模糊理论相关学习（1）

最新推荐文章于 2025-03-21 16:57:17 发布

Y.Shiloh

最新推荐文章于 2025-03-21 16:57:17 发布

阅读量4.9k

点赞数 6

文章标签：机器学习

本文链接：https://blog.csdn.net/yangxiluo/article/details/125197117

版权

模糊理论用于处理现实世界中无法用精确数值判断的模糊概念，通过模糊集合和隶属函数将其量化。模糊集合的隶属度可由模糊统计方法或指派方法等确定。模糊系统包括模糊化接口、知识库、模糊推理机和反模糊化器，常用于处理描述不精确的控制系统。模糊逻辑系统模仿人类基于经验的推理过程，广泛应用于各种动态模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

主题：

梳理模糊理论与相关算法

模糊理论：

什么是模糊

客观世界的模糊性表现在对于天气冷热、雨大小、人的胖瘦、速度快慢，无法用精确的数值判断，这不是非0则1的判断题，但是人们可以通过自己的知识认知建立起模糊概念来进行判断。模糊数学要做的事就是将模糊概念问题转化为定量分析问题。

2.模糊理论

模糊集合的基本思想是把集合中的绝对隶属关系灵活化，元素X对于集合A的隶属度不在是0或者1，而是属于[0,1]。

模糊集和隶属函数

$A=\left \{ (x,\mu _A(x){})|\forall x\in X \right \}$

论域X上的一个模糊集合A， $\mu _{A}\left ( x\right )$ 叫做x对模糊集合的A的隶属度。模糊集合A 完全由隶属函数 $\mu _{A}$ 来刻画，当 $\mu _{A}=\left \{ 0,1 \right \}$ 时，A退化成为一个普通集。

模糊集合是用来表达模糊性概念的集合。又称模糊集、模糊子集。普通的集合是指具有某种属性的对象的全体。

3.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。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。

（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。下表为常用隶属函数。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。

例一：模糊子集O=老年，论域X=[1,100]，隶属函数为

$\mu _{O}\left ( x \right )=\begin{Bmatrix} 0&0 \leqslant x\leqslant 50 \\ \left [ 1+\left ( \frac{x-50}{5} \right )^{-2} \right ] ^{-1}& 50\leq x\leqslant 100 \end{Bmatrix}$

随着x增加， $\mu _{O}\left ( x \right )$ 增大。