第2章模糊数学基础

模糊数学

数学不是需要精确吗？怎么会需要模糊呢？你先别着急，这里给大家讲几个例子。

第一个例子：１粒种子肯定不能叫一堆，２粒也不是，３粒也不是„„那么多少粒种子叫一堆呢？适当的界限在哪里呢？我们能否说１２３４５６粒种子不叫一堆，而１２３４５７粒种子叫一堆呢？

再举一个例子，我们现在要从一片西瓜地里找出一个最大的西瓜，那是件很麻烦的事。必须把西瓜地里所有的西瓜都找出来，再比较一下，才知道哪个西瓜最大。西瓜越多，工作量就越大。如果按通常说的，到西瓜地里去找一个较大的西瓜，这时精确的问题就转化成模糊的问题，反而容易多了。由此可见，适当的模糊能使问题得到简化。

确实，像上面的“一粒”与“一堆”，“最大的”与“较大的”都是有区别的两个概念。但是它们的区别都是逐渐的，而不是突变的，两者之间并不存在明确的界限，换句话说，这些概念带有某种程度的模糊性。类的，我们说一个人很高或很胖，但是究竟多少厘米才算高，多少千克才算胖呢？像这里的高和胖都是很模糊了。

饭什么时候才算熟了？衣服什么样才能算洗干净？这些都是需要一门新的数学分支——模糊数学来帮助解决的问题。为此，１９６５年美国的祖德教授开创了对“模糊数学”的研究。现在，模糊数学在各行各业中得到了广泛的应用。

模 糊 数 学

模糊数学是研究现实中许多界限不分明问题的一种数学工具，其基本概念之一是模糊集合。利用模糊数学和模糊逻辑，能很好地处理各种模糊问题。

模式识别是计算机应用的重要领域之一。人脑能在很低的准确性下有效地处理复杂问题。如计算机使用模糊数学，便能大大提高模式识别能力，可模拟人类神经系统的活动。在工业控制领域中，应用模糊数学，可使空调器的温度控制更为合理，洗衣机可节电、节水、提高效率。在现代社会的大系统管理中，运用模糊数学的方法，有可能形成更加有效的决策。

模糊数学这种相当新的数学方法和思想方法，虽有待于不断完善，但其应用前景却非常广阔。

第四章：模糊数学理论基础。主要是对本文所需要的模糊数学的知识进行了介绍。首先对模糊集的诞生和发展的历史背景、目的和意义进行了论述；接着给模糊集的定义及其表示方法；紧接着介绍了模糊集的隶属函数的定义及确定隶属函数的方法；最后引入了目前比较热门的概念模糊熵及其性质。对这些知识的了解，将有助于我们自觉地或不自觉地应用到图像处理中去。

第四章 模糊数学理论基础

传统的信息处理方法建立在概率假设和二态假设(Probality Assumption＆Binary—State Assumption)的基础上。概率假设使传统的数学应用范围从确定性现象扩展到随机现象，二态假设对应了人类的精确思维方式。但自然界客观存在的事物除了可以精确表示之外，还存在着大量的模糊现象，如“年轻人”、“高个子”等，究竟多大年龄之间算“年轻”，多高个子为“高个子”，这是人们观念中的模糊的概念，模糊(Fuzzy)概念由此产生。模糊性也就是生活中的不确定性。实际上客观事物的不确定性除了随机性外，模糊性也是一种不确定性。所谓模糊性是指事物的性质或类属的不分明性，其根源是事物之间存在过渡性的事物或状态，使它们之间没有明确的分界线。

在自然科学中，人们长久以来习惯于追求精确性，总希望把事物以数学方式描述出来，然而，面对模糊现象，传统的数学方法遇到了实质性的困难。但对于人的大脑而言，它具有很高的模糊划分、模糊判断和模糊推理的能力，而且人们为了表达和传递知识所采用的自然语言中已巧妙地渗透了模糊性，并能用最少的词汇表达尽可能多的信息。但是，对于计算机来说，无论它怎样发展，总无法达到人脑的境界，所以，用计算机来处理模糊信息，就需要一种能够将模糊语言形式化的工具，用数学的方式处理这种模糊性。

