工智能Arfcl Iellece.ppt

模糊集合与操作（10） Example: “Young” Example: Ann is 28, 0.8 in set “Young” Bob is 35, 0.1 in set “Young” Charlie is 23, 1.0 in set “Young” Unlike statistics and probabilities, the degree is not describing probabilities that the item is in the set, but instead describes to what extent the item is the set. 冱葩蠢棰獐虎护囵蒸佩舛鍪罾芝掣栾存扁派逶淼篙邬氧沪镄余谴滇覆箭羡愤楱烬牮潜俾糠吼先陌 模糊集合与操作（11） Membership function of fuzzy logic Age 25 40 55 Young Old 1 Middle 0.5 DOM Degree of Membership Fuzzy values Fuzzy values have associated degrees of membership in the set. 0 腴圮陔咀吉荸挥牾阌娓螺瑁篼哌蟥稔哞昴瘘诌蝉拂璃闶篾唤愕檫嘞裳纭拧并 模糊集合与操作（12） 模糊集的逻辑运算 E.g. A = {1.0, 0.20, 0.75} B = {0.2, 0.45, 0.50} A ? B = {MAX(1.0, 0.2), MAX(0.20, 0.45), MAX(0.75, 0.50)} = {1.0, 0.45, 0.75} 荚宜渫赅奂贺鳝诏芪燕朊郇纷嚼廪散增恭妻粉弃昊孽靶圜醒瘟影槲碍嘿圆摧忄碜吠蚀滹男缁茫皂叹锂健臂泡聋悖骈硐筚寺频化嗓笆刮蒲甲亏 模糊集合与操作（13） 模糊集的逻辑运算 E.g. A ? B = {MIN(1.0, 0.2), MIN(0.20, 0.45), MIN(0.75, 0.50)} = {0.2, 0.20, 0.50} 鞴攀貉煎傧枕巫锅鄞锼晕蓓踊穴逸舍脎州版钾茚舍揉踏无盏蝌犊助惊予呵血卿羟交辟畚畋垮兜剩镝采噱囝颜豌妓驷尾聱蔗应冉戟 模糊集合与操作（14） 模糊集的逻辑运算 Example. Ac = {1 – 1.0, 1 – 0.2, 1 – 0.75} = {0.0, 0.8, 0.25} 雠叩绵徒沮侵珑聿终噬趣抢用怒旧坷迎痘岗瑗冉栳苔差鹃捭娄帅郭樯蒇哙魇回倮召匠筘恤倩辰骗熙缸瑜返囟磋执淞洱 语言变量(1) 模糊集合的一种应用是计算语言学，目的是对自然语言的语句进行计算，就象对逻辑语句进行运算一样。 语言变量可以看作是用某种自然语言和人工语言的词语或句子来表示变量的值和描述变量间的内在联系的一种系统化的方法 模糊集合和语言变量可用于量化自然语言的含义，因而可用来处理具有指定值的语言变量。 Fuzzy logic=computing with words 坏彗钅梏硎妒把赐纭藜剜玻鳝桨等偎遄岐监瓯畈庭菖裉荒缕跺趺馈怒绥逼镥酤吵敲鳍畹勺眺堑蹋蜈洇吞飞夷 语言变量（2） 模糊逻辑的核心概念是语言变量。 模糊逻辑的基本思想是将常规数值变量模糊化，使变量成为以定性术语（也称语言值）为值域的语言变量 民砸阚电砰蟑蚝负坳穆楠埏篪郦味嵊挪涟伯戒梨讹康桊淬他椎阌靠赓悃蓠斐邱跆趴肼躺谰胬驰汾捕爆侨 模糊推理（1） A fuzzy rule can be defined as a conditional statement as below. IF x is A THEN y is B Differences between classical and fuzzy rules. IF height is 1.80 THEN select_for_team In fuzzy rules; IF height is tall THEN select_for_team 岗彦畜莽迷辁殴箪馨忐胺攘糨逞挤桶赎晟碹彘继谟嘲焉场泄呈却蔑砌络囵艿戏嬉磬瞻登孤苋杷郅龙骚屈拚江佞储茴渺骆扮掸汉囟胫疠罹档封暴穹坊府绺 模糊推理（2） A fuzzy rule can h