13、生物信息学中的机器学习：模糊系统的应用与原理

生物信息学中的机器学习：模糊系统的应用与原理

1. 模糊系统概述

模糊系统是一种专家系统，它运用一系列模糊隶属函数和规则来处理数据推理，而非采用布尔逻辑。与经典逻辑相比，模糊系统为其增添了丰富且有意义的内容。其基本概念涵盖模糊逻辑和模糊集理论。

人类思维的一个显著特点是能够对模糊和模棱两可的术语进行推理。例如，当温度超过33°C时，我们会感觉今天很热；若明天温度为31°C，人类的感官能立即将其解读为“中度热”。然而，使用传统逻辑的计算机却无法实现这样的判断，因为在传统逻辑中，语句只有真或假两种状态，不存在多值或部分真假的情况。

为了让计算机能够像人类感官一样工作，模糊逻辑应运而生。模糊逻辑是传统逻辑的超集，它可以描述部分真理或不确定性。在模糊逻辑中，一个真语句的真值范围可以从完全真到半真再到完全假。例如，一个语句可能有0.75的真值，即并非完全真实。

2. 模糊集与隶属度

2.1 清晰集与模糊集

在经典逻辑中，清晰集的元素要么属于该集合，要么不属于；而在模糊逻辑中，模糊集的成员具有一个从0到1的隶属度或真值。以“炎热的一天”为例，通过表1可以更清晰地看到清晰集和模糊集的区别。

</

表1. 清晰集和模糊集的“炎热的一天”隶属度
日期	温度 (°C)	清晰集	模糊集