实例介绍
【实例截图】
【核心代码】
模糊综合评价原理 案例讲解与Matlab实现
（一）模糊理论简述
一、模糊集与隶属度
用数学的眼光看世界，现象分为确定性现象、随机现象、模糊现象（如“今天天气有点冷”，“小伙子很高”等）。其基本思想是，用属于程度代替属于或不属于（如某人属于高个子的程度为0.8）。
经典集合语言：只有两种情况，要么x∈A 要么 x ∉ A, 用特征函数χA()→{0,1}表示：
模糊集合语言：用隶属度函数μA()→[0,1]表示，它确定了X上的一个模糊集A. μA(x)越接近1, 表明x属于A的程度越大。
注：一般用A(x)表示x对模糊集A的隶属度。
例1考虑年龄集U=[0,100]，O=“年老”，O也是一个年龄集，u = 20 ∉ O，u = 40 呢？Zadeh给出了 “年老” 集隶属度函数刻画：
Y=“年轻”也是U的一个子集，只是不同的年龄段隶属于这一集合的程度不一样，Zadeh给出它的隶属度函数：
例2 设身高集U={140, 150, 160, 170, 180, 190}, “高个子集”A的隶属度可定义为。实际问题中隶属函数常用模糊统计方法确定（统计隶属频率）。
二、模糊集的运算
(1) 相等： A=B ó A(x)=B(x), ∀x∈X
(2) 包含： A⊆B ó A(x)≤B(x), ∀x∈X
(3) 并（∨表示取大运算）
(A∪B)(x) = A(x)∨B(x) = max{A(x), B(x)}, ∀x∈X
(4) 交（∧表示取小运算）
(A∩B)(x) = A(x)∧B(x) = min{A(x), B(x)}, ∀x∈X
(5) 余： Ac(x) = 1-A(x), ∀x∈X
三、模糊矩阵
标签：
相关软件
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论