【模糊逻辑】模糊集合和模糊逻辑-1

本文介绍了精确集与模糊集的概念,通过实例如城市里的汽车和雷达,展示了如何将精确集转化为模糊集。重点讲解了第一类模糊集的定义,包括MF(隶属函数)的作用和几种常见的MF类型,如高斯分布、三角形、Sigmoid和梯形MF。同时概述了精确集的运算,如交、补运算及其性质。
摘要由CSDN通过智能技术生成

2.1Crisp Sets精确集

在具体讲述Fuzzy Sets模糊集之前,先来讲讲,与之对应的精确集。
集合A由所有可列元素构成,其中各元素可被定义 x ⊂ A x\subset A xA。因此,A可以被定义为 A = { x ∣ x 满足某条件时 } A=\{x|x满足某条件时\} A={xx满足某条件时}
此处引入0-1隶属函数(Membership Function,MF),也被称为A的特征函数、判别函数、指示函数,记作 μ A ( x ) \mu_A(x) μA(x)
A ⇒ μ A ( x ) = { 1 , x ∈ A 0 , x ∉ A A\Rightarrow \mu_A(x)= \left\{ \begin{array}{lr} 1 , x\in A & \\ 0 , x\notin A & \end{array} \right. AμA(x)={1,xA0,x/A
其中集合 A A A可以看做是 X X X的子集,用一个数学等式,MF μ A ( x ) \mu_A(x) μA(x)形成映射。

例2.1 城市里的车子

以一个城市的所有车子为例,根据不同的依据,可以从不同的方式来描述该集合,
假设一辆车要么有六个汽缸,要么没有——这是一个非常明确的要求。如果您的汽车有四个气缸,那么它的四缸汽车子集的MF值(即成员等级)为1,而六缸或八缸汽车子集的成员等级为0。

在这里插入图片描述

例2.2 雷达

类似的,以雷达为例,根据频率,若在某一频段,MF为1,其余情况均为0;
根据发射平台的不同,如果是在地面上发射的,MF为1,其余情况为0;
此种举例还有很多,不一一举例。

2.2 从精确集到模糊集

模糊集 F F F是精确集,其值域区间为 [ 0 , 1 ] [0,1] [0,1]

定义2.1 第一类模糊集

第一类模糊集(type-1 fuzzy set) F F F的MF μ F ( x ) \mu_F(x) μF(x)
F = { ( x , μ F ( x ) ) ∣ x ∈ X } F=\{(x,\mu_F(x))|x\in X\} F={(x,μF(x))xX}
值得注意的是,MF提供了一种度量集合X中元素与模糊集之间的相似程度的方式。
如果集合X为连续,则模糊集可符号化表示为
F = ∫ x ∈ X μ F ( x ) / x F=\int_{x\in X}\mu_F(x)/x F=xXμF(x)/x
其中 ∫ \int 表示对于 x ∈ X x\in X xX的集合体
如果集合X为离散,则模糊集可表示为
F = ∑ x ∈ X μ F ( x ) / x F=\sum_{x\in X}\mu_F(x)/x F=xXμF(x)/x
其中 ∑ \sum 表示对于 x ∈ X x\in X xX的集合体

例2.4 国内汽车还是国外汽车

在大部分情况下,我们都会比较容易来判断一辆汽车是国外汽车,还是国内汽车——根据品牌源于什么国家,即可判断,是一个精确集;
但是值得注意的是,当全球化的不断推进,所谓的一个国家的品牌汽车,则往往需要来自全球各大部件供应商的零件提供,那么一辆车是国内还是国外车,则显得模糊不清起来。因此,引入MF μ D ( x ) \mu_D(x) μD(x) μ F ( x ) \mu_F(x) μF(x)来评价是国内车还是国外车。如果75%的零件都源于国内,那么有 μ D ( 0.75 ) = 0.9 \mu_D(0.75)=0.9 μD(0.75)=0.9 μ F ( 0.75 ) = 0.25 \mu_F(0.75)=0.25 μF(0.75)=0.25。如下图所示,得到对应的MF。
在这里插入图片描述
其中,细心的读者会发现, μ D ( x ) \mu_D(x) μD(x) μ F ( x ) \mu_F(x) μF(x)在一些情况是两者的和不为1。在此书中,无需归一化。有些文章将其归一化,可将其称为模糊划分(Fuzzy Partition)

