确定隶属函数的方法

第4章隶属函数的确定方法在模糊理论的应用中，我们面临的首要问题就是建立模糊集的隶属函数。

对于一个特定的模糊集来说，隶属函数不仅基本体现了它所反映的模糊概念的特性，而且通过量化还可以实现相应的数学运算和处理。

因此，“正确地”确定隶属函数是应用模糊理论恰如其分地定量刻划模糊概念的基础，也是利用模糊方法解决各种实际问题的关键。

然而，建立一个能够恰如其分地描述模糊概念的隶属函数，并不是一件容易的事情。

其原因就在于一个模糊概念所表现出来的模糊性通常是人对客观模糊现象的主观反映，隶属函数的形成过程基本上是人的心理过程，人的主观因素和心理因素的影响使得隶属函数的确定呈现出复杂性、多样性，也导致到目前为止如何确定隶属函数尚无定法，没有通用的定理或公式可以遵循。

但即便如此，鉴于隶属函数在模糊理论中的重要地位，确定隶属函数的方法还是受到了特别的重视，至今已经提出了十几种确定隶属函数的方法，而且其中一些方法基本上摆脱了人的主观因素的影响。

本章将选择4种经常使用的、具有代表性的方法予以介绍，它们是：直觉方法，二元对比排序法，模糊统计试验法，最小模糊度法。

4.1 直觉方法直觉的方法就是人们用自己对模糊概念的认识和理解，或者人们对模糊概念的普遍认同来建立隶属函例1、“正好”、“热”和“很热”图1 空气温度的隶属函数例2根据人们对汽车行驶速度中“慢速”、“中速”和“快速”这三个概念的普遍认同，可以给出描图2 汽车行驶速度的隶属函数虽然直觉的方法非常简单，也很直观，但它却包含着对象的背景、环境以及语义上的有关知识，也包含了对这些知识的语言学描述。

因此，对于同一个模糊概念，不同的背景、不同的人可能会建立出不完全相同的隶属函数。

例如，模糊集A = “高个子”的隶属函数。

如果论域是“成年男性”，其隶属函数的曲线如图3(a )所示；而如果论域是“初中一年级男生”，其隶属函数的曲线则为图3(b )所示的情形。

(a) (b)图3 不同论域下“高个子”的隶属函数4.2 二元对比排序法建立一个模糊集的隶属函数，实际上可以看成是对论域中每个元素隶属于某个模糊概念的程度进行比较、排序。

模糊数学1、模糊集、⾪属度函数、如何确定⾪属度函数------------------------2021.3.14更新------------------------------⼀个关于模糊和概率的趣味⼩问题------------------------2021.3.14更新------------------------------------------------------2020.8.17更新------------------------------总算学完了，这懒病改改改了，放⼀下所有的笔记链接集合的概念：⼀些具有相同特征的不同对象构成的全体，也称集或者经典集合。

经典集合的特征函数（和模糊集的⾪属度函数⼀样）：f(x) = \left\{ \begin{array}{l} 1\quad x \in A \\ 0\quad x \notin A \\ \end{array} \right.⼀个经典集合A，它的特征函数为f()，那么怎么判断⼀个新的对象x是不是属于这个集合呢，计算f(x)是0还是1，是1代表属于A，是0代表不属于。

与之对应的是模糊集合，假设A是⼀个模糊集合，它的⾪属度函数是\mu _A ( \cdot )，那么⼀个新的对象x属于A的程度就是\mu _A (x)（是⼀个0到1之间的数）。

⾪属度函数的构造极为重要，⼀般根据这个模糊集的性质相关。

⼀般也把A的⾪属度函数写成A( \cdot )接下来是模糊集的表⽰⽅法，共三种：扎德表⽰法，序偶表⽰法，向量表⽰法。

假设论域U = \left\{ {x_1 ,x_2 , \cdot \cdot \cdot ,x_n }\right\}，模糊集为A，A(x)是x的⾪属度，A( \cdot )是⾪属度函数。

