人工智能原理及其应用---模糊推理

1 模糊集的定义
设U是给定论域，μ是把任意u∈U映射为[0,1]上的某个实值的函数，即
μ：U→[0,1]
u→μ(u)
称μ为定义在U上的一个隶属函数。
若F是U上的一个模糊概念，则μF(u)为F在U上的一个隶属函数，由μF(u)所构成的集合
F={μF(u)| u∈U}
则称F为U上的一个模糊集，μF(u)称为u对F的隶属度。
2 模糊集的表示
（1）离散且为有限论域的表示方法
设论域U={u1,u2,…,un}为离散论域，则其模糊集可表示为：
F={μF(u1)，μF(u2)，…, μF(un)}
扎德引入了一种模糊集的表示方法：先为论域中的每个元素都标上其隶属度，然后再用“+”号把它们连接起来，有
F=μF(u1)/u1+μF(u2)/u2+…+μF(un)/un
（2）连续论域的表示方法
如果论域是连续的，则其模糊集可用一个实函数表示。
（3）一般表示方法
不管论域U是有限的还是无限的，是连续的还是离散的，扎德又给出了一种类似于积分的一般表示方式：

这里的论域表示各个元素与其隶属度对应关系的总括。
3 模糊集的运算
设F、G分别是U上的两个模糊集，对任意u∈U,都有
μF(u)= μG(u)成立，则称F等于G，记为F=G。
设F、G分别是U上的两个模糊集，对任意u∈U,都有
μF(u)<μG(u)成立，则称F含于G，记为F⊆G。
设F、G分别是U上的两个模糊集，则F∪G、F∩G分别称为F与G的并集、交集，它们的隶属函数分别为：

设F为U上的模糊集，称﹁F为F的补集，其隶属函数为：
﹁F: μ﹁F(u)=1-μF(u)
4 模糊关系的合成
设R1与R2分别是U×V与V×W上的两个模糊关系，则R1与R2的合成是从U到W的一个模糊关系，记为R1ΟR2,其隶属函数为：

其中，∧和∨分别表示取最小和取最大。
模糊变换
设F={μF(u1)，μF(u2)，…, μF(un)}是论域U上的模糊集，R是U×V上的模糊关系，则称RΟR=G称为模糊变换。
模糊关系的构造
（1） 模糊关系Rm
Rm是由扎德提出的一种构造模糊关系的方法。
设F和G分别是论域U和V上的两个模糊集，则Rm定义为

其中，×号表示模糊集的笛卡尔乘积。
（2） 模糊关系Rc
Rc是由麦姆德尼提出的一种构造模糊关系的方法。
设F和G分别是论域U和V上的两个模糊集，则Rc定义为

（3） Rg是米祖莫托提出的一种构造模糊关系的方法。
设F和G分别是论域U和V上的两个模糊集，则Rg定义为

其中：