wpsppt怎样让图片模糊_如何确定模糊统计方法和模糊关系？

最新推荐文章于 2022-12-01 10:55:58 发布

Mag1cal

最新推荐文章于 2022-12-01 10:55:58 发布

阅读量407

点赞数

文章标签： wpsppt怎样让图片模糊

本文链接：https://blog.csdn.net/weixin_32487755/article/details/112441519

版权

模糊数学是处理不确定性和模糊性问题的数学理论，包括模糊集合、隶属函数、模糊关系和模糊矩阵等概念。它将数学的应用从确定性领域扩展到模糊领域，通过模糊统计方法、指派方法等确定隶属函数，并应用于决策、评价等实际问题中。模糊关系可以通过并、交、余运算进行组合，模糊矩阵则有合成、转置和截矩阵等运算。模糊数学在处理如年龄、身高、评价等级等模糊概念时非常有用。

摘要由CSDN通过智能技术生成

我们处理现实的数学模型可以分成三大类：第一类是确定性数学模型，即模型的背景具有确定性，对象之间具有必然的关系。第二类是随机性的数学模型，即模型的背景具有随机性和偶然性。第三类是模糊性模型，即模型的背景及关系具有模糊性。

模糊是指客观事物差异的中间过渡中的“不分明性”或“亦此亦彼性”。如高个子与矮个子、年轻人与老年人、热水与凉水、环境污染严重与不严重等。在决策中，也有这种模糊的现象，如选举一个好干部，但怎样才算一个好干部？好干部与不好干部之间没有绝对分明和固定不变的界限。

统计数学是将数学的应用范围从确定性的领域扩大到了不确定性的领域，即从必然现象到偶然现象，而模糊数学则是把数学的应用范围从确定领域扩大到了模糊领域，即从精确现象到模糊现象。

模糊数学基本概念

模糊集和隶属函数

定义 1 论域 X 到[0,1]闭区间上的任意映射

μ_A：X → [ 0,1]

x→μ_A(x)

都确定X上的一个模糊集合 A ，μ_A叫做 A 的隶属函数， μ_A(x) 叫做 x 对模糊集A的隶属度，记为：

使μ_A(x) = 0.5 的点 x₀ 称为模糊集 A 的过渡点，此点最具模糊性。

显然，模糊集合A完全由隶属函数 μ_A来刻画，当 μ _A(x) = {0,1} 时， A退化为一个普通集。

模糊集合的表示方法

当论域X为有限集时，记 X ={x₁ ,x₂ ,... ,xn} ，则 X 上的模糊集A有下列三种常见的表示形式。

i) zadeh 表示法

当论域 X 为有限集时，记 {{x1 ,x2 ,... ,xn} ，则 X 上的模糊集 A 可以写成

注：“∑ ”和“+”不是求和的意思，只是概括集合诸元的记号；

不是分数，它表示点x_i对模糊集 A 的隶属度是μ_A(x_i)

ii) 序偶表示法

iii) 向量表示法

当论域 X 为无限集时， X 上的模糊集A可以写成

例 1

设论域 {x₁(140), x₂(150), x₃(160), x₄(170), x₅(180), x₆(190)} (单位: cm)表示人的身高， X 上的一个模糊集“高个子”( A )的隶属函数 μ_A(x) 可定义为

用 zadeh 表示法，

用向量表示法，

例 2

设论域 X = [0,1]，Fuzzy 集 A 表示“年老”，B 表示“年轻”，Zadeh 给出 A 、 B 的隶属度函数分别为

A(70) ≈ 0.94 ，即“70 岁”属于“年老”的程度为 0.94。又易知 A(60) ≈ 0.8 ， B(60) ≈ 0.02 ，可认为“60 岁”是“较老的”

模糊集的运算

常用取大“∨”和取小“∧”算子来定义 Fuzzy 集之间的运算。

定义 2

对于论域 X 上的模糊集 A ， B ，其隶属函数分别为 μ_A (x) ， μ_B(x) 。

i) 若对任意 x∈ X ，有μ_B(x)≤μ_A(x) ，则称 A 包含 B ，记为 B ⊆ A ；

ii) 若 A ⊆ B 且 B ⊆ A ，则称 A 与 B 相等，记为 A = B 。

定义 3

对于论域 X 上的模糊集 A ， B ，

i) 称 Fuzzy 集C = AUB ，D = A∩B 为 A 与 B 的并(union)和交(intersection)，即

C = (A U B)(x) = max{A(x),B(x)} = A(x) ∨ B(x)

D = (A ∩ B)(x) = min{A(x),B(x)} = A(x) ∧ B(x)

他们相应的隶属度 , μ_C(x) μ_D(x) 被定义为

ii) Fuzzy 集A^C为 A 的补集或余集(complement)，其隶属度

例 3 已知

则有

隶属函数的确定方法

模糊数学的基本思想是隶属度的思想。应用模糊数学方法建立数学模型的关键是建立符合实际的隶属函数。如何确定一个模糊集的隶属函数至今还是尚未解决的问题。这里仅仅介绍几种常用的确定隶属函数的方法。

