基于模糊数学的甘肃陇南地区农作物气候适宜性分析
模糊方法
模糊数学方法 在自然科学或社会科学研究中,存在着许多定义不很严格或者说具有模糊性的概念。这里所谓的模糊性，主要是指客观事物的差异在中间过渡中的不分明性，如某一生态条件对某种害虫、某种作物的存活或适应性可以评价为“有利、比较有利、不那么有利、不利”；灾害性霜冻气候对农业产量的影响程度为“较重、严重、很严重”，等等。这些通常是本来就属于模糊的概念，为处理分析这些“模糊”概念的数据，便产生了模糊集合论。 根据集合论的要求，一个对象对应于一个集合，要么属于，要么不属于，二者必居其一，且仅居其一。这样的集合论本身并无法处理具体的模糊概念。为处理这些模糊概念而进行的种种努力，催生了模糊数学。模糊数学的理论基础是模糊集。模糊集的理论是1965年美国自动控制专家查德(L. A. Zadeh)教授首先提出来的，近10多年来发展很快。 模糊集合论的提出虽然较晚，但目前在各个领域的应用十分广泛。实践证明，模糊数学在农业中主要用于病虫测报、种植区划、品种选育等方面，在图像识别、天气预报、地质地震、交通运输、医疗诊断、信息控制、人工智能等诸多领域的应用也已初见成效。从该学科的发展趋势来看，它具有极其强大的生命力和渗透力。 在侧重于应用的模糊数学分析中，经常应用到聚类分析、模式识别和综合评判等方法。在DPS系统中，我们将模糊数学的分析方法与一般常规统计方法区别开来，列专章介绍其分析原理及系统设计的有关功能模块程序的操作要领，供用户参考和使用。 第1节模糊聚类分析 1. 模糊集的概念 对于一个普通的集合A，空间中任一元素x，要么x∈A，要么x?A，二者必居其一。这一特征可用一个函数表示为： A x x A x A ()= ∈ ?? ? ? 1 A(x)即为集合A的特征函数。将特征函数推广到模糊集，在普通集合中只取0、1两值推广到模糊集中为[0, 1]区间。 定义1 设X为全域，若A为X上取值[0, 1]的一个函数，则称A为模糊集。 如给5个同学的性格稳重程度打分，按百分制给分，再除以100，这样给定了一个从域X=｛x1 , x2 , x3 , x4, x5｝到[0, 1]闭区间的映射。 x1：85分，即A(x1)=0.85 x2：75分，A(x2)=0.75 x3：98分，A(x3)=0.98 x4：30分，A(x4)=0.30 x5：60分，A(x5)=0.60 这样确定出一个模糊子集A=(0.85, 0.75, 0.98, 0.30, 0.60)。 定义2 若A为X上的任一模糊集，对任意0 ≤λ≤ 1，记Aλ=｛x｜x∈X, A(x)≥λ｝,称Aλ为A的λ截集。 Aλ是普通集合而不是模糊集。由于模糊集的边界是模糊的, 如果要把模糊概念转化为数学语言，需要选取不同的置信水平λ (0 ≤λ≤ 1) 来确定其隶属关系。λ截集就是将模糊集转化为普通集的方法。模糊集A是一个具有游移边界的集合，它随λ值的变小而增大，即当λ1 <λ2时，有Aλ1∩Aλ2。
模糊数学评价方法教程
模糊综合评价法（见课件） 模糊数学是从量的角度研究和处理模糊现象的科学．这里模糊性是指客观事物的差异在中介过渡时所呈现的“亦此亦比”性．比如用某种方法治疗某病的疗效“显效”与“好转”、某医院管理工作“达标”与“基本达标”、某篇学术论文水平“很高”与“较高”等等．从一个等级到另一个等级间没有一个明确的分界，中间经历了一个从量变到质变的连续过渡过程，这个现象叫中介过渡．由这种中介过渡引起的划分上的“亦此亦比”性就是模糊性． 一、单因素模糊综合评价的步骤 1． 根据评价目的确定评价指标（evaluation indicator ）集 合 },,,{21m u u u U = 例如评价某项科研成果，评价指标集合为U ={学术水平，社会效益，经济效益}． 2． 给出评价等级（evaluation grade ）集合 },,,{21n v v v V = 如评价等级集合为V ={很好，好，一般，差}． 3． 确定各评价指标的权重（weight ） },,,{21m W μμμ = 权重反映各评价指标在综合评价中的重要性程度，且∑=1i μ． 例如假设评价科研成果，评价指标集合U ={学术水平，社会效益，