扎德表⽰法容易与加法混淆。

序偶表⽰法与向量表⽰法的含义都⼀样，向量表⽰法更简洁，所以我们⼀般就只⽤向量表⽰法。

⽐如上⾯公式的意思就是每个对象x_i属于模糊集合A的程度（⾪属度）接下来讲⼀讲⾪属度函数的确定。

模糊数学教程第6章确定隶属函数的方法确定隶属函数是模糊数学中的一项重要任务，它决定了模糊集合如何描述和应用。

本文将介绍几种常用的确定隶属函数的方法。

基于专家经验的方法是最常见的确定隶属函数的方法之一、通常，一些领域的专家会通过自己的经验和知识来确定隶属函数的形状和参数，以达到最佳的模糊集合描述效果。

例如，在模糊控制系统中，专家可以通过对系统的分析和调试来确定隶属函数的形状，从而实现对系统的精确控制。

基于数据分析的方法是一种较为客观的确定隶属函数的方法，它通过对已有数据的统计分析来确定隶属函数的形状和参数。

通常，需要收集一定数量的数据样本，并对这些数据进行分析，确定隶属函数的形状和参数。

例如，在模糊分类问题中，可以通过对已有分类数据的统计分析来确定隶属函数，从而实现对未知样本的分类。

基于模糊聚类的方法是一种将隶属函数与模糊聚类相结合的方法，它通过对数据样本进行聚类分析来确定隶属函数的形状和参数。

通常，需要先对数据进行模糊聚类，确定聚类结果，然后使用聚类结果来确定隶属函数。

例如，在模糊图像分割中，可以通过对图像像素进行模糊聚类，确定图像的不同区域，然后使用聚类结果来确定图像的隶属函数，从而实现图像分割。

基于优化算法的方法是一种通过优化算法来确定隶属函数的形状和参数的方法。

通常，需要将需要确定的隶属函数作为优化目标函数，利用其中一种优化算法来求解最优解，从而确定隶属函数的形状和参数。

例如，在模糊最优化问题中，可以将需要确定的隶属函数作为目标函数，使用遗传算法或粒子群算法等优化算法来求解最优解，从而确定隶属函数。

以上是一些常用的确定隶属函数的方法，不同的方法适用于不同的问题和场景。

在实际应用中，可以根据具体情况选择适合的方法来确定隶属函数，以达到最佳的模糊集合描述效果。

隶属函数正确地确定隶属函数，是运用模糊集合理论解决实际问题的基础。

隶属函数是对模糊概念的定量描述。

我们遇到的模糊概念不胜枚举，然而准确地反映模糊概念的模糊集合的隶属函数，却无法找到统一的模式。

隶属函数的确定过程，本质上说应该是客观的，但每个人对于同一个模糊概念的认识理解又有差异，因此，隶属函数的确定又带有主观性。

一般是根据经验或统计进行确定，也可由专家、权威给出。

例如体操裁判的评分，尽管带有一定的主观性，但却是反映裁判员们大量丰富实际经验的综合结果。

对于同一个模糊概念，不同的人会建立不完全相同的隶属函数，尽管形式不完全相同，只要能反映同一模糊概念，在解决和处理实际模糊信息的问题中仍然殊途同归。

事实上，也不可能存在对任何问题对任何人都适用的确定隶属函数的统一方法，因为模糊集合实质上是依赖于主观来描述客观事物的概念外延的模糊性。

可以设想，如果有对每个人都适用的确定隶属函数的方法，那么所谓的“模糊性”也就根本不存在了。

2.5.1 隶属函数的几种确定方法这里仅介绍几种常用的方法，不同的方法结果会不同，但检验隶属函数建立是否合适的标准，看其是否符合实际及在实际应用中检验其效果。

1．模糊统计法在有些情况下，隶属函数可以通过模糊统计试验的方法来确定。

这里以张南组等人进行的模糊统计工作为例，简单地介绍这种方法。

图2－5－1 27岁对“青年”隶属频率的稳定性张南纶等人在武汉建材学院，选择129人作抽样试验，让他们独立认真思考了“青年人”的含义后，报出了他们认为最适宜的“青年人”的年龄界限。

