模糊綜合評(píng)判與模糊聚類_第1頁(yè)
模糊綜合評(píng)判與模糊聚類_第2頁(yè)
模糊綜合評(píng)判與模糊聚類_第3頁(yè)
模糊綜合評(píng)判與模糊聚類_第4頁(yè)
模糊綜合評(píng)判與模糊聚類_第5頁(yè)
已閱讀5頁(yè),還剩94頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

模糊理論建模copyright@新余高專數(shù)模組一模糊集合及其運(yùn)算二模糊模式識(shí)別四模糊聚類分析模糊理論建模三模糊綜合評(píng)判一、模糊集合及其運(yùn)算模糊理論建模一、經(jīng)典集合與特征函數(shù)集合:具有某種特定屬性的對(duì)象集體。通常用大寫字母A、B、C等表示。論域:對(duì)局限于一定范圍內(nèi)進(jìn)行討論的對(duì)象的全體。通常用大寫字母U、V、X、Y等表示。論域U中的每個(gè)對(duì)象u稱為U的元素。模糊集合及其運(yùn)算在論域U中任意給定一個(gè)元素u及任意給定一個(gè)經(jīng)典集合A,則必有或者,用函數(shù)表示為:其中函數(shù)稱為集合A的特征函數(shù)。經(jīng)典集合有關(guān)概念經(jīng)典集合具有三個(gè)性質(zhì):確定性、互斥性、無(wú)序性羅素(Russell)悖論:在一個(gè)孤島上唯一的一個(gè)理發(fā)師,其工作是“專門替那些不給自己刮胡子的人刮胡子”,現(xiàn)問理發(fā)師本人該不該給自己刮胡子?取論域U={全島刮胡子的人},集合A={不給自己刮胡子的人},用特征函數(shù)刻畫為問題:顯然理發(fā)師,那么理發(fā)師是否屬于A?羅素(Russell)悖論二、模糊集合及其運(yùn)算美國(guó)控制論專家Zadeh教授正視了經(jīng)典集合描述的“非此即彼”的清晰現(xiàn)象,提示了現(xiàn)實(shí)生活中的絕大多數(shù)概念并非都是“非此即彼”那么簡(jiǎn)單,而概念的差異常以中介過(guò)渡的形式出現(xiàn),表現(xiàn)為“亦此亦彼”的模糊現(xiàn)象。基于此,1965年,Zadeh教授在《InformationandControl》雜志上發(fā)表了一篇開創(chuàng)性論文“FuzzySets”,標(biāo)志著模糊數(shù)學(xué)的誕生。模糊數(shù)學(xué)的誕生1、模糊子集模糊子集有關(guān)概念設(shè)U是論域,稱映射A(x):U→[0,1]確定了一個(gè)U上的模糊子集A,映射A(x)稱為A的隸屬函數(shù),它表示x對(duì)A的隸屬程度.使A(x)=0.5的點(diǎn)x稱為A的過(guò)渡點(diǎn),此點(diǎn)最具模糊性.當(dāng)映射A(x)只取0或1時(shí),模糊子集A就是經(jīng)典子集,而A(x)就是它的特征函數(shù).可見經(jīng)典子集就是模糊子集的特殊情形.模糊子集通常簡(jiǎn)稱模糊集,其表示方法有:(1)Zadeh表示法這里表示對(duì)模糊集A的隸屬度是。如“將一1,2,3,4組成一個(gè)小數(shù)的集合”可表示為可省略模糊集合常見表示方法(3)向量表示法(2)序偶表示法若論域U為無(wú)限集,其上的模糊集表示為:模糊集合常見表示方法2、模糊集的運(yùn)算定義:設(shè)A,B是論域U的兩個(gè)模糊子集,定義相等:包含:并:交:余:表示取大;表示取小。