经济效益}其各因素权重设为}4.0,3.0,3.0{=W ． 4．确定评价矩阵R 请该领域专家若干位，分别对此项成果每一因素进行单因素评价（one-way evaluation ），例如对学术水平，有50%的专家认为“很好”，30%的专家认为“好”，20%的专家认为“一般”，由此得出学术水平的单因素评价结果为()0,2.0,3.0,5.01=R 同样如果社会效益，经济效益两项单因素评价结果分别为 ()1.0,2.0,4.0,3.02=R ()2.0,3.0,2.0,2 .03=R 那么该项成果的评价矩阵为 ???? ? ??=????? ??=2.03.02.02.01.02.04.03.002.03.05.0321R R R R 5．进行综合评价 通过权系数矩阵W 与评价矩阵R 的模糊变换得到模糊评判集S ： 设m j W ?=1)(μ，n m ji r R ?=)(，那么 ()()n mn m m n n m s s s r r r r r r r r r R W S ,,,,,,212 1 22221 11211 21 =???? ?? ? ??==μμμ 其中“ ”为模糊合成算子． 进行模糊变换时要选择适宜的模糊合成算子，模糊合成算子通 常有四种： (1) ),(∨∧M 算子
模糊动态聚类分析
1.function[Ax]=F_tj(A,m0)%定义函数 %模糊统计，m0划分区间个数 [n,m]=size(A);%获得矩阵的行列数 Amin=A(1,1);%A的最小值 Amax=A(1,2);%A的最大值 for(i=1:n) if(A(i,1)>A(i,2))x=A(i,2);A(i,2)=A(i,1);A(i,1)=x;end%A的最小值 if(A(i,1) 模糊综合评价 模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。其基本步骤可以归纳为： ①首先确定评价对象的因素论域 可以设N 个评价指标，12(,, ...)n X X X X =； ②确定评语等级论域 设12n =(W ,W , ...W )A ，每一个等级可对应一个模糊子集，即等级集合。 ③建立模糊关系矩阵 在构造了等级模糊子集后，要逐个对被评事物从每个因素(=1,2,,n)i X i ……上 进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度i X （R ），进而 得到模糊关系矩阵11112122122212nm ......=..................m m n n n nm X r r r X r r r X r r r ??????????????????????????（R ）（R ）R=（R ），其中，第i 行第j 列元素，表示某个被评事物i X 从因素来看对j W 等级模糊子集的隶属度。 ④确定评价因素的权向量 在模糊综合评价中，确定评价因素的权向量：12(,, ...)n U u u u =。一般采用层 次分析法确定评价指标间的相对重要性次序。从而确定权系数，并且在合成之前归一化。 ⑤合成模糊综合评价结果向量 利用合适的算子将U 与各被评事物的R 进行合成，得到各被评事物的模糊综合评价结果向量B 即： 111212122 2121212nm ......(,, ...)(,, ...)...............m m n m n n nm r r r r r r U R u u u b b b B r r r ??????===?????? 其中，i b 表示被评事物从整体上看对j W 等级模糊子集的隶属程度。 ⑥对模糊综合评价结果向量进行分析 实际中最常用的方法是最大隶属度原则，但在某些情况下使用会有些很勉强，损失信息很多，甚至得出不合理的评价结果。提出使用加权平均求隶属等级的方法，对于多个被评事物并可以依据其等级位置进行排序。 模糊数学 第1节模糊聚类分析 第2节模糊模式识别 第3节模糊相似优先比方法 第4节模糊综合评判 第5节模糊关系方程求解 在自然科学或社会科学研究中,存在着许多定义不很严格或者说具有模糊性的概念。这里所谓的模糊性，主要是指客观事物的差异在中间过渡中的不分明性，如某一生态条件对某种害虫、某种作物的存活或适应性可以评价为“有利、比较有利、不那么有利、不利”；灾害性霜冻气候对农业产量的影响程度为“较重、严重、很严重”，等等。