由于每个被试者对于“青年人”这一模糊概念理解上的差异，因此区间不完全相同，其结果如表2-5-1所示。

现选取0u=27岁，对“青年人”的隶属频率为）调查人数（）岁的区间数（隶属次数包含n 27=μ （2-5-1） 用μ作为27岁对“青年人”的隶属度的近似值，计算结果见表2-5-2。

78.027）＝（青年人μ按这种方法计算出15～36岁对“青年人”的隶属频率，从中确定隶属度。

隶属函数确定问题一、隶属函数的确定原则1、表示隶属度函数的模糊集合必须就是凸模糊集合;即:在一定范围内或者一定条件下,模糊概念的隶属度具有一定的稳定性;从最大的隶属度函点出发向两边延伸时,其隶属度就是单调递减的,而不许有波浪性,呈单峰;一般用三角形与梯形作为隶属度函数曲线。

2、变量所取隶属度函数通常就是对称与平衡的模糊变量的标值选择一般取3-9个为宜,通常取奇数(平衡),在“零”“适中”等集合的两边语言值通常取对称。

3、隶属度函数要避免不恰当的重复在相同的论域上使用的具有语意顺序的若干标称的模糊集合,应该合力排序。

4、论语中的每个点应该至少属于一个隶属度函数的区域,同时它一般应该属于之多不超过两个隶属度函数的区域。

5、对于同一输入,没有两个隶属度函数会同时有最大隶属度6、对两个隶属度函数重叠时,重叠部分对于两个隶属度函数的最大隶属度不应该有交叉。

二、隶属度函数确定的方法1、模糊统计法模糊统计法的基本思想就是对论域U上的一个确定元素v就是否属于论域上的一个可变的清晰集的判断。

(清晰集、模糊集)模糊统计法计算步骤:Step1 确定论域Step2形成调查表Step3统计成频数分布表Step4建立隶属函数Step5隶属度(由频数分布表或者隶属函数可得)所谓模糊统计实验包含以下四个要素:假设做n次模糊统计试验,则可计算出:实际上,当n不断增大时,隶属频率趋于稳定,其频率的稳定值称为0x 对A的隶属度,即2、例证法例证法由已知的有限个隶属度函数的值,来估计论域U上的模糊子集A的隶属函数。

3、专家经验法就是根据专家的实际经验给出模糊信息的处理算式或者相应的权系数值隶属函数的一种方法。

4、二元对比排序法5、群体决策法6、指派方法(待定来自算法大全第22章模糊数学模型)指派方法就是一种主观的方法,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。

如果模糊集定义在实数域R上,则模糊集的隶属函数称为模糊分布。

隶属函数计算公式
隶属函数是模糊控制领域中的一个重要概念，它描述了某个事物对于某个属性的归属程度。

在实际应用中，我们经常需要根据一些输入变量的值来计算出某个输出的隶属函数值，这时就需要用到隶属函数计算公式。

对于不同的隶属函数形式，其计算公式也不尽相同，但一般都可以用简单的数学表达式来描述。

例如，对于三角隶属函数，其计算公式可以写成：
μ(x) = max(0, 1-|x-c|/a)
其中，x表示输入变量的值，c是隶属函数的中心，a是隶属函数的宽度。

根据这个公式，我们可以计算出对于不同的输入变量值，其在三角隶属函数下的隶属度。

除了三角隶属函数，还有高斯隶属函数、梯形隶属函数、S形隶属函数等各种形式的隶属函数，它们都有自己特定的计算公式。

在实际应用中，我们需要根据实际情况选择合适的隶属函数形式和计算公式，以便达到更好的控制效果。

- 1 -。