qq_45760401的博客

1、对于作用域集，有好多的评语2、将这些评语的程度对于每一个作用域元素，依次写出来，写成一个矩阵的形式，之后用权重矩阵和这个元素做操作3、得到的最后的一个矩阵就是综合评判的矩阵，之后用最大隶属原则来求解就行了。对于多级总和评判，就是每一个作用域元素又是一个综合评判的过程。...

1

模糊模式识别分两类，第一类是要识别对象是确定的，而模式库是模糊的，第二类是要识别对象和模式库都是模糊的，虽然说分为两类，其实他说的都是一个问题，给定一个对象，判断他属于模式库中的哪一个类型。一、最大隶属度原则 当要确定的对象是确定的，那么对于论域 U 里面的每一个种类，只需要利用该种类的隶属函数求出隶属度，然后取隶属度最大的种类就是该对象的种类，例如，某学生考了 88 分，求该学生是优秀、良好还是及格。 由于给定了学生成绩 88 分，是一个确定的概念，而模式库的种类也给定了，就是优秀、良好、差.

先给出距离和贴近度公式： 绝对距离：∑ (|A(u) - B(u)| ^ p ) ^ (1 / p) 相对距离：∑ ((1 / n) * |A(u) - B(u)| ^ p ) ^ (1 / p) 加权距离：∑ (Ω * |A(u) - B(u)| ^ p ) ^ (1 / p) 绝对海明距离：上面的绝对距离中 p = 1 的情况 ∑ |A(u) - B(u)| 相对海明距离：上面的相对距离中 p = 1 的情况 ∑ |(1 / n) * A(u) - B(u)| 加权海明距离：

λ—截集： 对于任何一个模糊集合来说，他的λ截集是普通集合，定义如下： 对于论域 U 上的每一个元素，若 A(u) >= λ ，则 u ∈ Aλ(λ为下标)，通俗点说就是原来集合中映射后取值 大于等于 λ 的所有元素的集合，λ—截集的特征函数为： Aλ = { 1 , A(u) >= λ { 0 , A(u) < λ 与 λ 截集相对应的还有 λ 强截集，只要把定义中的 A(u) >= λ 改成 A(u) > λ，Aλ 的λ下面加一个小点就行。

秃头悖论：对于一个满头黑发的人来说，掉一根头发，不是秃头，再掉一根头发，还不是秃头，再掉一根头发，还不是 秃头，于是乎---再掉一根头发，还不是秃头，可是这已经是最后一根头发了，那他到底是不是秃头？ 可以看到，用确定性数学和随机性数学已经解决不了这个问题了，所以查德（Zadeh）在1965年提出了关于模糊集合的概念，来描述这一模模糊糊的现象，相对于传统的 {0, 1} 这样的集合而言，模糊数学将集合的取值范围规定到了[0, 1] 中，于是对于一个模糊集合而言，什么时候表示 “0”，什么时候表示 “

集合的表示： 1、枚举法：{u1, u2, u3, u4 --- , un} 2、描述法：{x | x 是个什么数} 3、特征函数法 f(u) = { 1 , u ∈ A { 2 , u ∉ A 4、文氏图法集合的包含与相等： 1、当一个集合的元素都在另外一个集合中，我们称这个集合包含于另外一个集合 2、当一个集合是另外一个元素含有集合的集合的元素时，我们称这个集合属于另外一个集合 3、两个集合 A、B，若 A 属于 B，并且 B 属于 A，则称这两个集合是相等的集合