这些通常是本来就属于模糊的概念，为处理分析这些“模糊”概念的数据，便产生了模糊集合论。 根据集合论的要求，一个对象对应于一个集合，要么属于，要么不属于，二者必居其一，且仅居其一。这样的集合论本身并无法处理具体的模糊概念。为处理这些模糊概念而进行的种种努力，催生了模糊数学。模糊数学的理论基础是模糊集。模糊集的理论是1965年美国自动控制专家查德(L. A. Zadeh)教授首先提出来的，近10多年来发展很快。 模糊集合论的提出虽然较晚，但目前在各个领域的应用十分广泛。实践证明，模糊数学在农业中主要用于病虫测报、种植区划、品种选育等方面，在图像识别、天气预报、地质地震、交通运输、医疗诊断、信息控制、人工智能等诸多领域的应用也已初见成效。从该学科的发展趋势来看，它具有极其强大的生命力和渗透力。 在侧重于应用的模糊数学分析中，经常应用到聚类分析、模式识别和综合评判等方法。在DPS系统中，我们将模糊数学的分析方法与一般常规统计方法区别开来，列专章介绍其分析原理及系统设计的有关功能模块程序的操作要领，供用户参考和使用。 第1节模糊聚类分析 1. 模糊集的概念 对于一个普通的集合A，空间中任一元素x，要么x∈A，要么x?A，二者必居其一。这一特征可用一个函数表示为： A x x A x A ()= ∈ ?? ? ? 1 A(x)即为集合A的特征函数。将特征函数推广到模糊集，在普通集合中只取0、1两值推广到模糊集中为[0, 1]区间。 定义1 设X为全域，若A为X上取值[0, 1]的一个函数，则称A为模糊集。 如给5个同学的性格稳重程度打分，按百分制给分，再除以100，这样给定了一个从域X=｛x1 , x2 , x3 , x4, x5｝到[0, 1]闭区间的映射。 x1：85分，即A(x1)=0.85 x2：75分，A(x2)=0.75 x3：98分，A(x3)=0.98 x4：30分，A(x4)=0.30 x5：60分，A(x5)=0.60 三种电视机模糊综合评价模型 摘要 本文通过顾客对三种电视机的图像，价格，音质三种评价因素建立的模糊综合评价的模型，此模型首先设定了评价指标因素集U 和评语集V ,从而建立了评价矩阵R , 然后根据评价指标权重集A 最后分别运用了四个算子，进而采用了加权平均原则的方法建立了如下四个模型，最终得出 模型一：运用① 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出11 2.73B =，12 2.62B =，13 2.46B =，即第一种电视机最受顾客青睐 模型二：运用② 和加权平均原则方法对三种电视机建立模糊综合评价模型，得出21 2.72B =，22 2.75B =，23 2.51B =，即第二种电视机最受顾客青睐 模型三：运用③ 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出31 2.71B =，32 2.58B =，3 3 2.32B =，即第一种电视机最受顾客青睐 模型四：运用④ 算子和最大隶属原则方法对三种电视机建立模糊 综合评价模型，得出41 2.75B =，4 2 2.71B =，43 2.39B =，即顾客对第二种电视机做出综合评价较好。 综合四个模型这三种电视机的综合评价在较好和可以之间并且在这三种电视机中第一种电视机最受顾客青睐，第二种次之，第三种最不受欢迎。 关键词：综合评价 模糊数学 加权平均原则 算子 ),(∨∧M (,)M ?∨算子),(⊕∧M ),(⊕?M 一、问题重述 在对电视机质量的评价中，其涉及的因素很多，一般说来基本要考虑图像，声音，价格等等，而每一类因素的质量水平受许多因素的影响。这些评价因素往往具有模糊性。评价的结果本身也带有模糊性。如何合理地评价电视机的质量呢？ 假设对电视机的评价因素U={图像u1，声音u2，价格u3}，评语集合V={很好v1，较好v2，可以v3，不好v4}，现请专家10人对三种电视机进行评价，结果如下： 设某类顾客主要关心图像、价格，对音质不太关心，即 试对以上三种电视机进行模糊综合评价。 