模糊隶属函数

在人类社会和各个科学领域中,人们所遇到的各种量大体上可以分成两大类：确定性的与不确定性的,而不确定性又可分为随机性和模糊性.人们正是用三种数学来分别研究客观世界中不同的量,即：

Ⅰ.确定的性数学模型：这类模型研究的对象具有确定性，对象之间具有必然的关系，最典型的就是用微分法、微分方程、差分方程所建立的数学模型。
Ⅱ.随机性数学模型：这类模型研兖的对象具有随机性，对象之间具有偶然的关系，如用概率分布方法、马尔可夫(Markov)链所建立的数学模型。
Ⅲ.模糊性数学模型：这类模型所研究的对象与对象之间的关系具有模糊性。

模糊集合

在模糊集合中，对于一个元素，我们无法绝对地认为该元素是属于该集合还是不属于该集合，而是说该元素多大程度上属于该集合，即模糊集合没有明确边界。
论域：被讨论的对象（元素）的全体称为论域。

隶属度
为了描述属于模糊集程度，引入隶属度（属于模糊集程度）这一概念。规定：
1.当某一元素u属于集合A时，就说该元素隶属度为1；
2.当某一元素u不属于集合A时，就说该元素隶属度为0；
3.当某一元素u部分属于集合A，部分不属于集合A时，就说该元素u对于A的隶属度是在开区间（0,1）中的某个数。

而计算元素在模糊集M的隶属度的函数称为隶属函数，此时可以用M表示隶属函数，则元素x在模糊集M的隶属度为M(x)，使M(x)=0.5的点x称为过渡点，此点最具模糊性。

模糊集的表示方法
模糊集的三种常见表示方法。
当论域U为有限集，记论域U={u1,u2,…,un},U上的模糊集记作F或F(U)。

1.序偶表示法：

2.向量表示法

3.扎德表示法（Zadeh）


举例：

模糊集合运算
1.包含
若A模糊集合包含于B集合，论域中任意元素的A隶属度小于等于B的隶属度。

2.相等

3.并
模糊集A与模糊集B并集为两个隶属函数的较大值部分。

4.交
模糊集A与模糊集B交集为两个隶属函数的较小值部分。

5.余

λ-截集
λ-截集是经典集合，它是由模糊集合A中隶属度不小于λ的元素组成的集合。它的特征函数表示为：

举例：以“高个子”模糊集A为例，若λ=0.4，则模糊集的0.4-截集为：

模糊隶属函数的确定及常用隶属度函数

1.模糊隶属函数的确定方法
直觉法：人们用自己对模糊概念的认识和理解，或者人们对模糊概念的普遍认同来建立隶属函数。这种方法通常用于描述人们熟知、有共识的客观模糊现象，或者用于难于采集数据的情形。
二元对比排序法：二元对比排序方法就是通过对多个对象进行两两对比来确定某种特征下的顺序，由此来决定这些对象对该特征的隶属程度。这种方法更适用于根据事物的抽象性质由专家来确定隶属函数的情形，可以通过多名专家或者一个委员会，甚至- -次民意测验来实施。
模糊统计实验法：类似于统计学中的大样本实验法，根据概念所占比例确定其对应隶属度。
除此之外还有其它方法。
2.常用模糊隶属函数的基本类型
偏小、偏大和中间型是最为常用的隶属度函数的分类，最为简单常用的即是（半）梯形函数：

抛物型或版抛物型

模糊矩阵与模糊关系

1.模糊矩阵

特殊模糊矩阵（零矩阵、单位矩阵、全称矩阵）：

2.模糊矩阵间的关系

3.模糊矩阵的交并余运算


4.模糊关系



参考博客：https://blog.csdn.net/weixin_60737527/article/details/125726451?spm=1001.2014.3001.5502
https://blog.csdn.net/cauchy7203/article/details/107493027