MatLab建模学习笔记11——云模型在数据处理中的应用

云模型属于不确定性人工智能范畴，主要用于定性与定量之间的相互转换，自然界中的不确定性从属性角度来说主要有随机性和模糊性。“云”或者“云滴”是云模型的基本单元，“云”是指其在论域上的一个分部，可以用联合概率的形式（x,µ）来类比。基本的定义如下：设X是一个普通集合，X={x} , 称为论域。关于论域X中的模糊集合A，是指对于任意元素x都存在一个有稳定倾向的随机数Ua(x)，叫做x对A 的隶属度。如果论域中的元素是简单有序的，则可以看作是基础变量，隶属度在X上的分布叫做隶属云；如果论域中的元素不是简单有序的，而根据某个法则f，可将X映射到另一个有序的论域X上，X中的一个且只有一个x和x对应，则X为基础变量，隶属度在X上的分布叫做隶属云。
云模型用三个数据来表示其特征：
期望：云滴在论域空间分部的期望，一般用符号Ex表示；
熵：不确定性程度，有离散程度和模糊程度共同决定，一般用符号En表示；
超熵：用来度量熵的不确定性，亦即熵的熵，一般用符号He表示。
云有两种发生器，正向云发生器和逆向云发生器，分别用来生成足够的云滴和计算云滴的云数字特征（Ex，En，He）。
正向云发生器的触发机制如下：
1、生成以En为期望，以He为方差的正态随机数En；
2、生成以Ex为期望，以En`2为方差的正态随机数x；
3、计算隶属度即确定度：

4、重复1—3步骤，直到生成足够的云滴。
逆向云发生器是用来计算云滴的数字特征（Ex，En，He），无需确定度信息的逆向发生器，假设样本x的容量为n，其触发机制如下：

案例如下：

Matlab求解如下：

%云模型的主函数
clc;
clear all;
close all;
%每幅图生成1500个云滴
N=1500;
%射击数据如下
Y=[9.5 10.2 9.9 8.6
10.3 9.7 10.1 10.1
10.6 8.6 10.4 10
10.5 10.4 9.2 10.1
10.9 9.9 10.1 10.3
8.9 8.9 9.8 10
9.9 10.4 8.7 8.9
10.9 10.2 9.9 9.9
9.3 10.3 10.8 9.7
10.5 10 8.9 10.5 
]';
for i=1:size(Y,1)
    subplot(size(Y,1)/2,2,i)
    [x,y,Ex,En,He]=cloud_compute(Y(i,:),N);
    plot(x,y,'r.');
    xlabel('射击成绩分布/环');
    ylabel('确定度');
    title(strcat('第',num2str(i),'人射击云模型还原图谱'));
    axis([8,12,0,1]);
end    

生成云滴的函数：

function [x,y,Ex,En,He]=cloud_compute(y,n)
Ex=mean(y);
En=mean(abs(y-Ex)).*sqrt(pi./2);
He=sqrt(var(y)-En.^2);
for q=1:n
    Enn=randn(1).*He+En;
    x(q)=randn(1).*Enn+Ex;
    y(q)=exp(-(x(q)-Ex).^2/(2.*Enn.^2));
end
x;
y;

主函数.m文件

云滴计算.m文件

执行主函数

执行结果

图像分析的几个依据：云模型的期望、云模型的确定度（隶属度），表示倾斜的程度，在图谱上表现出来的就是云滴是否集中。最后是离散的程度，即随机性。