二、问题分析 根据对题目的理解，我们知道问题的求解是根据10位专家对三种电视机的图像，价格，音质的评价结果，而要求我们对这三种电视机进行模糊综合评价，所以我采用四种算子方法。 即① 算子 评语 因素 (1)第一类电视机 (2)第二类电视机 (3)第三类电视机 v1 v2 v3 v4 v1 v2 v3 v4 v1 v2 v3 v4 u1 5 4 1 0 4 3 2 1 1 5 2 2 u2 4 3 2 1 5 1 2 2 4 3 1 2 u3 0 1 3 6 2 1 3 4 2 4 4 (0.5,0.2,0.3) A =(){}n k r r s jk j m j jk j m j k ,,2,1, ,min max )(11 =∧=≤≤=∨μμ＝),(∨∧M 数学分析心得体会 数学分析心得体会 (5)通信网络管理：其中有运筹学内容，属于数学。(6)模糊逻辑与神经网络是研究非线性的数学。大连理工大学微电子和固体电子 硕士培养方案中，必修课：工程数学，专业基础课：物理、半导体 发光材料、半导体激光器件物理西北大学经管学院金融硕士培养方 案中，学位课：中级微观经济学(数学)中级宏观经济学中国市场经 济研究经济分析方法(数学)经济理论与实践前沿金融理论与实践必 须使用数学的研究专业有：理工科几乎所有专业，分子生物学，统 计专业，(理论、微观)经济学，逻辑学而这些数学的基础课就有一 门叫做数学分析的课程!数学是所有学科的基础，可以说自然学科中 的所有的重大发现和成就都离不开数学的贡献，而数学分析是数学 中的基础!基础中的基础! 转眼间，与数学相处的时间已有十二年矣，此间，钦佩前人智慧，享受逻辑快乐，惊叹数学之美。正如一个数学系的朋友说：“宇宙 是美的，星空是美的，数学的世界更是美的!” 在十几年的学习数学的过程中，我自己不断地总结与反思，认为做到以下四点对学好数学较为重要： 基础扎实。“高等数学中的很多问题是用高等数学中的特有的方法将其转化为初等数学能够解决的问题，所以初等数学基础的重要 性不言而喻。”——引自刘锐老师语。初等数学是数学大厦的根基，没有初等基础即便记住了高等数学中的方法也是枉然与徒劳。 态度认真。常说“态度决定一切”，虽说有些夸张，但也非无事实根据的绝对论断，它强调了在学习中认真的态度对于进步以及最 终的结果的决定性作用。 时间投入。当效率一定时，收获与时间成正比。每个人的悟性与接受新事物的能力略有不同，但在时间上可以得到部分弥补。时间投入的多少影响着学习的效果。 数学是科学而不是学科，不应将考试作为学习数学的最终目的。数学的学习不仅是知识的接受更是思想的领悟，欧拉曾认为“科学家如果做出了给科学宝库增加财富的发现，而未能坦率阐明那些引导他做出发现的思想，那将没有给科学做出足够的工作——巨大的遗憾”。可见，思想重于知识。学习一套新的理论，必知理论产生的背景、理论产生的必要性、理论解决的历史问题以及理论中蕴含的独特思想，方可说掌握了这一理论。每个老师都会传授知识，但并不是每个老师都会说知识的背景、作用及对后世新理论的产生的影响。这也就是为何不同老师讲授相同的知识时，我们感觉知识的难易程度不同。 用模糊数学综合评价法对水质进行评价 付智娟 （中山市环境保护科学研究所，中山 542803） 摘 要：综合评价法作为模糊数学的一种具体应用方法，在很多领域中得到了广泛的运用。由于综 合评价法的数学模型简单、容易掌握，更适合于对多因素、多层次的复杂问题的评价。将其应用于对水质的评价能更客观、科学地反映水质情况。 关键词：模糊数学 ；综合评价法；水质评价法 Abstract:As the praxis of fuzzy mathematics,comprehensive evaluation is prevalent used in many fields ,Because it is a simple mathematical model and easy to use,comprehensive evaalution has advantage to solve the complex problem that have more different https://www.wendangku.net/doc/bc2910512.html,ing it to evaluate the quality of water can get an objective and scientific result. Key words: fuzzy mathematics; comprehensive evaluation; evaluate the quality of water 模糊数学理论是近年来发展起来的科学，水质的好坏具有模糊的概念，因此也可以用它来评价水质，对水质进行综合评价，打破以往仅用一个确定性的指标来评价水质的方法，并可以弥补其中的不足，更客观、科学地对水质进行评价。