一些基本的第一类模糊集的MF

guassian MF

μ F ( x ) = e − x − m 2 σ 2 \mu_F(x)=e^{-\frac{x-m}{2\sigma^2}} μF(x)=e2σ2xm
可以利用matlab中的函数 gaussmf(x,[sigma,m])来绘制;该MF为非线性、可导的

x = 0:0.1:10;
y = gaussmf(x,[2 5]);
plot(x,y)
xlabel('gaussmf, P=[2 5]')

在这里插入图片描述

triangular MF

μ F ( x ) = = { 0 , x < a x − a b − a , a ≤ x < b c − x c − b , b ≤ x < c 0 , x > c \mu_F(x)== \left\{ \begin{array}{lr} 0 , x<a & \\ \frac{x-a}{b-a} ,a\leq x<b &\\ \frac{c-x}{c-b} ,b\leq x<c &\\ 0 , x>c & \end{array} \right. μF(x)== 0,x<abaxa,ax<bcbcx,bx<c0,x>c
可以利用matlab中的函数 trimf(x,[a,b,c])来绘制;该MF为线性、不可导的

x = 0:0.1:10;
y = trimf(x,[3 6 8]);
plot(x,y)
xlabel('trimf, P = [3 6 8]')
ylim([-0.05 1.05])

在这里插入图片描述

Sigmoidal MF

μ F ( x ) = 1 1 + e − a ( x − c ) \mu_F(x)=\frac{1}{1+e^{-a(x-c)}} μF(x)=1+ea(xc)1
可以利用matlab中的函数sigmf(x,[a,c])来绘制;该MF为非线性、可导的

x = 0:0.1:10;
y1 = sigmf(x,[2 4]);
y2 = sigmf(x,[-2 4]);
plot(x,y1);hold on;
plot(x,y2);
xlabel('sigmf, P1 = [2 4] P2 = [-2 4]')
ylim([-0.05 1.05])
legend("P1","P2")

在这里插入图片描述

trapezoidal MF

μ F ( x ) = = { 0 , x < a x − a b − a , a ≤ x < b 1 , b ≤ x < c d − x d − c , c ≤ x < d 0 , x > c \mu_F(x)== \left\{ \begin{array}{lr} 0 , x<a & \\ \frac{x-a}{b-a} , a\leq x<b &\\ 1 , b\leq x<c &\\ \frac{d-x}{d-c} , c\leq x<d &\\ 0 , x>c & \end{array} \right. μF(x)== 0,x<abaxa,ax<b1,bx<cdcdx,cx<d0,x>c
可以利用matlab中的函数trapmf(x,[a,b,c,d])来绘制;该MF为线性、不可导的

x = 0:0.1:10;
y = trapmf(x,[1 5 7 8]);
plot(x,y)
xlabel('trapmf, P = [1 5 7 8]')
ylim([-0.05 1.05])

在这里插入图片描述

Generalized Bell MF

μ F ( x ) = 1 1 + ∣ x − c b ∣ 2 b \mu_F(x)=\frac{1}{1+|\frac{x-c}{b}|^{2b}} μF(x)=1+bxc2b1
可以利用matlab中的函数 gbellmf(x,[a,b,c])来绘制;该MF为非线性、可导的

x = 0:0.1:10;
y = gbellmf(x,[2 4 6]);
plot(x,y)
xlabel('gbellmf, P=[2 4 6]')

在这里插入图片描述

2.3 精确集运算和性质

和运算

在这里插入图片描述

交运算

在这里插入图片描述

补运算

在这里插入图片描述

其他相应的一些性质

在这里插入图片描述在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值