云模型之正向云发生器

概述

云模型是云的具体实现方法，也是基于云的运算、推理和控制等的基础。它可以表示由定性概念到定量表示的过程（正向云发生器），也可表示由定量表示到定性概念的过程（逆向云发生器）。

该模型是由中国工程院院士李德毅于1995年提出云模型的概念，是处理定性概念与定量描述的不确定转换模型。自提出至今，已成功地应用到自然语言处理、数据挖掘、决策分析、智能控制、图像处理等领域  。

云发生器

正向云发生器（Forward Cloud Generator）是从定性概念到其定量表示的映射，它根据云的数字特征（Ex，En，He）产生云滴，每个云滴都是该概念的一次具体实现。

一维正向正态云发生器的算法实现如下  ：

输入：表示定型概念A的三个数字特征值Ex，En，He以及云滴数N；

输出：N个云滴的定量值，以及每个云滴代表概念A的确定度；

步骤：

（1）产生一个期望值为Ex，方差为En的正态随机数 ；

import numpy as np

np.random.seed(0)
x=np.random.normal(Ex,En)

（2）产生一个期望值为En，方差为He的正态随机数En’；

En2=np.random.normal(En,He)

（3）计算：

  ；

y=math.exp(-pow(x-Ex,2)/(2*pow(En2,2)))

（4）令  为一个云滴，它是该云表示的语言值在数量上的一次具体实现，其中x为定性概念在论域中这一次对应的数值，  为属于这个语言值的程度的量度；

（5）重复步骤（1）到步骤（4），直到产生满足要求数目的云滴数。

云生成器函数：

import math
import numpy as np
import matplotlib.pyplot as plt

#定义正向(forward)云发生器
def forwardCloud(Ex,En,He,N):
    cloudpoints=[]
    #numpy随机数发生器，指定种子为0
    np.random.seed(0)
    for i in range(N):
        x=np.random.normal(Ex,En)
        En2=np.random.normal(En,He)
        y=math.exp(-pow(x-Ex,2)/(2*pow(En2,2)))
        cloudpoints.append({'x':x,'y':y})
    return cloudpoints

绘制成散点图：

使用matplotlib将散点图绘出：

res=forwardCloud(0,10,1,10000)
x=[]
y=[]
for r in res:
    x.append(r['x'])
    y.append(r['y'])
plt.scatter(x,y)
plt.show()

全部代码：

import math
import numpy as np
import matplotlib.pyplot as plt

#定义正向(forward)云发生器
def forwardCloud(Ex,En,He,N):
    cloudpoints=[]
    #numpy随机数发生器，指定种子为0
    np.random.seed(0)
    for i in range(N):
        x=np.random.normal(Ex,En)
        En2=np.random.normal(En,He)
        y=math.exp(-pow(x-Ex,2)/(2*pow(En2,2)))
        cloudpoints.append({'x':x,'y':y})
    return cloudpoints

res=forwardCloud(0,10,1,10000)
x=[]
y=[]
for r in res:
    x.append(r['x'])
    y.append(r['y'])
plt.scatter(x,y)
plt.show()