模煳數學課件5學時.ppt

建模專題講座 模糊數學,華中農業(yè)大學數學建模基地,前言,人腦較之精確計算機，就是能在信息不完整不精確 的情況下，作出判斷與決策，模糊性常常是信息濃縮 所致，目的是為了提高交換的概率，所以不是毫無用 處，而是積極的特性。,如果到火車站去接人，如下描述 “大胡子，高個子，長頭發(fā)戴寬邊黑色眼鏡的中年男人”,除了男人的信息是精確的之外，其它信息全是模糊的， 但是我們卻能夠找到那個人。,第一講 模糊集合及其運算,一、經典集合與特征函數,論域U中的每個對象u稱為U的元素。,其中,函數 稱為集合A的特征函數。,二、模糊集合及其運算,1、模糊子集,論域,模糊集 A：高個子,定義隸屬函數（具有主觀性）：,模糊集并不再回答“是或不是”的問題，而是對每個 對象給一個隸屬度，所以與經典集有本質區(qū)別。而且 與隸屬函數是捆綁一起的，所以可以不做區(qū)分。,（還是經典集合）,（Zadeh表示法）,模糊子集通常簡稱模糊集，其表示方法有：,（1）Zadeh表示法,這里 表示 對模糊集A的隸屬度是 。,如“將一1,2,3,4組成一個小數的集合”可表示為,可省略,（3）向量表示法,（2）序偶表示法,若論域U為無限集，其上的模糊集表示為：,2、模糊集的運算,定義：設A，B是論域U的兩個模糊子集，定義,相等：,包含：,并：,交：,余：,幾個常用的算子：,（1）Zadeh算子,（2）取大、乘積算子,（3）環(huán)和、乘積算子,（4）有界和、取小算子,（5）有界和、乘積算子,（6）Einstain算子,3、模糊矩陣,（1）模糊矩陣間的關系及運算,定義：設 都是模糊矩陣，定義,相等：,包含：,并：,交：,余：,例：,（2）模糊矩陣的合成,例：,（3）模糊矩陣的轉置,（4）模糊矩陣的 截矩陣,例：,三、隸屬函數的確定,1、模糊統(tǒng)計法,模糊統(tǒng)計試驗的四個要素：,特點：在各次試驗中， 是固定的，而 在隨機變動。,模糊統(tǒng)計試驗過程：,（1）做n次試驗，計算出,2、指派方法,3、其它方法,第二講 模糊聚類分析,一、基本概念及定理,自反性可推出：,與傳遞性：,結合，可得到：,模糊等價矩陣實際滿足:,傳遞性的理解：,若xi與xk有關系R，xk與xj有關系R，則xi與xj有 關系R，這種關系可以理解為大于等于某個閾值， 在傳遞性下，,等價布爾矩陣是一種普通關系，在傳遞性條件下， 是可以分類的，即rij=1，則xi與xj為一類。 我們要分類必須將模糊等價矩陣轉化為等價布爾矩 陣。所以引入截矩陣。,例：設 對于模糊等價矩陣,實際應用中建立一個模糊等價矩陣式不容易的， 傳遞性不易滿足。,例：設有模糊相似矩陣,二、模糊聚類的一般步驟,、建立數據矩陣,（1）標準差標準化,（2）極差正規(guī)化,（3）極差標準化,、建立模糊相似矩陣,（1）相似系數法,夾角余弦法,相關系數法,（2）距離法,Hamming距離,Euclid距離,Chebyshev距離,（3）貼近度法,最大最小法,算術平均最小法,幾何平均最小法,3、聚類并畫出動態(tài)聚類圖,（1）模糊傳遞閉包法,步驟：,解：,由題設知特性指標矩陣為,采用最大值規(guī)格化法將數據規(guī)格化為,用最大最小法構造 模糊相似矩陣得到,用平方法合 成傳遞閉包,取 ，得,取 ，得,取 ，得,取 ，得,取 ，得,X=80 10 6 2;50 1 6 4;90 6 4 6;40 5 7 3;10 1 2 4,輸出動態(tài)聚類圖如下：,調用函數：F_Jlfx(3,5,X),最佳分類（最佳閾值）,方法：對每個閾值下的分類計算一個F值，取最大F 值對應的分類作為最佳分類。,計算方式如下：,設某個閾值水平下，共分了r個類，第i類有ni個 對象。,第i類中全體對象的第k個指標的均值；,全體對象的第k個指標的均值；,類中指標均值向量：,總指標均值向量：,模糊統(tǒng)計量,其中M為向量間的歐氏距離,分子為類均值與總均值的差異，描述類與類間距離,分母為每個元素與類均值的差異，描述類內元素間距離,故F越大，類之間差異越大，從而分類越合理。,第三講 模糊模式識別,一、最大隸屬原則,最大隸屬原則：,最大隸屬原則：,閾值原則：,二、擇近原則,1、貼近度,表示兩個模糊集A，B之間的貼近程度。,C =,C =,故B比A更貼近于.,輸入數據： A=0.9 0.1 0.6 0.3;0 0.3 0.4 0.8 B=0.1 0.6 0.3 0.4,調用函數： C=fuzzy_mssb(1,A,B),輸出結果： C = 0.4500 0.6500,2、擇近原則,輸入數據： A=1 0.8 0.5 0.4 0 0.1; 0.5 0.1 0.8 1 0.6 0; 0 1 0.2 0.7 0.5 0.8; 0.4 0 1 0.9 0.6 0.5; 0.8 0.2 0 0.5 1 0.7; 0.5 0.7 0.8 0 0.5 1 B=0.7 0.2 0.1 0.4 1 0.8,輸出結果： C = 0.3333 0.3778 0.4545 0.4348 0.8824 0.4565,調用函數： C=fuzzy_mssb(2,A,B),如果分類后的類別由多個標本構成，可以取求平均以 后的均值向量作為標準模式，還可進一步用極差變換 等化為無量綱的模式，當然待判斷對象也要轉化。,第四講 模糊綜合評判,一、一級模糊綜合評判,根據運算 的不同定義，可得到以下不同模型：,最后得到一個評價向量,其中：,輸入數據： R=0.2 0.5 0.2 0.1;0.7 0.2 0.1 0;0 0.4 0.5 0.1;0.2 0.3 0.5 0 A1=0.1 0.2 0.3 0.4 A2=0.4 0.35 0.15 0.1,調用函數： B=fuzzy_zhpj(1,A1,R),輸出結果： B = 0.2000 0.3000 0.4000 0.1000,調用函數： B=fuzzy_zhpj(1,A2,R),輸出結果： B = 0.3500 0.4000 0.2000 0.1000,因素集,評判集,二、多級模糊綜合評判（以二級為例）,問題：對高