人工智能第4节(模糊计算和模糊推理1)(阅读).ppt

模糊数学绪论 术语来源 Fuzzy: 毛绒绒的，边界不清楚的 国内状况 1976年传入我国 1980年成立中国模糊数学与模糊系统学会 1981年创办《模糊数学》杂志 1987年创办《模糊系统与数学》杂志 我国已成为全球四大模糊数学研究中心之一（美国、西欧、日本、中国） 模糊知识的表示 （1）模糊产生式规则的一般形式是： IF E THEN H (CF,λ) 其中，E是用模糊命题表示的模糊条件；H是用模糊命题表示的模糊结论；CF是知识的可信度因子，它既可以是一个确定的数，也可以是一个模糊数或模糊语言值。λ是匹配度的阈值，用以指出知识被运用的条件。例如： IF x is A THEN y is B (CF,λ) （2）推理中所用的证据也用模糊命题表示，一般形式为 x is A’ 或者 x is A’ (CF) （3）模糊推理要解决的问题：证据与知识的条件是否匹配：如果匹配，如何利用知识及证据推出结论。 5.6.3 模糊匹配与冲突消解 在模糊推理中，知识的前提条件中的A与证据中的A’不一定完全相同，因此首先必须考虑匹配问题。例如： IF x is 小 THEN y is 大 (0.6)x is 较小 两个模糊集或模糊概念的相似程度称为匹配度。常用的计算匹配度的方法主要有贴近度、语义距离及相似度等。 1. 贴近度 设A与B分别是论域U={u1,u2,…,un}上的两个模糊集，则它们的贴近度定义为： (A,B)= [A?B+(1-A⊙B)] /2 其中 2. 语义距离 (1)海明距离 (2)欧几里得距离 (3)明可夫斯基距离 (4)切比雪夫距离 匹配度为：1-d(A,B) 3. 相似度 (1) 最大最小法 (2) 算术平均法 (3) 几何平均最小法 (4) 相关系数法(5) 指数法 匹配度举例 设U={a,b,c,d} A=0.3/a+0.4/b+0.6/c+0.8/d A=0.2/a+0.5/b+0.6/c+0.7/d 贴近度： A?B=(0.3∧0.2)∨(0.4∧0.5)∨(0.6∧0.6)∨(0.8∧0.7)=0.7 A⊙B=(0.3∨0.2)∧(0.4∨0.5)∧(0.6∨0.6)∧(0.8∨0.7)=0.3 (A,B)=1/2[A?B+(1-A⊙B)]=1/2[0.7+(1-0.3)]=0.7 海明距离： d(A,B)=1/4×(|0.3-0.2|+|0.4-0.5|+|0.6-0.6|+|0.8-0.7|)=0.075 (A,B)=1-d(A,B)=1-0.075=0.925 相似度： 最大最小法： r(A,B)=((0.3∧0.2)+(0.4∧0.5)+(0.6∧0.6)+(0.8∧0.7))/((0.3∨0.2)+(0.4∨0.5)+(0.6∨0.6)+(0.8∨0.7)) =1.9/2.2=0.86 复合条件的模糊匹配 (1) 分别计算出每一个子条件与其证据的匹配度 例如对复合条件 E=x1 is A1 AND x2 is A2 AND x3 is A3 及相应证据E’: x1 is A’1 , x2 is A’2 , x3 is A’3 分别算出Ai与A’i的匹配度δmatch(Ai,A’i),i=1,2,3。 (2) 求出整个前提条件与证据的总匹配度。目前常用的方法有“取极小”和“相乘”等。 δmatch(E,E’)=min{δmatch(A1,A’1),δmatch(A2,A’2), δmatch(A3,A’3)} δmatch(E,E’)=δmatch(A1,A’1)×δmatch(A2,A’2)×δmatch(A3,A’3) (3) 检查总匹配度是否满足阈值条件，如果满足就可以匹配，否则为不可匹配。 模糊推理中的冲突消解 1. 按匹配度大小排序 2. 按加权平均值排序 例如，设U={u1,u2,u3,u4,u5}, A=0.9/u1+0.6/u2+0.4/u3 B=0.6/u2+0.8/u3+0.5/u4 C=0.5/u3+0.8/u4+1/u5 D=0.8/u1+0.5/u2+0.1/u3 并设有如下模糊知识： R1: IF x is A THEN y is H1 R2: IF x is B THEN y is H2 R3: IF x is C THEN y is H3 用户提供的初始证据为： E’: x is D δmatch(A,D)=μD(u1)/μA(u1)+μD(u2)/μA(u2)+μD(u3)/μA(u3) =0.8/0.9+0.5/0.6+0.1/0.4 同理可得： δmatch(B,D)=0.8/0+0.5/0.6+0.1/0.8 δmatch(C,D)=0.8/0+0.5/0+0.1/