模糊数学总结

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。

模糊数学中的模糊拓扑与模糊度量

模糊数学是一种用于处理不确定性和模糊性问题的数学方法。在现实世界中，许多问题往往不能用精确的数值进行描述，而是存在模糊性。模糊拓扑和模糊度量是模糊数学中重要的两个概念，它们在解决模糊性问题和形式化模糊集合论中起着重要的作用。

一、模糊拓扑

模糊拓扑是研究模糊空间和模糊集合之间关系的数学分支。它将传统拓扑学中的集合、映射和连续性等概念推广到模糊集合上，以适应处理模糊性问题的需求。模糊拓扑中的基本概念包括模糊邻域、模糊开集、模糊闭集等。

模糊邻域是模糊拓扑研究的核心概念之一。传统拓扑学中的邻域是用确定的集合表示的，而模糊邻域则是用隶属函数表示的。隶属函数描述了元素对模糊集合的隶属程度，它可以是一个取值在[0,1]上的实函数。模糊邻域的定义使得我们能够在不确定的情况下，通过隶属函数的取值确定元素在模糊集合中的位置关系。

模糊拓扑中的模糊开集和模糊闭集分别对应了传统拓扑学中的开集和闭集。模糊开集是一个隶属函数，它描述了一个模糊集合中的元素在该开集中的隶属程度。模糊闭集则是相对于模糊开集的补集，描述了元素不属于该闭集的程度。 通过模糊拓扑可以定义模糊收敛和模糊连通性等概念。模糊收敛描述了模糊空间中一列模糊集合的极限行为，模糊连通性则描述了模糊拓扑空间中的连接性。

二、模糊度量

模糊度量是模糊数学中描述模糊集合之间相似性和距离的度量方法。传统度量空间中的距离公式无法直接用于模糊集合，因为模糊集合的元素隶属于集合的程度不是确定的，而是模糊的。模糊度量的目标是通过定义一种适用于模糊集合的距离函数，来衡量模糊集合之间的相似性或距离。

模糊度量的定义通常基于模糊集合之间的集合运算和隶属函数的运算。其中，模糊相似度度量是一种常见的度量方法，它可以通过计算模糊集合的交集和并集来衡量模糊集合之间的相似性。

除了模糊相似度度量外，还存在其他一些度量方法，如模糊欧氏距离、模糊马氏距离等。这些度量方法通过将模糊集合的隶属函数映射到实数域上，从而实现模糊集合之间的距离计算。

数学基础2007-05-25 09:34二十世纪六十年代，产生了模糊数学这门新兴学科。

模糊数学的产生

现代数学是建立在集合论的基础上。集合论的重要意义就一个侧面看，在与它把数学的抽象能力延伸到人类认识过程的深处。一组对象确定一组属性，人们可以通过说明属性来说明概念（内涵），也可以通过指明对象来说明它。符合概念的那些对象的全体叫做这个概念的外延，外延其实就是集合。从这个意义上讲，集合可以表现概念，而集合论中的关系和运算又可以表现判断和推理，一切现实的理论系统都一可能纳入集合描述的数学框架。

但是，数学的发展也是阶段性的。经典集合论只能把自己的表现力限制在那些有明确外延的概念和事物上，它明确地限定：每个集合都必须由明确的元素构成，元素对集合的隶属关系必须是明确的，决不能模棱两可。对于那些外延不分明的概念和事物，经典集合论是暂时不去反映的，属于待发展的范畴。

在较长时间里，精确数学及随机数学在描述自然界多种事物的运动规律中，获得显著效果。但是，在客观世界中还普遍存在着大量的模糊现象。以前人们回避它，但是，由于现代科技所面对的系统日益复杂，模糊性总是伴随着复杂性出现。

各门学科，尤其是人文、社会学科及其它“软科学”的数学化、定量化趋向把模糊性的数学处理问题推向中心地位。更重要的是，随着电子计算机、控制论、系统科学的迅速发展，要使计算机能像人脑那样对复杂事物具有识别能力，就必须研究和处理模糊性。

我们研究人类系统的行为，或者处理可与人类系统行为相比拟的复杂系统，如航天系统、人脑系统、社会系统等，参数和变量甚多，各种因素相互交错，系统很复杂，它的模糊性也很明显。从认识方面说，模糊性是指概念外延的不确定性，从而造成判断的不确定性。

在日常生活中，经常遇到许多模糊事物，没有分明的数量界限，要使用一些模糊的词句来形容、描述。比如，比较年轻、高个、大胖子、好、漂亮、善、热、远„„。在人们的工作经验中，往往也有许多模糊的东西。例如，要确定一炉钢水是否已经炼好，除了要知道钢水的温度、成分比例和冶炼时间等精确信息外，还需要参考钢水颜色、沸腾情况等模糊信息。因此，除了很早就有涉及误差的计算数学之外，还需要模糊数学。