Part.0模糊集表示方法

一、表示方法

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的隶属度为 A ( x i ) A\left(x_{i}\right) A(xi)。若论域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=xUxA(x)

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),...,\left(x_{n},A\left(x_{n}\right)\right) \right\} A={(x1,A(x1)),(x2,A(x2)),...,(xn,A(xn))}

3.向量表示法

A = ( A ( x 1 ) , A ( x 2 ) , . . . , A ( x n ) ) A = \left(A\left(x_{1}\right),A\left(x_{2}\right),...,A\left(x_{n}\right)\right) A=(A(x1),A(x2),...,A(xn))

二、隶属度的确定方法

  1. 实验统计法
  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。
  3. 专家打分法:根据专家的反馈意见进行统计(主观性强)
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