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、传递性
- 3.2 模糊相似关系与等价关系
- 3.3 对称闭包与传递闭包
1. 模糊关系
定义:模糊关系 RRR 的隶属函数 μR:U×V→[0,1]\mu_R:U\times V\to[0,1]μR:U×V→[0,1],其中 μR(x,y)\mu_R(x,y)μR(x,y) 表示 (x,y)(x,y)(x,y) 具有关系 RRR 的程度
Remarks:实际上模糊关系 RRR 就是定义在一个笛卡尔积的论域 U×VU\times VU×V 上的模糊关系,与之前介绍的普通的模糊关系并无太大差别。
基本运算定义为:
- 并:μR∪S(x,y)=μR(x,y)∨μS(x,y)\boldsymbol{\mu}_{R \cup S}(\boldsymbol{x}, \boldsymbol{y})=\boldsymbol{\mu}_{R}(\boldsymbol{x}, \boldsymbol{y}) \vee \boldsymbol{\mu}_{S}(\boldsymbol{x}, \boldsymbol{y})μR∪S(x,y)=μR(x,y)∨μS(x,y)
- 交:μR∩S(x,y)=μR(x,y)∧μS(x,y)\boldsymbol{\mu}_{R \cap S}(\boldsymbol{x}, \boldsymbol{y})=\boldsymbol{\mu}_{R}(\boldsymbol{x}, \boldsymbol{y}) \wedge \boldsymbol{\mu}_{S}(\boldsymbol{x}, \boldsymbol{y})μR∩S(x,y)=μR(x,y)∧μS(x,y)
- 补:μRˉ(x,y)=1−μR(x,y)\mu_{\bar{R}}(x,y)=1-\mu_R(x,y)μRˉ(x,y)=1−μR(x,y)
- 包含:R⊆S⇒μR(x,y)≤μS(x,y)\boldsymbol{R} \subseteq \boldsymbol{S} \Rightarrow \boldsymbol{\mu}_{R}(\boldsymbol{x}, \boldsymbol{y}) \leq \boldsymbol{\mu}_{S}(\boldsymbol{x}, \boldsymbol{y})R⊆S⇒μR(x,y)≤μS(x,y)
- 相等:R=S⇒μR(x,y)=μS(x,y)\boldsymbol{R} = \boldsymbol{S} \Rightarrow \boldsymbol{\mu}_{R}(\boldsymbol{x}, \boldsymbol{y}) = \boldsymbol{\mu}_{S}(\boldsymbol{x}, \boldsymbol{y})R=S⇒μR(x,y)=μS(x,y)
一些模糊关系有:
- 恒等模糊关系:R(x,y)=Ix=yR(x,y)=\mathbb{I}_{x=y}R(x,y)=Ix=y
- 零模糊关系:O(x,y)=0O(x,y)=0O(x,y)=0
- 全称模糊关系:E(x,y)=1E(x,y)=1E(x,y)=1
2. 模糊矩阵
2.1 定义
对于有限论域 U,VU,VU,V,模糊矩阵的定义很容易可以获得 Rij=μR(xi,yj)R_{ij}=\mu_R(x_i,y_j)Rij=μR(xi,yj)
当 RRR 的对角元素全部为 1 时,称为模糊自反矩阵
模糊矩阵对应于集合的运算定义为:
- 并:R∪S⇔R∪S=(rij∨sij)\boldsymbol{R} \cup \boldsymbol{S} \Leftrightarrow \boldsymbol{R} \cup \boldsymbol{S}=\left(\boldsymbol{r}_{i j} \vee \boldsymbol{s}_{i j}\right)R∪S⇔R∪S=(rij∨sij)
- 交:R∩S⇔R∪S=(rij∧sij)\boldsymbol{R} \cap \boldsymbol{S} \Leftrightarrow \boldsymbol{R} \cup \boldsymbol{S}=\left(\boldsymbol{r}_{i j} \wedge \boldsymbol{s}_{i j}\right)R∩S⇔R∪S=(rij∧sij)
