人工智能-模糊计算（二）

一、模糊关系的定义

1. 集合的直积

设有两个集合X，Y，X和Y的直积X×Y（笛卡尔积）定义为：

它是由序偶（x，y）的全体所构成的二维论域上的集合。一般来说X×Y≠Y×X。

2. 模糊关系及模糊矩阵

设X、Y是两个非空集合，以直积X×Y为论域定义的模糊集合R称为X和Y的模糊关系，记为Rx×y。

（1）模糊关系Rx×y由其隶属函数μR(x,y)完全刻画，μR(x,y)表示了X中的元素x和Y中的元素y具有关系Rx×y的程度。

（2）当X和Y为有限离散集合时，设X={x1，x2，…，xn}，Y={y1，y2，…，ym}，则X和Y的模糊关系Rx×y可用n×m阶矩阵（模糊矩阵）表示，即

模糊矩阵是论域为直积X×Y的模糊集。

模糊关系和模糊矩阵举例如下

例：X={10，20，40，80}，Y={10，20，30，40}，“x远大于y”这一模糊关系的模糊关系矩阵为

结论：当x=40，y=20时，“x远大于y”的程度是0.8。

3. 模糊集合的直积

若有两个模糊集A和B，其论域分别X和Y，定义在积空间X×Y上的模糊集合A×B称为模糊集合A和B的直积，其隶属函数为：

模糊集合A和B的直积是积空间X×Y上的一个模糊关系。

二、模糊关系和模糊矩阵的合成运算

由于模糊关系和模糊矩阵是定义在直积空间的模糊集合，因此它遵从一般模糊集合（并、交、补等）的运算规则。（详见一）

1．模糊矩阵的合成运算

例子引入：已知模糊关系矩阵

总结来说，就是R1的行与R2的列放在一起比较，先求出最小的（从第二行等号到第三行等号），再求出最小之中最大的那个数字，作为最终结果（从第三行到第四行）。

2. 合成运算和直积运算的关系

设A为论域X上的模糊集合，B为论域Y上的模糊集合。根据上述模糊集合的直积和模糊矩阵的合成的定义，当X和Y为离散论域时，A与B的直积（取小运算）为：

3．模糊关系的合成运算

设R1是X和Y的模糊关系，R2是Y和Z的模糊关系，R1和R2的合成R1○R2指的是X×Z上的一个模糊关系，其隶属函数为：

在上式中，“∨”表示取大运算，“∧”表示取小运算，因此称为取大-取小合成（max-min composition）。

PS:一个小形象的比喻，对于一个模糊关系，其对应的隶属度函数就相当于它的身份证。

当论域X、Y、Z为有限集时，可用模糊矩阵的合成来表示模糊关系的合成。

三、模糊逻辑与模糊推理

1. 模糊语言变量

模糊语言变量（linguistic variables）是自然语言中的词或句，如气温、误差等，它的取值不是通常的常数，而是用模糊语言表示的模糊集。以下将模糊语言变量简称语言变量。

一个语言变量可由以下的五元体来表征：

x为语言变量的名称；T(x)语言变量值的集合；U为x的论域；G为语法规则（用于产生各语言变量值x的名称）；M为语义规则（用于产生模糊集合的隶属函数）。

2. 模糊命题

（1）模糊命题（proposition）：含有模糊概念的陈述句。模糊命题可以用英文字母表示，如P：误差较大。

（2）模糊命题的真值：模糊命题的真假程度，它是[0,1]区间上的一个实数。

（3）单模糊命题：简单的模糊陈述句，其一般形式为 P：x 为 A x为模糊变量，A为某一模糊概念对应的模糊集合。

（4）单模糊命题P的真值V(P)，就由该变量对模糊集的隶属度来表示，即

V(P)=μA(x)

当μA(x)=0，表示命题P完全假；μA(x)=1，表示命题P完全真；μA(x)越接近0，命题P假的程度越大，真的程度越小；μA(x)越接近1，命题P假的程度越小，真的程度越大。

例：讨论模糊命题Q：天气热。语言变量是气温t，t属于[-40ºC，50ºC]，定义“热”的模糊集合为H，其隶属函数为μH(t)。若今日气温为t=20 ºC，μH(20)=0.4，那么该命题的真值为0.4。也就是说，“天气热”这个命题的真实程度是0.4。

