模糊数学描述:是描述模糊集的描述方式,模糊数学也可以用于判断,评价,推理。
简单来说:模糊数学就是用一个元素对每个集合隶属度来描述对于集合的归属程度,然后进行一系列操作,得到最终的隶属度,再比较隶属度的大小,该元素属于对应隶属度越大的集合。
模糊集合与经典集合基本概念:
经典集合:具有相同属性的事务的集体,如:性别
集合基本属性:
- 1互斥性:若a属于A,b属于A,则a不等于b
- 2确定性:非0即1,a要么属于A要么不属于A
对于经典集合的刻画:
特征函数:fA:U->{0,1} U:论域,fA表示特征函数
模糊集合:描述模糊性的集合,用隶属度描述不同集合的满足程度(隶属度越大,越属于该集合),而不是非0即1
对于模糊集合的刻画:
隶属函数:uA:U->[0,1] U:论域,uA:隶属度
模糊集合的三种表示方法:
出现的运算符,只是一种记法
模糊集合的分类:
模糊集合也可以分为三类:偏小型,中间型,偏大型。(冷,适宜,热)
隶属函数的三种确定方法:
模糊统计(需要设计发放问卷,可能来不及)
简单来说:大家坐在一起“拍脑袋”投票,用隶属频率去定义隶属度借助已有的客观尺度(需要有合适的指标)
指派法(根据问题直接套用默写分布函数作为隶属函数,主观性较强)
建模小白的笔记,望大佬指点