现引用对某水质进行评价的例子来说明模糊数学综合评价在水质评价中的运用。 1. 基本概念 1. 1隶属度 以往的水质分级中多用一个简单的数学指标为界限，造成界限两边分为截然不同的等级.例如参数DO ， I 级水的指标为7mg/L,则7.1mg/L 为I 级水，但DO 若为6.9mg/L 就的定为II 级水。事实上，由于水质的污染程度属于模糊概念,所以这里用隶属概念来描述模糊的水质分级界限。所谓隶属度系指某事物所属某种标准的程度：如:DO=7.1mg/L 时,隶属I 级水的程度为100%;6.9mg/L 时,隶属I 级水的程度达95%。 隶属度可用隶属函数表示。为方便起见，取线性函数： 10X X X X --或 11X X X X --，（X 0 function [M,N] = Example8_11 X=[1.8 2.1 3.2 2.2 2.5 2.8 1.9 2.0; 95 99 101 103 98 102 120 130; 0.15 0.21 0.18 0.17 0.16 0.20 0.09 0.11]; X=X' %X=[80 10 6 2;50 1 6 4;90 6 4 6;40 5 7 3;10 1 2 4] [M,N]=fuzzy_jlfx(4,5,X); end %% function [M,N]=fuzzy_jlfx(bzh,fa,X)%得到聚类结果 [X]=F_JlSjBzh(bzh,X);%数据标准化 [R]=F_JlR(fa,X);%建立相似矩阵 [A]=fuzzy_cdbb(R);%得到传递闭包矩阵 [Alamd]=fuzzy_lamdjjz(A);%得到lamdf截矩阵从而得到聚类结果[M,N]=F_JlDtjl(R);%动态聚类并画出聚类图 %% function [M,N]=F_JlDtjl(R) %clc; [A]=fuzzy_cdbb(R); U=unique(A); L=length(U); M=1:L; for i=L-1:-1:1 [m,n]=find(A==U(i)); N{i,1}=n; N{i,2}=m; A(m(1),:)=0; mm=unique(m); N{i,3}=mm; len=length(find(m==mm(1))); depth=length(find(m==mm(2))); index1=find(M==mm(1)); MM=[M(1:index1-1),M(index1+depth:L)]; % index2=find(MM==mm(2)); M=M(index1:index1+depth-1); M=[MM(1:index2-1),M,MM(index2:end)]; end M=[1:L;M;ones(1,L)]; h=(max(U)-min(U))/L; figure text(L,1,sprintf('%d',M(2,L))); text(L+1,1-h,sprintf('%d',L)); text(0,1,sprintf('%3.2f',1)); text(0,(1+min(U))/2,sprintf('%3.2f',(1+min(U))/2)); text(0,min(U),sprintf('%3.2f',min(U))); hold on for i=L-1:-1:1 m=N{i,2}; ８ 《商场现代化》２００６年７月（中旬刊）总第４７３期 ２０世纪８０年代初，汪培庄提出了对绿色供应链绩效进行评价的模糊综合评价模型，此模型以它简单实用的特点迅速波及到国民经济和工农业生产的方方面面，广大实际工作者运用此模型取得了一个又一个的成果。本文简单介绍模糊综合评价法的数学模型方法。 