第4章2模糊推理.ppt
- 文档编号:18362437
- 上传时间:2023-08-16
- 格式:PPT
- 页数:23
- 大小:174KB
第4章2模糊推理.ppt
《第4章2模糊推理.ppt》由会员分享,可在线阅读,更多相关《第4章2模糊推理.ppt(23页珍藏版)》请在冰点文库上搜索。
人工智能与数据挖掘,第4章计算智能的仿生技术
(2)模糊计算,42模糊计算,421模糊集合及其运算422模糊推理423模糊规则的计算公式424模糊推理方法的比较,人工智能与数据挖掘,421模糊集合及其运算,一、基本概念
(一)连续值逻辑模糊推理的基础是模糊逻辑,即连续值逻辑。
模糊命题在生活中经常使用,如:
“今晚天气很好”,“他很年轻”,“物价涨的太快了”模糊命题不是一个很精确的,不能简单地用“真”或“假”两值来反映。
它的逻辑值在连续区间0,1中取值。
连续值逻辑也叫做模糊逻辑。
人工智能与数据挖掘,
(二)隶属函数论域是讨论的全体对象空间。
定义:
论域X=x上的模糊集合A由隶属函数A(x)来表征。
其中A(x)在实轴的闭区间0,1中取值,A(x)的大小反映x对于模糊集合A的隶属程度。
A(x)的值接近1,表示x隶属于A的程度很高。
A(x)的值接近0,表示x隶属于A的程度很低。
特例,当A的值域取0,1闭区间的两个端点,亦即0,1两个值时,A便退化为一个普通的逻辑子集。
隶属函数也就退化为普通逻辑值。
人工智能与数据挖掘,(三)模糊集合的表示对论域U,U=x1,x2,xn中模糊子集An,扎德(L.A.Zadeh)表示:
其中分母是论域U中的元素,分子是相应元素的隶属度(注意:
它们不是进行分式想加),当i为0时可不写此项。
模糊子集An一般表示为:
An=(1,2,n)其中i是对应元素xi的隶属度,当i为0时必须写此项(保持对应关系)。
例:
论域U=x1,x2,x3,x4中模糊集合A=0.1/x1+0.8/x2+0.6/x4或A=(0.1,0.8,0,0.6),人工智能与数据挖掘,二、模糊集合的运算
(一)模糊集合运算定义论域U=x1,x2,xn上模糊集合运算有:
1.模糊集合A的补A,定义为:
,,人工智能与数据挖掘,2.模糊集合A和B的并A+B(或AB),定义为:
其中符号等价于max,表示对应xi上两个隶属度取极大值。
3.模糊集合A和B的交AB,定义为,其中符号等价于min,表示对应xi上两个隶属度取极小值。
人工智能与数据挖掘,4.模糊集合A和B的积AB,定义为,特殊情况为模糊集合的幂运算即A2,A3,5.模糊关系若A1,An,相应于U1,Un的模糊子集,A1,An的笛卡儿积集记为A1A2An,定义为U1U2Un上的模糊关系。
它也是模糊集合,其隶属函数为(n维矩阵):
人工智能与数据挖掘,
(二)模糊集合运算例例1.若U=1+2+3+10A=0.8/3+1/5+0.6/6B=0.7/3+1/4+0.5/6或A=(0,0,0.8,0,1,0.6,0,0,0,0),B=(0,0,0.7,1,0,0.5,0,0,0,0)有:
1.A=(1,1,0.2,1,0,0.4,1,1,1,1)2.A+B=0.8/3+1/4+1/5+0.6/63.AB=0.7/3+0.5/64.AB=0.56/3+0.3/65.A2=0.64/3+1/5+0.36/66.0.4A=0.32/3+0.4/5+0.24/6例2.U1=U2=3+5+7A1=0.5/3+1/5+0.6/7A2=1/3+0.7/5,人工智能与数据挖掘,三、模糊关系运算
(一)模糊关系运算定义直积空间XY=(x,y)|xX,yY中的模糊关系R是XY(集合X和集合Y之间)中的模糊集R,R的隶属函数用R(x,y)表示:
1.模糊关系R1和R2的并R1R2,定义为:
R1R2R1R2(x,y)=R1(x,y),R2(x,y)2.模糊关系R1和R2的交R1R2,定义为:
R1R2R1R2(x,y)=R1(x,y),R2(x,y),人工智能与数据挖掘,3.模糊关系R的补,定义为:
4.模糊关系R1和R2的合成运算:
R1R2模糊集合X和Z之间的关系R1,模糊集合Z和Y之间R2,合成关系R=R1R2是在XY上的模糊关系。
R1R2R1R2=R1(x,y)R2(x,y)说明:
模糊关系矩阵运算大体上和普通的矩阵运算相似,对应元素取min()值,各元素之间取max()值。
人工智能与数据挖掘,
(二)模糊关系运算例设A和B均为X=x1,x2上的模糊关系:
人工智能与数据挖掘,422模糊推理模糊推理在模糊数学中称为近似推理(或似然推理或推理合成)。
它是传统逻辑中假言推理的推广。
(一)模糊规则定义1:
“若A则B否则C”是UV中的一个二元模糊关系。
定义为:
若A则B否则C=AB+AC其中A,B和C是U、V和V中的模糊集,而“若A则B否则C”是UV中的一个二元模糊关系。
定义2:
“若A则B”可看成“若A则B,否则C”的特殊情况,即允许C为整个全域V的结果。
得到:
若A则B=若A则B否则V=AB+AV注:
引入记号AB若A则B,人工智能与数据挖掘,例:
U=V=1+2+3A=小的=1/1+0.4/2=(1,0.4,0)B=大的=(0.4/2+1/3)=(0,0.4,1)C=不大=(1/1+0.6/2)=(1,0.6,0)1.若A则B否则C,2.若A则B,人工智能与数据挖掘,
(二)模糊推理合成A,B是论域U,V上的模糊子集,AB是从U到V的一个模糊关系,它是UV上的模糊子集。
若输入一个模糊子集A,将得到输出B为:
B=A(AB)例:
在论域U=(1,2,3,4,5)上有模糊集合A、B、C,存在模糊关系R=如果A小则B大,否则C不很大。
现有模糊子集A很小,从模糊关系R中推出什么结论?
定义:
小=(1,0.8,0.6,0.4,0.2),大=(0.2,0.4,0.6,0.8,1)则有:
很小=小2=(1,0.64,0.36,0.16,0.04)很大=大2=(0.04,0.16,0.36,0.64,1),人工智能与数据挖掘,模糊关系:
推理合成运算:
若A是很小,推出结论为:
结论为:
B近似大。
人工智能与数据挖掘,423模糊规则的计算公式模糊关系R:
“若A则B”的计算有若干方法。
(一)Zadeh方法1.极小极大规则,用Rm表示,2.有界算术规则,用Ra表示,
(二)Mamdani方法他提出最小运算规则,用Rc表示,人工智能与数据挖掘,(三)Mizumoto方法他提出了多种方法,有Rs,Rg,Rsg,Rgg,Rgs,Rss,Rb等。
1.Rs方法,2.Rg方法,其中,3.Rsg方法,其中,人工智能与数据挖掘,6.Rss方法,5.Rgs方法,4.Rgg方法,7.Rb方法,人工智能与数据挖掘,424模糊推理方法的比较在模糊关系R:
“若A则B”中,称A为前件B为后件。
在模糊推理中,对肯定前件和否定后件的推理方式是不一样。
(一)肯定前件的推理1.肯定前件的几种情况:
A=AA=VeryA=A2A=moreorlessA=A0.5A=notA=A2.肯定前件的推理方式为:
B=AR模糊关系R可为上面所提及的任一种表示方法。
人工智能与数据挖掘,
(二)否定后件的推理1.否定后件的几种情况B=notB=BB=notveryB=B2B=notmoreorlessB=B0.5B=B2.否定后件的推理方式为:
A=RB,人工智能与数据挖掘,(三)各种模糊关系的推理结果对以上定义的10个模糊关系,按肯定前件和否定后件两种模糊推理形式(共八种情况)进行推理。
其结果是:
Rss、Rsg、Rs三种模糊关系比较好。
其它七种模糊关系不理想。
习题,10,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 模糊 推理