- 补:Rc=(1−rij)R^c=(1-r_{ij})Rc=(1−rij)
- 包含:R⊆S⇔(rij)≤(sij)\boldsymbol{R} \subseteq \boldsymbol{S} \Leftrightarrow\left(\boldsymbol{r}_{i j}\right) \leq\left(\boldsymbol{s}_{i j}\right)R⊆S⇔(rij)≤(sij)
- 相等:R=S⇔(rij)=(sij)\boldsymbol{R} = \boldsymbol{S} \Leftrightarrow\left(\boldsymbol{r}_{i j}\right) =\left(\boldsymbol{s}_{i j}\right)R=S⇔(rij)=(sij)
2.2 运算性质
2.3 截矩阵
截矩阵的定义为 Rλ=(rij(λ))R_\lambda=(r_{ij}(\lambda))Rλ=(rij(λ)),其中 rij(λ)=Irij≥λr_{ij}(\lambda)=\mathbb{I}_{r_{ij}\ge\lambda}rij(λ)=Irij≥λ
Remarks:截矩阵的定义对应着截集的概念,截集得到的是普通集合,响应的截矩阵也是布尔矩阵,完全没有不确定度。
2.4 模糊关系合成
转置:略
模糊乘积:设 Q=(qij)n×m,R=(rij)m×tQ=(q_{ij})_{n\times m},R=(r_{ij})_{m\times t}Q=(qij)n×m,R=(rij)m×t,定义 S=QR∈Fn×tS=QR\in\mathcal{F}_{n\times t}S=QR∈Fn×t,有 Sik=∨j=1m(qij∧rjk)S_{ik}=\vee_{j=1}^m(q_{ij}\wedge r_{jk})Sik=∨j=1m(qij∧rjk)
Remarks:模糊乘积实际上表示了两个模糊关系的复合,即 Q∈F(U×V),R∈F(V×W)Q\in\mathcal{F}(U\times V),R\in\mathcal{F}(V\times W)Q∈F(U×V),R∈F(V×W),最后合成了模糊关系 S∈F(U×W)S\in\mathcal{F}(U\times W)S∈F(U×W)。从公式上来看,模糊矩阵的乘积跟普通矩阵的乘积很像,只不过乘法换成了 ∧\wedge∧,加法换成了 ∨\vee∨。
模糊关系的合成具有以下性质:
3. 模糊关系性质
3.1 自反性、对称性、传递性
就像普通集合的关系一样,模糊集合有三个重要性质:自反性、对称性、传递性。
自反性:若 ∀x∈U,μR(x,x)=1\forall x\in U,\mu_R(x,x)=1∀x∈U,μR(x,x)=1,则称 RRR 满足自反性,相应的有模糊矩阵 I⊆RI\subseteq RI⊆R
定理 1:若 AAA 为自反矩阵,则有
I⊆A⊆A2⊆⋯⊆An⊆⋯I\subseteq A \subseteq A^2 \subseteq \cdots \subseteq A^n \subseteq \cdots I⊆A⊆A2⊆⋯⊆An⊆⋯
对称性:若 ∀x,y∈U,μR(x,y)=μR(y,x)\forall x,y\in U,\mu_R(x,y)=\mu_R(y,x)∀x,y∈U,μR(x,y)=μR(y,x),则称 RRR 满足对称性,相应的有模糊矩阵 RT=RR^T=RRT=R
传递性:μR(x,z)≥∨y(μR(x,y)∧μR(y,z))\mu_R(x,z)\ge\vee_y (\mu_R(x,y)\wedge\mu_R(y,z))μR(x,z)≥∨y(μR(x,y)∧μR(y,z)),则称 RRR 满足传递性,相应的有模糊矩阵 R2⊆RR^2\subseteq RR2⊆R
定理 2:若 QQQ 为传递矩阵,则有
Q⊇Q2⊇Q3⊇⋯⊇Qn−1⊇Qn⊇⋯Q \supseteq Q^{2} \supseteq Q^{3} \supseteq \cdots \supseteq Q^{\mathbf{n}-1} \supseteq Q^{\mathbf{n}} \supseteq \cdots Q⊇Q2⊇Q3⊇⋯⊇Qn−1⊇Qn⊇⋯
3.2 模糊相似关系与等价关系