一、构造评价指标体系 模糊综合评价的第一步就是根据具体情况建立评价指标体系的层次结构图，如图所示： 二、确定评价指标体系的权重 确定各指标的权重是模糊综合评价法的步骤之一。本文根据绿色供应链评价体系的层次结构特点，采用层次分析法确定其权重。尽管层次分析法中也选用了专家调查法，具有一定的主观性，但是由于本文在使用该方法的过程中，对多位专家的调查进行了数学处理，并对处理后的结果进行了一致性检验，笔者认为，运用层次分析法能够从很大程度上消除主观因素带来的影响，使权重的确定更加具有客观性，也更加符合实际情况。 在此设各级指标的权重都用百分数表示，且第一级指标各指标的权重为Ｗｉ，ｉ＝１，２，…，ｎ，ｎ为一级指标个数。一级指标权重向量为： Ｗ＝（Ｗ１，…，Ｗｉ，…Ｗｎ） 各一级指标所包含的二级指标权重向量为： Ｗ＝（Ｗｉ１，…，Ｗｉｓ，…Ｗｉｍ），ｍ为各一级指标所包含的二级指标个数，ｓ＝１，２，…，ｍ。 各二级指标所包含的三级指标权重向量为： Ｗｉｓ＝（Ｗｉｓ１，…Ｗｉｓ２，…Ｗｉｍｑ），ｑ为各二级指标所包含的三级指标个数。三、确定评价指标体系的权重建立模糊综合评价因素集将因素集Ｘ作一种划分，即把Ｘ分为ｎ个因素子集Ｘ１，Ｘ２，…Ｘｎ，并且必须满足： 同时，对于任意的ｉ≠ｊ，ｉ，ｊ＝１，２，…，均有 即对因素Ｘ的划分既要把因素集的诸评价指标分完，而任一个评 价指标又应只在一个子因素集Ｘｉ中。 再以Ｘｉ表示的第ｉ个子因素指标集又有ｋｉ个评价指标即：Ｘｉ＝｛Ｘｉ１，Ｘｉ２，…，ＸｉＫｉ｝，ｉ＝１，２，…，ｎ 这样，由于每个Ｘｉ含有Ｋｉ个评价指标，于是总因素指标集Ｘ其有 个评价指标。 四、 进行单因素评价，建立模糊关系矩阵Ｒ 在上一步构造了模糊子集后，需要对评价目标从每个因素集Ｘｉ上进行量化，即确定从单因素来看评价目标对各模糊子集的隶属度，进而得到模糊关系矩阵： 其中ｓｉ（ｉ＝１，２，…，ｍ）表示第ｉ个方案，而矩阵Ｒ中第ｈ行第ｊ列元素ｒｈｊ表示指标Ｘｉｈ在方案ｓｊ下的隶属度。对于隶属度的确定可分为两种 情况：定量指标和定性指标。 （１）定量指标隶属度的确定 对于成本型评价因素可以用下式计算： 对于效益型评价因素可以用下式计算：对于区间型评价因素可以用下式计算：上面三个式子中：ｆ（ｘ）为特征值，ｓｕｐ（ｆ），ｉｎｆ（ｆ）分别为对应于同一个指标的所有特征值的上下界，即是同一指标特征值的最大值和最小 模糊综合评价法的数学建模方法简介 任丽华 东营职业学院 ［摘 要］ 本文一种数学模型方法构造了一种对绿色供应链绩效进行评价的模糊综合评价法，主要从构造评价指标体系，确定评价指标体系的权重，确定评价指标体系的权重，建立模糊综合评价因素集，进行单因素评价、建立模糊关系矩阵Ｒ，计算模糊评价结果向量Ｂ等五个方面介绍这种评价方法。 ［关键词］ 绿色供应链绩效评价 模糊综合评价法 数学模型方法 流通论坛 文献综述 电气工程及自动化 模糊综合评价法的应用研究 摘要：综合评判是对多种属性的事物，或者说其总体优劣受多种因素影响的事物，做出一个能合理地综合这些属性或因素的总体评判。例如，教学质量的评估就是一个多因素、多指标的复杂的评估过程，不能单纯地用好与坏来区分。而模糊逻辑是通过使用模糊集合来工作的，是一种精确解决不精确不完全信息的方法，其最大特点就是用它可以比较自然地处理人类思维的主动性和模糊性。因此对这些诸多因素进行综合，才能做出合理的评价，在多数情况下，评判涉及模糊因素，用模糊数学的方法进行评判是一条可行的也是一条较好的途径。 关键词：：层次分析；模糊综合评判 1模糊综合评价法的原理和思想 在客观世界中存在着许多不确定性，这种不确定性表现在两个方面；一是随机性-时间是否发生的不确定行；二是模糊性-事物本身状态的不确定行。 在客观世界中，存在着大量的模糊概念和模糊现象。一个概念和与其对立的概念无法划出一条明确的分界，他们是随着量变逐渐过渡到质变的。例如“年轻”和“年老”、“高与矮”、“胖与廋”、“美与丑”等没有确切界限的一些对立概念都是所谓的模糊概念。凡涉及模糊概念的现象被称为模糊现象。现实生活中的绝大多数现象，存在着中介状态，并非非此即彼，表现出亦此亦彼，存在着许多，甚至无穷多的中间状态。 