模糊隶属函数确定例题_高斯隶属度函数

模糊隶属函数确定例题_高斯隶属度函数1、模糊隶属度函数的确定方法直觉法:人们用自己对模糊概念的认识和理解,或者人们对模糊概念的普遍认同来建立隶属函数。这种方法通常用于描述人们熟知、有共识的客观模糊现象,或者用于难于采集数据的情形。二元对比排序法:二元对比排序方法就是通过对多个对象进行两两对比来确定某种特征下的顺序,由此来决定这些对象对该特征的隶属程度。这种方法更适用于根据事物的抽象性质由专家来确定隶属函数的情形,可以通过多名专家或者一个委员会,甚至–次民意测验来实施。模糊统计实验法:类似于统计学中的大样本实验法,根据概

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46,售后保障稳定

1、模糊隶属度函数的确定方法
  • 直觉法: 人们用自己对模糊概念的认识和理解,或者人们对模糊概念的普遍认同来建立隶属函数。这种方法通常用于描述人们熟知、有共识的客观模糊现象,或者用于难于采集数据的情形。

  • 二元对比排序法:二元对比排序方法就是通过对多个对象进行两两对比来确定某种特征下的顺序,由此来决定这些对象对该特征的隶属程度。这种方法更适用于根据事物的抽象性质由专家来确定隶属函数的情形,可以通过多名专家或者一个委员会,甚至- -次民意测验来实施。

  • 模糊统计实验法:类似于统计学中的大样本实验法,根据概念所占比例确定其对应隶属度。

除此之外还有许多其它方法,如最小模糊度法等。

2、常用模糊隶属度函数之基本类型

偏小、偏大和中间型是最为常用的隶属度函数的分类,最为简单常用的即是(半)梯形函数:

偏小型 中间型 偏大型
A ( x ) = { 1 , x < a b − x b − a , a ≤ x ≤ b 0 , b < x A(x)=\left\{\begin{matrix}1, & x<a \\\frac{b-x}{b-a}, & a \leq x \leq b \\0, & b<x\end{matrix}\right. A(x)=1,babx,0,x<aaxbb<x A ( x ) = { x − a b − a , a ≤ x < b 1 , b ≤ x < c d − x d − c , c ≤ x ≤ d 0 , x < a  or  d < x A(x)=\left\{\begin{matrix}\frac{x-a}{b-a}, & a \leq x<b \\1, & b \leq x<c \\\frac{d-x}{d-c}, & c \leq x \leq d \\0, & x<a \text { or } d<x\end{matrix}\right. A(x)=baxa,1,dcdx,0,ax<bbx<ccxdx<a or d<x A ( x ) = { 0 , x < a x − a b − a , a ≤ x ≤ b 1 , b < x A(x)=\left\{\begin{matrix}0, & x<a \\\frac{x-a}{b-a}, & a \leq x \leq b \\1, & b<x\end{matrix}\right. A(x)=0,baxa,1,x<aaxbb<x

依次对应下列图形:

在这里插入图片描述

3、抛物型或半抛物型
偏小型 中间型 偏大型
A ( x ) = { 1 , x < a ( b − x b − a ) k , a ≤ x ≤ b 0 , b < x A(x)=\left\{\begin{matrix}1, & x<a \\\left(\frac{b-x}{b-a}\right)^k, & a \leq x \leq b \\0, & b<x\end{matrix}\right. A(x)=1,(babx)k,0,x<aaxbb<x A ( x ) = { ( x − a b − a ) k , a ≤ x < b 1 , b ≤ x < c ( d − x d − c ) k , c ≤ x ≤ d 0 , x < a 或 d < x A(x)=\left\{\begin{matrix}\left(\frac{x-a}{b-a}\right)^k, & a \leq x<b \\1, & b \leq x<c \\ \left(\frac{d-x}{d-c}\right)^k, & c \leq x \leq d \\0, & x<a \text {或} d<x\end{matrix}\right. A(x)=(baxa)k,1,(dcdx)k,0,ax<bbx<ccxdx<ad<x A ( x ) = { 0 , x < a ( x − a b − a ) k , a ≤ x ≤ b 1 , b < x A(x)=\left\{\begin{matrix}0, & x<a \\ \left(\frac{x-a}{b-a}\right)^k, & a \leq x \leq b \\1, & b<x\end{matrix}\right. A(x)=0,(baxa)k,1,x<aaxbb<x

依次对应下列图形:
在这里插入图片描述

其它隶属度函数可参考:

Membership functions

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/223023.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • 深入理解机器学习中的:目标函数,损失函数和代价函数「建议收藏」

    深入理解机器学习中的:目标函数,损失函数和代价函数「建议收藏」参考知乎回答整理:https://www.zhihu.com/question/52398145主要参考:https://www.zhihu.com/question/52398145/answer/209358209基本概念:损失函数:计算的是一个样本的误差代价函数:是整个训练集上所有样本误差的平均目标函数:代价函数+正则化项实际应用:损失函数和代价函数是同一个东

  • Loadrunner教程–常用操做流程

    Loadrunner教程–常用操做流程Loadrunner教程–常用操做流程作者博客:vps精选网1loadrunner压力测试一般使用流程1.1loadrunner压力测试原理本质就是在loadrunner上模拟多个用户同时按固定行为访问web站点。其中固定行为在loadrunner中是通过录制脚本定义的,多个用户同时访问的策略是在loadrunner的场景中定义的。1.2压测思路…

  • Java基础知识总结(2021版)「建议收藏」

    前言大家好,我是素小暖,2012年毕业,2016年通过培训转行java开发,今天2021年1月9日,转行之路跌跌绊绊,蓦然回首,已经满满的4年工作经验了?但感觉知识还是相当的匮乏,没自信,也许是努力程度还不够吧。很感谢CSDN,因为是它给了我学习的动力,之前写了一篇记录CSDN博客访问量的文章,也许大家感觉很幼稚,但真的很有用,很有效果,仿佛磕了药一样,努力学习,进步。2020年,是我较为成功的一年,工作上,跳了槽,涨了工资;学习上,啃了几本名著(EffectiveJava、重构改善既.

  • Kali更新源签名无效问题[通俗易懂]

    Kali更新源签名无效问题[通俗易懂]一:Kali更新源签名无效问题1.1:问题展示·更换中科大源报错root@kali:~#apt-getupdate获取:1https://repo.huaweicloud.com/kalikali-rollingInRelease[30.5kB]错误:1https://repo.huaweicloud.com/kalikali-rollingInRelease下列签名无效:EXPKEYSIGED444FF07D8D0BF6KaliLinuxReposito

  • T11 Origin绘图模板

    T11 Origin绘图模板Origin绘图模板的建立和调用。

  • 微信模拟地理位置_微信伪装地理位置是什么个原理「建议收藏」

    微信模拟地理位置_微信伪装地理位置是什么个原理「建议收藏」展开全部微信的定位数据来源主要有,基站定位、GPS定位。原理主体为:通过劫持代码关闭636f70793231313335323631343130323136353331333366306537从基站获取位置程序运行,伪造CELLID伪造WIFIMAC地址通过Xposed模块进行模拟地理位置、基站信息并上传伪装信息到微信客户端进行系统欺骗进而达到伪装地理位置的目的。扩展资料:微信定位功能实践上…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号