch hook 和关于 PyTorch backward 过程的理解 发布: 2017年8月4日 7,195阅读 ...
最新文章
- 是时候搞清楚 Spring Boot 的配置文件 application.properties 了!
- 一个mp4文件分析工具
- BZOJ 1692: [Usaco2007 Dec]队列变换( 贪心 )
- 当前联机日志损坏恢复
- “老师,弃了吧,做个别的……”“笑话,都到这个份上了,怎么能弃掉呢?”...
- 晋升,结婚,出书,买房,这就是我的2019年!
- 玩转springboot2.x之快速搭建(start.spring.io)
- git——远程仓库基本操作与冲突解决
- 机器学习:残差学习、RNN、GAN、迁移学习、知识蒸馏
- IT小天博客APP版本
- GMS Apps安装
- linux终端ANSI转义字符
- 五子棋AI第二篇 AB剪枝和启发搜索(Java)
- League of Demacia(平面几何)
- 集合(二):Set : HashSet; LinkedHashSet; TreeSet
- 英文博客群建如何保证收录?
- Java —— 自定义JSR303校验
- 如何用自己的笔记本建wifi热点~~~
- java imageio temp_java-使用ImageIO.write jpg文件时出现问题:粉红色背景
- Equalize Them All
热门文章
- python脱离环境运行_python 生成exe脱离python环境运行
- 8.4 内存映射文件
- python语音合成并播放_语音合成篇
- 小学计算机教师业务笔记,信息技术教师业务学习笔记
- Java--枚举类型(枚举类型介绍 定义枚举类型 枚举类型的使用 枚举类型的注意事项 遍历枚举项)
- 关于多线程中的面试题
- shelljs库使用js达到linux命令操作
- Redis5.0源码解析(一)----------简单动态字符串(SDS)
- Akamai JS _abck sensor_data 源码解读第一天 纵观全文(2)
- SqlCommand对象-ExecuteNonQuery()方法的使用