模糊集的運(yùn)算幾個(gè)常用的算子:(1)Zadeh算子(2)取大、乘積算子(3)環(huán)和、乘積算子模糊集的常用算子(4)有界和、取小算子(5)有界和、乘積算子(6)Einstain算子模糊集的常用算子3、模糊矩陣定義:設(shè)稱R為模糊矩陣。當(dāng)只取0或1時(shí),稱R為布爾(Boole)矩陣。當(dāng)模糊方陣的對(duì)角線上的元素都為1時(shí),稱R為模糊自反矩陣。(1)模糊矩陣間的關(guān)系及運(yùn)算定義:設(shè)都是模糊矩陣,定義相等:包含:模糊矩陣及其運(yùn)算并:交:余:例:模糊矩陣及其運(yùn)算(2)模糊矩陣的合成定義:設(shè)稱模糊矩陣為A與B的合成,其中。例:模糊矩陣及其運(yùn)算其中的“?!背S肸adeh算子(3)模糊矩陣的轉(zhuǎn)置定義:設(shè)稱為A的轉(zhuǎn)置矩陣,其中。(4)模糊矩陣的截矩陣定義:設(shè)對(duì)任意的稱為模糊矩陣A的截矩陣,其中模糊矩陣及其運(yùn)算例:模糊矩陣及其運(yùn)算三、隸屬函數(shù)的確定1、模糊統(tǒng)計(jì)法模糊統(tǒng)計(jì)試驗(yàn)的四個(gè)要素:(1)論域U;(2)U中的一個(gè)固定元素(3)U中的一個(gè)隨機(jī)運(yùn)動(dòng)集合(4)U中的一個(gè)以作為彈性邊界的模糊子集A,制約著的運(yùn)動(dòng)。可以覆蓋也可以不覆蓋致使對(duì)A的隸屬關(guān)系是不確定的。隸屬函數(shù)的確定特點(diǎn):在各次試驗(yàn)中,是固定的,而在隨機(jī)變動(dòng)。模糊統(tǒng)計(jì)試驗(yàn)過(guò)程:(1)做n次試驗(yàn),計(jì)算出(2)隨著n的增大,頻率呈現(xiàn)穩(wěn)定,此穩(wěn)定值即為對(duì)A的隸屬度:隸屬函數(shù)的確定與概率統(tǒng)計(jì)類似,但有區(qū)別:若把概率統(tǒng)計(jì)比喻為“變動(dòng)的點(diǎn)”是否落在“不動(dòng)的圈”內(nèi),則把模糊統(tǒng)計(jì)比喻為“變動(dòng)的圈”是否蓋住“不動(dòng)的點(diǎn)”.2、指派方法這是一種主觀的方法,但也是用得最普遍的一種方法。它是根據(jù)問題的性質(zhì)套用現(xiàn)成的某些形式的模糊分布,然后根據(jù)測(cè)量數(shù)據(jù)確定分布中所含的參數(shù)。3、模糊統(tǒng)計(jì)法求隸屬函數(shù)隸屬函數(shù)的確定模糊統(tǒng)計(jì)法的步驟:(1)確定論域與因素集。(2)要求參與實(shí)驗(yàn)者就論域中各給出的點(diǎn)是否屬于因素集的各元素進(jìn)行投票。(3)統(tǒng)計(jì)投票結(jié)果,求出隸屬函數(shù)。4、其它方法德爾菲法:專家評(píng)分法;二元對(duì)比排序法:把事物兩兩相比,從而確定順序,由此決定隸屬函數(shù)的大致形狀。主要有以下方法:相對(duì)比較法、擇優(yōu)比較法和對(duì)比平均法等。隸屬函數(shù)的確定例設(shè)論域U={x1(140),x2(150),x3(160),x4(170),x5(180),x6(190)}(單位:cm)表示人的身高,請(qǐng)確定U上的一個(gè)模糊集“高個(gè)子(A)”和隸屬函數(shù)A(x)。