(1)模糊统计方法

模糊统计方法是一种客观方法，主要是基于模糊统计试验的基础上根据隶属度的客观存在性来确定的。所谓的模糊统计试验包含以下四个要素：

i) 论域 X ；

ii) X 中的一个固定元素X₀；

iii) X 中一个随机变动的几何A* (普通集)；

iv) X 中一个以A*作为弹性边界的模糊集A ，对 A* 的变动起着制约作用。其中 x₀ ∈ A* ，或者 x₀∉ A* ，致使x₀对A的关系是不确定的。

假设做n 次模糊统计试验，则可计算出

实际上，当 n 不断增大时，隶属频率趋于稳定，其频率的稳定值称为x₀对 A 的隶属度，即

(2)指派方法

指派方法是一种主观的方法，它主要依据人们的实践经验来确定某些模糊集隶属函数的一种方法。

如果模糊集定义在实数域R上，则模糊集的隶属函数称为模糊分布。所谓指派方法就是根据问题的性质主观地选用某些形式地模糊分布，再根据实际测量数据确定其中所包含地参数，常用的模糊分布如表1 所示。

实际中，根据问题对研究对象的描述来选择适当的模糊分布：

① 偏小型模糊分布一般适合于描述像“小，少，浅，淡，冷，疏，青年”等偏小的程度的模糊现象。

② 偏大型模糊分布一般适合于描述像“大，多，深，浓，热，密，老年”等偏大的程度的模糊现象。

③ 中间型模糊分布一般适合于描述像“中，适中，不太多，不太少，不太深，不太浓，暖和，中年”等处于中间状态的模糊现象。

但是，表1 给出的隶属函数都是近似的，应用时需要对实际问题进行分析，逐步修改进行完善，最后得到近似程度更好的隶属函数。

(3)其它方法

在实际应用中，用来确定模糊集的隶属函数的方法示多种多样的，主要根据问题的实际意义来确定。譬如，在经济管理、社会管理中，可以借助于已有的“客观尺度”作为模糊集的隶属度。下面举例说明。

如果设论域X 表示机器设备，在X 上定义模糊集A ＝“设备完好”，则可以用“设备完好率”作为A 的隶属度。如果X 表示产品，在X上定义模糊集A ＝“质量稳定”，则可以用产品的“正品率”作为A 的隶属度。如果X 表示家庭，在X 上定义模糊集A＝“家庭贫困”，则可以用“Engel 系数＝食品消费/总消费”作为A 的隶属度。

另外，对于有些模糊集而言，直接给出隶属度有时是很困难的，但可以利用所谓的“二元对比排序法”来确定，即首先通过两两比较确定两个元素相应隶属度的大小排出顺序，然后用数学方法加工处理得到所需的隶属函数。

模糊关系、模糊矩阵

基本概念

定义 4

设论域U ，V ，乘积空间上

上的一个模糊子集 R 为从从集合U 到集合V 的模糊关系。如果模糊关系 R 的隶属函数为

则称隶属度 μ_R (x, y)为(x, y)关于模糊关系 R 的相关程度。

这是二元模糊关系的数学定义，多元模糊关系也可以类似定义。

设

U = {x₁ , x₂ ,..., xm}，V = {y₁ , y₂ ,..., y_n }，R 为从从U 到V 的模糊关系，其隶属函数为μ_R(x,y),对任意的 (x_i ,y_j )∈ U ×V有 μR (x_i, y_j) =r_ij ∈[0,1]

i= 1,2,..,m, j = 1,2,...,n ，记R=(r_ij)_m*n,则 R 就是所谓的模糊矩阵。下面给出一般的定义:

定义 5

设矩阵R=(r_ij)_m*n,且 r_ij∈[0,1] ，i = 1,2,...,m, j = 1,2,...,n ，则 R 称为模糊矩阵。

特别地，如果 r_ij∈{0,1} ，i = 1,2,...,m, j = 1,2,...,n ，则称 R 为布尔(Bool)矩阵。当模糊方阵 R = (r_ij )_n*n 的对角线上的元素 r_ij 都为 1 时，称 R 为模糊自反矩阵。

当m = 1 或者 n = 1 时，相应地模糊矩阵为R= (r₁,r₂ ,... ,r_n ) 或者R= (r₁ ,r₂ ,... ,r_n )^T ，则分别称为模糊行向量和模糊列向量。

例 4

设评定科研成果等级的指标集为 U =(x1,x2,...,x5) ， x1 表示为科研成果发明或创造、革新的程度， x2 表示安全性能， x3 表示经济效益， x4 表示推广前景， x5 表示成熟性；V 表示定性评价的评语论域 V = (y1 ,y2 ,y3 ,y4 ) ， y1 , y2 , y3 , y4 分别表示很好、较好、一般、不好。通过专家评审打分，按下表给出U ×V 上每个有序对(xi ,yi) 指定的隶属度。