隶属度函数
这几个参数的实际含义如下:
μ——隶属度函数名称,代表隶属程度,取值为[0, 1];
A——某一具体特征,如长得高、家庭富有、长得帅以及屌丝等;
x——评判对象的抽象化取值,如你我他、苹果梨、猫狗鼠等。
整个函数的实际意义就是评判x属于A的程度。比如,评判你属于屌丝的程度,1表示完全属于、0表示完全不属于,0到1之间表示部分属于。
举例说明,分数与“成绩好”的隶属关系:
成绩为100分满分,小强考了100分,小明考了90分,小刚考了60分,则可以设隶属函数为
①小强对应x取值100,隶属程度 ;
②小明对应x取值90,隶属程度9 ;
③小刚对应x取值60,隶属程度 ;
由上面可以领会到,隶属函数的设定对于判定隶属程度至关重要。
模糊关系
多个模糊集合的元素间所具有关系的程度。例如,小明物理考了90分,化学考了85分;小刚物理考了85分,化学考了70分。
设隶属函数为
则小明、小刚与“物理”的关系程度分别为为0.9、0.85,与“化学”的关系程度分别为0.85、0.7。
表格形式
姓名 功课 | 物理 | 化学 |
小明 | 0.90 | 0.85 |
小刚 | 0.85 | 0.70 |
写成矩阵形式
此R矩阵表明了学生和功课的关系程度,其元素只在[0, 1]内取值。R称为模糊矩阵(模糊只是个称谓,并不是说其元素值是模糊的,也可以称作关系矩阵)。
模糊矩阵的合成
合成是指由两个或两个以上的关系构成一个新的关系。例如,R和S分别为U×V 和V×W 上的模糊关系,R和S合成的是U×W 上的模糊关系,记为R∘S 。
其中, , 。关系合成运算有点类似于矩阵相乘。
模糊推理
常用两种推理语句:
If A then B else C
If A and B then C
以第二种为例,A和B为输入,C为输出,ABC为模糊集合,R为模糊关系,构成模糊控制器
介绍一种模糊推理方法:Mamdani推理法。
“If A and B then C”表明的关系为 ,Mamdani推理方程为
类似于逆矩阵的性质,得到
——列向量转换,T2 ——行向量转换。