Zadeh表示法

隸屬函數(shù)的確定向量表示法

A=(0,0.2,0.4,0.6,0.8,1)隸屬函數(shù)A(x)可主觀的定為:模糊集“矮個(gè)子”的隸屬函數(shù)如何定義?例:設(shè)論域U年齡={20,35,50,65},因素A={年青人,老年人},20個(gè)人參與投票,結(jié)果如表所示:隸屬函數(shù)的確定

U∈A的次數(shù)

uA20355065年表人201620老年人001819

投票結(jié)果表試確定各年齡論域?qū)σ蛩丶疉的隸屬度μ20對(duì)“年青人”這一概念的隸屬度:μ20=20/20=1μ20對(duì)“老年人”這一概念的隸屬度:μ20=0/20=0

所以,μ20={1,0}。同理可求出年齡中各點(diǎn)對(duì)于因素集的隸屬度

μ35={0.8,0}μ50={0.1,0.9}μ65={0,0.95}二、模糊模式識(shí)別模糊模式識(shí)別模式識(shí)別的本質(zhì)特征:一是事先已知若干標(biāo)準(zhǔn)模式,稱為標(biāo)準(zhǔn)模式庫(kù);二是有待識(shí)別的對(duì)象。所謂模糊模式識(shí)別,是指在模式識(shí)別中,模式是模糊的,或說(shuō)標(biāo)準(zhǔn)模式庫(kù)中提供的模式是模糊的。一最大隸屬原則最大隸屬原則Ⅰ:最大隸屬原則Ⅱ:模糊模式識(shí)別(一個(gè)對(duì)象有多個(gè)模式,確定最優(yōu)模式)(多個(gè)對(duì)象一個(gè)模式,確定最優(yōu)對(duì)象)按最大隸屬原則,該人屬于老年。解:模糊模式識(shí)別模糊模式識(shí)別模糊模式識(shí)別閾值原則:模糊模式識(shí)別二、擇近原則1、貼近度表示兩個(gè)模糊集A,B之間的貼近程度。模糊模式識(shí)別⊙C=⊙C=故B比A更貼近于C.模糊模式識(shí)別模糊模式識(shí)別模糊模式識(shí)別2、擇近原則模糊模式識(shí)別模糊模式識(shí)別模糊模式識(shí)別三、模糊綜合評(píng)判一級(jí)模糊綜合評(píng)判1多級(jí)模糊綜合評(píng)判2模糊(Fuzzy)綜合評(píng)判模糊(Fuzzy)綜合評(píng)判對(duì)方案、人才、成果的評(píng)價(jià),人們的考慮的因素很多,而且有些描述很難給出確切的表達(dá),這時(shí)可采用模糊評(píng)判方法。它可對(duì)人、事、物進(jìn)行比較全面而又定量化的評(píng)價(jià),是提高領(lǐng)導(dǎo)決策能力和管理水平的一種有效方法。模糊(Fuzzy)綜合評(píng)判有關(guān)概念的說(shuō)明一級(jí)綜合評(píng)判基本步驟步驟:常用AHP法得出權(quán)重集一級(jí)綜合評(píng)判基本步驟根據(jù)運(yùn)算的不同定義,對(duì)有以下不同模型:幾種常見模型

最常用模型幾種常見模型幾種常見模型其中:幾種常見模型模糊綜合評(píng)判的應(yīng)用舉例設(shè)有兩類顧客,他們據(jù)自己的喜好對(duì)服裝各因素關(guān)心的程度分別為

針對(duì)這兩類顧客對(duì)此服裝進(jìn)行綜合評(píng)價(jià)。

評(píng)語(yǔ)指標(biāo)歡迎較歡迎不太歡迎不歡迎花色2000500020001000式樣7000200010000耐穿程度0400050001000價(jià)格2000300050000模糊綜合評(píng)判的應(yīng)用舉例模糊綜合評(píng)判的應(yīng)用舉例單因素評(píng)判結(jié)果往往根據(jù)多人投票統(tǒng)計(jì)得到模糊綜合評(píng)判的應(yīng)用舉例模糊綜合評(píng)判的應(yīng)用舉例例:要對(duì)某品牌電視機(jī)進(jìn)行模糊綜合評(píng)價(jià),用戶關(guān)心的主要評(píng)價(jià)因素有圖象、聲音、價(jià)格,假定這三個(gè)因素的權(quán)系數(shù)向量{圖象評(píng)價(jià),聲音評(píng)價(jià),價(jià)格評(píng)價(jià)}={0.5,0.3,0.2},下面為很多用戶對(duì)這種電視機(jī)各因素評(píng)價(jià)的統(tǒng)計(jì)結(jié)果評(píng)語(yǔ)指標(biāo)很好較好一般不好圖象30%50%20%0聲音40%30%20%10%價(jià)格10%10%30%50%請(qǐng)給出用戶對(duì)這種電視機(jī)的綜合評(píng)價(jià)結(jié)果。模糊綜合評(píng)判的應(yīng)用舉例模糊綜合評(píng)判的應(yīng)用舉例模糊綜合評(píng)判的應(yīng)用舉例二、多級(jí)模糊綜合評(píng)判(以二級(jí)為例)問題:對(duì)高等學(xué)校的評(píng)估可以考慮如下方面多級(jí)模糊綜合評(píng)判二級(jí)模糊綜合評(píng)判的步驟:二級(jí)模糊綜合評(píng)判二級(jí)模糊綜合評(píng)判二級(jí)模糊綜合評(píng)判二級(jí)模糊綜合評(píng)判二級(jí)模糊綜合評(píng)判二級(jí)模糊綜合評(píng)判二級(jí)模糊綜合評(píng)判二級(jí)模糊綜合評(píng)判一、確定因素集U二、確定評(píng)語(yǔ)集V三、決定各級(jí)因素集的權(quán)重A和Ai四、確定二級(jí)模糊關(guān)系矩陣Ri

