下载文档原格式
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。
美国加利福尼亚大学控制论教授扎得（L、A、Zadeh）经过多年的琢磨，终于在1965年首先发表了题为《模糊集》的论文。
指出：若对论域（研究的范围）U中的任一元素x，都有一个数A（x）∈[0，1]与之对应，则称A为U上的模糊集，A（x ）称为x对A的隶属度。
当x在U中变动时，A（x）就是一个函数，称为A的隶属函数。
隶属度A（x）越接近于1，表示x属于A的程度越高，A（x）越接近于0表示x属于A的程度越低。
用取值于区间[0，1]的隶属函数A（x）表征x 属于A的程度高低，这样描述模糊性问题比起经典集合论更为合理。
隶属度属于模糊评价函数里的概念：模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。
隶属度函数及其确定方法分类隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。
隶属度函数的确定过程,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,隶属度函数的确定又带有主观性。
隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。
对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,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。
下面介绍几种常用的方法。
(1)模糊统计法：模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。
对于不同的试验者,清晰集合A3可以有不同的边界,但它们都对应于同一个模糊集A。
模糊统计法的计算步骤是:在每次统计中, v o是固定的,A3的值是可变的,作n次试验,其模糊统计可按下式进行计算v0对 A 的隶属频率= v0∈A 的次数/ 试验总次数n随着n的增大,隶属频率也会趋向稳定,这个稳定值就是vo对A 的隶属度值。
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。