（5）复合模糊命题：把简单模糊命题通过联结词联合起来，就构成了复合模糊命题。联结词可以是“与”、“或”、“非”、“若……则……”等。

（6）条件模糊命题： “IF … THEN …”形式的条件语句，表达两个普通命题之间的因果关系，称为条件模糊命题。

3. 模糊推理

模糊推理（Fuzzy Inference）是不确定性推理方法的一种，它是运用模糊语言，对模糊命题进行模糊判断，推出一个近似的模糊结论的方法。

（1）模糊推理的基本形式：三段论

（2）模糊推理的合成规则

1975年Zadeh提出了模糊逻辑推理的合成规则。

即结论B′是模糊集合A′和模糊蕴含关系A→B的合成。

合成推理规则举例

若人工调节炉温，有如下的经验规则：“如果炉温低，则应施加高电压”。试问当炉温为“非常低”时，应施加怎样的电压。已知：x和y分别表示模糊语言变量“炉温”和“电压”，x和y的论域为：

（3）多重模糊条件语句

1）使用“and”连接的模糊条件语句

模糊蕴含关系：

推理结果/运算方式：

步骤如下：求规则的模糊蕴含关系，求AXB;进而求R；

计算输入量的模糊集合，求A'、B'；

计算输出量的模糊集合，求C'。

2）使用“also”连接的模糊条件语句

推理结果/运算方式：

步骤如下：求每条规则的模糊蕴含关系，求R1、R2；

求总模糊蕴含关系，求R；

计算输入量的模糊集合，求A'XB'；

计算输出量的模糊集合，求C‘。

本人自用学习笔记，如有问题请与我联系。

人工智能-模糊计算（二）相关推荐

人工智能-模糊计算（一）
一. 模糊理论基础 1. 引入什么是模糊: 一粒种子肯定不能构成一堆,两粒也不能--但是人们承认一亿粒种子肯定能构成一堆,那么这个界限在哪儿呢?是否可以说325647粒种子不是一堆而325648粒种子 ...
模糊数学计算机智能,《常用算法之智能计算 (五) 》：模糊计算
原标题:<常用算法之智能计算 (五) >:模糊计算人们常用"模糊计算"(FuzzyComputing)笼统地代表诸如模糊系统.模糊语言.模糊推理.模糊逻辑.模糊控制. ...
一款通过人工智能AI计算无损放大图像软件
Topaz Gigapixel AI 是一款通过人工智能AI计算无损放大图像软件,topaz gigapixel ai破解版采用人工智能图像扩展技术,在你放大的同时不会对图像的细节造成损坏,轻松将它放 ...
人工智能AI 计算平台介绍
人工智能AI计算平台介绍产品及服务: 标准模块开源核心模块及服务收费资源齐全服务支持产品使用 ...
智能计算—模糊计算总结
目录框架 1 介绍 1.1 概念 1.2 原理 2 理论发展 3 模糊计算 3.1 模糊逻辑和模糊集合 3.1.1 模糊集合的表示方法 3.1.2 确定隶属函数方法 3.2 模糊识别 3.2.1 择 ...
满足实时人工智能的计算需求
满足实时人工智能的计算需求 Meeting the computational needs of real-time AI 随着实时服务浪潮日益成为日常生活的一部分,计算基础设施正在经历一场重大的转变 ...
【深度学习】基于Pytorch进行深度神经网络计算(二)
[深度学习]基于Pytorch进行深度神经网络计算(二) 文章目录 1 延后初始化 2 Pytorch自定义层2.1 不带参数的层2.2 带参数的层 3 基于Pytorch存取文件 4 torch.n ...
基于visual Studio2013解决面试题之0410计算二进制中1的个数
题目解决代码及点评 /*求一个数中,二进制表示方式中1的个数范例算法采用分治思想,通过位操作计算二进制中1的个数 */#include <iostream> using name ...
计算二个日期经过几月又几天
若要计算二个日期经过几月又几天,需要考虑期间每个月份的天数,每个月的天数是不一样的. 所以我们可以先计算经过几个月,然后把起始日期累加异差月份数,再计算差异天数. Dim oDate1 ...

人工智能-模糊计算（二）

人工智能-模糊计算（二）相关推荐

最新文章

热门文章