五、求出一級(jí)模糊關(guān)系矩陣R六、求出最終的綜合評(píng)判結(jié)果并歸一化七、給出模糊綜合評(píng)判結(jié)論二級(jí)模糊綜合評(píng)判的具體步驟

例:要對(duì)某校學(xué)生的學(xué)習(xí)成效進(jìn)行綜合評(píng)判,建立的綜合評(píng)判指標(biāo)體系如下:

學(xué)生學(xué)習(xí)成效綜合評(píng)判情意領(lǐng)域(因素集U1)興趣(子因素U11)態(tài)度(子因素U12)價(jià)值觀(子因素U13)認(rèn)知領(lǐng)域(因素集U2)技能領(lǐng)域(因素集U3)知識(shí)(子因素U21)理解(子因素U22)應(yīng)用(子因素U23)分析(子因素U24)知覺(子因素U31)反應(yīng)(子因素U32)適應(yīng)(子因素U33)創(chuàng)新(子因素U34)學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

(1)確定評(píng)判因素集學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

(2)確定評(píng)語(yǔ)集(3)確定各因素集之權(quán)重用統(tǒng)計(jì)的方法,請(qǐng)數(shù)位教育專家分別對(duì)各子因素集中之各因素填入權(quán)重比例后平均得:學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

(4)對(duì)第二級(jí)因素集進(jìn)行單因素評(píng)判構(gòu)建第二級(jí)

模糊關(guān)系矩陣學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

請(qǐng)教育專家就各因素集中每一因素在V中四個(gè)等級(jí)打勾,最后經(jīng)算術(shù)平均得到數(shù)據(jù),統(tǒng)計(jì)錄表如下:

學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

V

U1優(yōu)甲乙丙興趣

u110.10.300.500.10態(tài)度

u120.150.650.20

0價(jià)值觀u130.100.550.300.05對(duì)于U1,可得到模糊關(guān)系矩陣R1

學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

同理對(duì)于U2,U3可得到模糊關(guān)系矩陣R2

,R3

學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

(5)求出一級(jí)模糊關(guān)系矩陣R(6)

求出最終的綜合評(píng)判結(jié)果學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

對(duì)B進(jìn)行歸一化得(7)

給出模糊綜合評(píng)判結(jié)果學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

方法1:

據(jù)最大隸屬度原則,綜合評(píng)定為“甲”

上述結(jié)論是用主因決定型模型得出,總評(píng)價(jià)只和起主要用用的因素有關(guān),其它因素不影響評(píng)判結(jié)果,其得出的結(jié)論可能不太令人信服。為綜合考慮各種因素,可采用等級(jí)賦值法。學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

方法2:

采用等級(jí)賦值法,對(duì)各評(píng)語(yǔ)等級(jí)賦值

優(yōu)=4,甲=3,乙=2,丙=1那么等級(jí)賦值矩陣為

λ=(4321)等級(jí)賦值一般按等差數(shù)列排列學(xué)生學(xué)習(xí)成效模糊綜合評(píng)判

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論