模糊相似关系:R∈F(U×U)R\in F(U\times U)R∈F(U×U),满足自反性和对称性 ⟹I⊆R⊆R2⊆⋯⊆Rn⊆⋯\Longrightarrow I\subseteq R\subseteq R^2\subseteq \cdots\subseteq R^n\subseteq \cdots⟹I⊆R⊆R2⊆⋯⊆Rn⊆⋯
模糊等价关系:R∈F(U×U)R\in F(U\times U)R∈F(U×U),满足自反性、对称性和传递性 ⟹R=R2=⋯=Rn=⋯\Longrightarrow R=R^2=\cdots=R^n=\cdots⟹R=R2=⋯=Rn=⋯
定理:RRR 为等价关系 ⟺Rλ\iff R_\lambda⟺Rλ 为等价关系 ∀λ∈[0,1]\forall \lambda\in[0,1]∀λ∈[0,1]
Proof:若 RλR_\lambdaRλ 为等价关系,则意味着 ∀i,j,k\forall i,j,k∀i,j,k,若 rij(λ)=1,rjk(λ)=1⟹rik(λ)=1r_{ij}(\lambda)=1,r_{jk}(\lambda)=1 \Longrightarrow r_{ik}(\lambda)=1rij(λ)=1,rjk(λ)=1⟹rik(λ)=1。因此对于模糊矩阵来说,应有 rij≥λ,rjk≥λ⟹rik≥λr_{ij}\ge\lambda,r_{jk}\ge\lambda \Longrightarrow r_{ik}\ge\lambdarij≥λ,rjk≥λ⟹rik≥λ。在此基础上易证充分必要性。
Remarks:这个定理将模糊等价关系转化为普通等价关系,而普通等价关系可以很容易分类。
3.3 对称闭包与传递闭包
对称闭包:设 A,A^,B∈F(U×U)A,\hat{A},B\in\mathcal{F}(U\times U)A,A^,B∈F(U×U),若 A⊆A^,AT⊆A^A\subseteq\hat{A},A^T\subseteq\hat{A}A⊆A^,AT⊆A^,且对任意包含 AAA 的对称关系 BBB,都有 A^⊆B\hat{A}\subseteq BA^⊆B,则 A^\hat{A}A^ 为 AAA 的对称闭包,记为 s(A)=A^s(A)=\hat{A}s(A)=A^。
实际上对称闭包就是包含 AAA 的最小的对称关系,很容易的有 s(A)=A∪ATs(A)=A\cup A^Ts(A)=A∪AT
传递闭包:A⊆A^,A2⊆A^A\subseteq\hat{A},A^2\subseteq\hat{A}A⊆A^,A2⊆A^,且任意包含 AAA 的传递关系 BBB 都有 A^⊆B\hat{A}\subseteq BA^⊆B,则 A^\hat{A}A^ 为 AAA 的传递闭包,记为 t(A)=A^t(A)=\hat{A}t(A)=A^。
传递闭包定理 1:t(A)=A∪A2∪⋯∪An∪⋯=⋃k=1∞Akt(A)=A\cup A^2 \cup\cdots\cup A^n\cup\cdots=\bigcup_{k=1}^\infty A^kt(A)=A∪A2∪⋯∪An∪⋯=⋃k=1∞Ak
传递闭包定理 2:t(A)=⋃k=1nAkt(A)=\bigcup_{k=1}^n A^kt(A)=⋃k=1nAk (可以使用鸽巢原理,证明 An+1⊆Am,m≤nA^{n+1}\subseteq A^m,m\le nAn+1⊆Am,m≤n)
传递闭包定理 3:相似矩阵 R∈Un×nR\in U_{n\times n}R∈Un×n 的传递闭包是等价矩阵,且 t(R)=Rnt(R)=R^nt(R)=Rn
传递闭包定理 4:相似矩阵 R∈Un×nR\in U_{n\times n}R∈Un×n,则 ∀m≥n,t(R)=Rm\forall m\ge n,t(R)=R^m∀m≥n,t(R)=Rm
传递闭包定理 5:相似矩阵 R∈Un×nR\in U_{n\times n}R∈Un×n,则 ∃k≤n,t(R)=Rk\exist k\le n,t(R)=R^k∃k≤n,t(R)=Rk
Remarks:
- 定理 2 证明了传递闭包在实际中是可计算的
- 定理 3-5 中对相似矩阵求传递闭包就得到了等价矩阵,对后面的模糊据类很有用,因为模糊等价矩阵可以与普通等价矩阵联系起来,而若想进行分类,则必须依托于等价关系。
模糊数学学习笔记 4:模糊关系相关推荐
- 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 ...
