度量不确定性——云理论

李德毅老师开创的云理论，是对传统的隶属函数概念的扬弃。自然界中大量模糊概念可以用正态云来刻划的事实，导致了对正态云外部特征以及内部机理的深入研究。模糊概念可表述为一个边界具有不同弹性的，收敛于正态分布函数的云。实质上，云是用语言值表示的某个定性概念与其定量表示之间的不确定性转换模型，云的数字特征可用期望值Ex、熵En、超熵He三个数值来表征，它把模糊性和随机性完全集成到一起，构成定性和定量相互间的映射，为定性与定量相结合的信息处理提供了有力手段。所以它成为令人瞩目的处理模糊信息的有效工具。参见百科解释

我们可以通过一个例子理解云的概念。广场(X,Y)，这里用坐标表示广场的位置，它是一个定量的数据。在一定的条件下，它可以转化为定性数据——广场在某市中心。显然，对于大部分人，后者更易于理解。这就是本文所关注的不确定信息。这样的例子还有很多，假设我们通过ANN得到了预测值——这个人25岁，进一步，我们得到了“这个人25岁，标准差2岁”，标准差也是估计出来的，那么这个标准差本身也是不确定的，也就是云。

概念——云是用语言之描述的某个定心概念与其竖直表示之间的不确定转换模型。

设论域U={x},T与U相联系，定义隶属度CT(x) :U—〉[0，1]，对于任意x属于U，x->CT(x) 。以上是云理论的数学表达。

云具有以下特点

（1）x—〉[0，1]，是一对多的转换，x对于T的隶属度是一个概率分布；

（2）云滴（观测值）汇聚成云，只可远观（从上图易见）；

（3）期望曲线是隶属度曲线；

（4）曲线腰厚，顶薄，尾厚，符合人们的判断习惯。

数字特征：

Ex：论域中心，期望

En：信息熵，熵越大，所接受的数值范围也越大，概念越模糊

He：超熵，熵的熵，具体含义不明。

正态云生成算法：

(1)Xi=G(Ex,En)

(2)Eni=G(En,He)

(3)mu=exp(-(X-Ex)^2/2/Eni^2)

(Xi,mu)为云滴

 

注：本来用Matlab做了图，但网速太慢，传不上去。