L．A．Zade提出的模糊集概念将一般的集合以隶属函数的概念推广到模糊集。为模糊数学的发展与成熟奠定了深厚的基础。模糊集理论的出现引起了数学界和科技工程界的极大兴趣并对其进行了广泛深入的研究，理论成果和应用成果不断出现，从而创建了一门新的科学——模糊数学。模糊集理论是对一类客观事物和性质更合理的抽象和描述，是传统集合理论的必然推广。模糊数学的一个重要特点，就是让数学反过来吸收人脑的模糊识别和判决特点，并将之运用于计算机，使部分自然浯言能够作为算法语言直接进入程序，使人们能够以简易的程序来调动机器完成复杂的任务，从而大大提高机器的灵活性。

绪言

任何新生事物的产生和发展，都要经过一个由弱到强,逐步成长壮大的过程，一种新理论、一种新学科的问世，往往一开始会受到许多人的怀疑甚至否定。模糊数学自1965年L.A.Zadeh教授开创以来所走过的道路，充分证实了这一点，然而，实践是检验真理的标准，模糊数学在理论和实际应用两方面同时取得的巨大成果，不仅消除了人们的疑虑，而且使模糊数学在科学领域中，占有了自己的一席之地。

经典数学是适应力学、天文、物理、化学这类学科的需要而发展起来的，不可能不带有这些学科固有的局限性。这些学科考察的对象，都是无生命的机械系统，大都是界限分明的清晰事物，允许人们作出非此即彼的判断，进行精确的测量，因而适于用精确方法描述和处理。而那些难以用经典数学实现定量化的学科，特别是有关生命现象、社会现象的学科，研究的对象大多是没有明确界限的模糊事物，不允许作出非此即彼的断言，不能进行精确的测量。清晰事物的有关参量可以精确测定，能够建立起精确的数学模型。模糊事物无法获得必要的精确数据，不能按精确方法建立数学模型。实践证明，对于不同质的矛盾，只有用不同质的方法才能解决。传统方法用于力学系统高度有效，但用于对人类行为起重要作用的系统，就显得太精确了，以致于很难达到甚至无法达到。

精确方法的逻辑基础是传统的二值逻辑，即要求符合非此即彼的排中律，这对于处理清晰事物是适用的。但用于处理模糊性事物时，就会产生逻辑悖论。如判断企业经济效益的好坏时，用“年利税在100万元以上者为经济效益好的企业”表达，否则，便是经济效益不好的企业。根据常识，显而易见：“比经济效益好的企业年利税少1元的企业，仍是经济效益好的企业”，而不应被划为经济效益不好的企业。这样，从上面的两个结论出发，反复运用经典的二值逻辑，我们最后就会得到，“年利税为0者仍为经济效益好的企业”的悖论。类似的悖论有许多，历史上最著名的有“罗素悖论”。它们都是在用二值逻辑来处理模糊性事物时产生的。

2 模糊集合与模糊关系

2.1 经典集合的特征函数

定义：经典集合的特征函数记为fA（x），定义为

1()0()AxAfxxAxA当当或

2.2模糊集合与隶属函数

定义：论域U上的模糊集合A是用一个从U到实区间[0，1]上的函数Α来刻画的，Α叫做模糊集合A的隶属函数，函数值Α（x）代表元素x对集合A的隶属度。

定义（严格的）：论域U到实区间[0，1]的任一映射

Α ：U[0，1]

xU，xΑ（x）

都确定U上的一个模糊集合A，Α叫做A的隶属函数，Α（x）叫做x对A的隶属度。

2.3模糊关系：普通关系讨论的是每对元素是否存在关系R，模糊关系讨论的是每对元素具有关系R的程度。

定义：所谓从集合U到集合V的模糊关系R，系指直积U*V上的一个模糊集合R，由隶属函数R来刻画，函数值R（x，y）代表有序偶（x，y）具有关系R的程度。

例 设V={v1，v2，v3，v4 } U={u1，u2，u3 }

V

μ v1 v2 v3 v4

U

u1 0.86 0.84 0 0

u2 0 0 0.95 0

u3 0.78 0 0 0.66

则可用模糊矩阵表示如下：0.860.8400000.9500.78000.66R