matlab云模型（COULD MODEI）

目录

一.云模型的初步认识 

二.基于Matlab的云模型应用

        例题：

1.其子函数could_Model代码如下：

2.主函数如下:

3.运行结果为：

 4.结果分析：

---

一.云模型的初步认识 

当我们面对不确定性和模糊性的问题时，传统的概率统计方法可能无法提供完整和准确的解决方案。而云模型的引入为我们提供了一种新的处理不确定性问题的数学工具。

云模型基于云理论，该理论是中国科学家李四光于2000年提出的一种新型数学理论。云理论认为，世界上的事物都具有不确定性和模糊性，因此我们需要一种更全面的方式来描述和理解这些现象。云模型就是以云理论为基础发展起来的数学模型。

云模型的核心概念是“云”，云表示了不确定性的特征和程度。云模型将不确定性分为三个层次：乐观云、中间云和悲观云。乐观云表示事物的最优情况，中间云表示事物的普遍情况，而悲观云则表示事物的最坏情况。通过使用这三个云层次，云模型能够更全面地描述不确定性的特征。

在云模型中，还引入了云预测算子，用于对云进行运算和推理。云预测算子可以根据给定的输入云和一组操作规则，推导出输出云的结果。这种方式使得我们能够通过对云模型进行运算和推理，进行决策和预测。

云模型在实际应用中具有广泛的应用领域。例如，在数据挖掘中，云模型可以帮助我们处理模糊的、不完备的数据，并进行准确的分析和预测。在智能决策中，云模型可以帮助我们考虑不确定因素并做出更合理的决策。在模式识别中，云模型可以应对图像、语音等模糊和不确定性信息的处理。

总之，云模型是一种以云理论为基础的数学模型，它通过描述不确定性和模糊性的特征，帮助我们更好地处理不确定性问题，并在各个领域中有广泛的应用。

二.基于Matlab的云模型应用

        例题：

一支队伍将要参加全国射击大赛，现教练需要从备赛队员里挑选一名参赛队员，请通过下表分析出最佳人选。

模拟枪法大赛成绩

备赛队员	A	B	C	D
第1次射击	9.6	10.6	10.1	9.2
第2次射击	8.7	10.3	10.5	10.6
第3次射击	10.6	10.1	9.3	10.0
第4次射击	10.9	10.2	90.4	6.1
第5次射击	10.9	10.5	10.4	9.9
第6次射击	10.1	10.2	10.5	10.1
第7次射击	9.3	10.3	10.2	10.2
第7次射击	10.2	10.3.	9.2	10.6
第8次射击	10.6	10.4	9.1	10.1
第9次射击	9.4	10.2	10.3	0.6

根据以上云模型，编写其对应的程序如下：

1.其子函数could_Model代码如下：

function  [x,y,Ex,En,He]=cloud_transform(y_spor,n);

%x表示云滴；y表示钟形隶属度；Ex表示期望

%En表示熵

%He表示超熵

Ex=mean(y_spor);
En=mean(abs(y_spor-Ex).*sqrt(pi./2));
He=sqrt(var(y_spor-En.^2));

%返回每行的方差


%通过云模型还原

for q=1:n
    Enn=randn(1).*He+En;       
    
    %生成正态分布
    
    x(q)=randn(1).*Enn+Ex;
    y(q)=exp(-(x(q)-Ex).^2./(2.*Enn.^2));
end
x;
y;

2.主函数如下:

clc;
clear all;
close all;

Ncould=1500;

%每幅图生成1500个云滴

%备赛队员射击成绩按列存储，因此要转置，转置之后每行分别代表A,B,C,D的十次射击成绩

Y=[9.6	10.6	10.1	9.2
8.7	10.3	10.5	10.6
10.6	10.1	9.3	10.0
10.9	10.2	90.4	6.1
10.9	10.5	10.4	9.9
10.1	10.2	10.5	10.1
9.3	10.3	10.2	10.2
10.2	10.3	9.2	10.6
10.6	10.4	9.1	10.1
9.4	10.2	10.3	0.6]';

for i=1:size(Y,1)   

%代表Y的第一个维度的数据
    
    subplot(size(Y,1)/2,2,i)
    
%调用云模型函数
    
    [x,y,Ex,En,He]=cloud_Model(Y(i,:),Ncould);

%为了直观清晰地观察到四位选手的射击成绩，因此我们将图的点设置成红色，即plot(x,y,'r.');

    plot(x,y,'r.');
    xlabel('射击成绩分布/环');
    ylabel('精度');
    title(strcat('第',num2str(i),'射击模型图'));
   
%控制坐标轴范围的范围，使四个图的数据具有一致可比性
    
    axis([8,12,0,1]);

end

3.运行结果为：

 4.结果分析：

1. 先看期望，只有A,B的期望>=10
2. 再看熵（云滴分布的不确定程度），A,B,C分布跨度较大
3. 最后看超熵（模型的不确定性程度），B的云滴凝聚抱合程度最高
4. 综上分析，认为B射击手比赛最出色