- python关系运算符可以连续使用_python学习笔记-字符串拼接关系运算符逻辑运算符...
#字符串拼接&关系运算符&逻辑运算符 print()函数 #print()函数输出时候,可以指定多个输出值之间的分隔符,参数sep='' 设置 print('a','b','c',se ...
- 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 ...
- Mybatis学习笔记6 模糊查询like
1.模糊 like 模糊查询的实现有两种方式, 一是java代码中给查询数据加上"%"; 二是在mapper文件sql语句的条件位置加上"%". 需求:查询姓名 ...
- MySQL学习笔记 | 模式匹配 模糊查询
目录 LIKE运算符:模式匹配 模糊查询 作业练习 1.查看XSCJ数据库中学生基本情况表(XS)的全部数据信息.(确保数据和教材第105页表5-13一致.) 2.完成教材第106页以下操作: (1) ...
- Postgresql学习笔记之——模糊匹配LIKE、SIMILAR TO和POSIX正则表达式
1.介绍 Postgresql数据库中提供三种实现模糊匹配的方式: 1.传统的SQL的LIKE操作. 2.SQL99中SIMILAR TO操作符. 3.POSIX风格的正则表达式. 另外还有一个模式匹 ...
- Qt学习笔记之类继承关系图
- 模糊数学笔记大全(模糊集、截集、模糊矩阵、模糊关系、模糊聚类、模糊模型识别、模糊综合决策、模糊数)
一.模糊集及其运算性质 二.模糊截集与分解定理 三.模糊隶属度函数的确定及常用隶属度函数 四.模糊矩阵与模糊关系 五.模糊聚类 六.模糊模型识别-I(最大隶属度原则) 六.模糊模型识别-II(择近原则 ...
最新文章
- 3G时代需要“移动云计算专业”
- grep,但只有特定的文件扩展名
- 时隔这么长时间,又回来写博客了
- 【Flutter】Dart 面向对象 ( 抽象类 | 抽象方法 )
- 剑与远征“超能力”玩家,恶魔瑟可斯上线第1天就被他拉满
- 计算机网络可以按哪些原则分类,计算机网络的分类
- mfc中怎么集成文件_怎么把几个pdf合并并打印在一份文件中?
- 诺奖得主:中国机制促成抗疫成功经济复苏
- 微服务升级_SpringCloud Alibaba工作笔记0013---SpringCloud Alibaba简介
- oracle数据库常用操作语句
- 开个坑: gitk和git容易被滥用的 cherry-pick 功能
- 我悲惨的人生,该死的UPX壳,谁能救救我
- 清华大学计算机红皮书,哈佛的红皮书_82702698.pdf
- 《东周列国志》第七十六回 楚昭王弃郢西奔 伍子胥掘墓鞭尸
- Python html.parser库学习小结
- 证券公司交易系统架构演进探析
- 计算机安装win10系统还原,预装win10的ThinkPad笔记本电脑一键恢复出厂系统步骤
- 华为路由器显示网络未连接到服务器,如何解决华为路由器Q1连接没有网络的问题?...
- 产品新人如何才能找到第一份产品工作?
- Peewee 使用手册