总之，模糊性是时间本身状态的不确定性，或者说是指某些事物或者概念的边界不清楚，这种边界不清楚，不是由人的主观认识达不到客观实际所造成的，而是事物的一种客观属性，是事物的差异之间存在着中间过渡过程的结果。 模糊数学就是试图利用数学工具解决模糊现象一门学科。1965年，美国加州大学的控制论专家扎德发表了一篇题为《模糊集合》的重要论文，第一次成功运用精确的数学方法描述了模糊概念，从而宣告了模糊数学的诞生。从此，模糊数学现象进入了人类科学的研究领域。 模糊数学是产生把数学的应用范围，从精确现象扩大到模糊现象的领域，去处理复杂的系统问题。模糊数学绝不是把已经很清楚的数学变得模模糊糊，而是用精确的数学方法来处理过去无法用数学描述的模糊事物。从某种意义上来说，模糊数学是架在形式化思想和复杂系统之间的一座桥梁，通过它可以把多年积累起来的形式化思想，也就是精确数学的一系列 模糊综合评价法 一、基本思想和原理 在客观世界中，存在着大量的模糊概念和模糊现象，模糊数学就是试图用数学工具解决模糊事物方面的问题。 模糊综合评价是借助模糊数学的一些概念，对实际的综合评价问题提供一些评价的方法，具体说，模糊综合评价就是以数学为基础，应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化，从多个因素对被评价事物隶属度等级状况进行综合性评价的一种方法。 模糊综合评价的原理 首先确定被评价对象的因素（指标）集合评（等级）集；再分别确定各个因素的权重及它们的隶属度向量，获得模糊评判矩阵；最后把模糊评判矩阵与因素的全向量进行模糊运算并进行归一化，得到模糊综合评价结果。 其特点在于评判逐对象进行，对被评价对象有唯一的评价值，不受被评价对象所处对象集合的影响。综合评价的目的是从对象集中选出优胜对象，所以还需要将所有对象的综合评价结果进行排序。 二、模糊综合评价法的模型和步骤 1.确定评价对象的因素论域 U={u1,u2,u3···m} 也就是说有m个评价指标，标明我们对被评价对象从哪些方面来进行评判描述。 2.确定评语等级论域 评语集是评价者对被评价对象可能做出的各种总的评价结果组成的集合，用V表示： V={v1,v2,v3···n} 实际上就是对被评价对象变化区间的一个划分，其中v1代表第i个评价结果，n为总的评价结果数。 具体等级可以依据评价内容适当的语言进行描述，比如评价产品的竞争力可用V=（好、较好、一般、较差、差）等。 3.进行但因素评价，建立模糊关系矩阵R 单独从一个因素出发进行评价，以确定评价对象对评价集合V的隶属程度，称为单因素模糊评价，在构造了等级模糊子集后，就要逐个对被评价对象从每个因素ui（i=1,2,···m）上进行量化，也就是确定从单因素来看被评价对象各等级模糊子集的隶属度，进而得到模糊关系矩阵： R= 数学建模方法详解--模糊数学 在生产实践、科学实验以及日常生活中，人们经常会遇到模糊概念（或现象）。例如,大与小、轻与重、快与慢、动与静、深与浅、美与丑等都包含着一定的模糊概念。随着科学技术的发展，各学科领域对于这些模糊概念有关的实际问题往往都需要给出定量的分析，这就需要利用模糊数学这一工具来解决。 模糊数学是一个较新的现代应用数学学科，它是继经典数学、统计数学之后发展起来的一个新的数学学科。统计数学是将数学的应用范围从确定性的领域扩大到了不确定性的领域，即从必然现象到偶然现象，而模糊数学则是把数学的应用范围从确定性的领域扩大到了模糊领域，即从精确现象到模糊现象。在各科学领域中，所涉及的各种量总是可以分为确定性和不确定性两大类。对于不确定性问题，又可分为随机不确定性和模糊不确定性两类。模糊数学就是研究属于不确定性，而又具有模糊性的量的变化规律的一种数学方法。本章对于实际中具有模糊性的问题，利用模糊数学的理论知识建立数学模型解决问题。 1.1 模糊数学的基本概念 1.1.1 模糊集与隶属函数 1. 模糊集与隶属函数 一般来说，我们对通常集合的概念并不陌生，如果将所讨论的对象限制在一定的范围内，并记所讨论的对象的全体构成的集合为U ，则称之为论域（或称为全域、全集、空间、话题）。如果U 是论域 ，则U 的所有子集组成的集合称之为U 的幂集，记作)(U F 。在此，总是假设问题的论域是非空的。为了与模糊集相区别，在这里称通常的集合为普通集。 对于论域U 的每一个元素U x ∈和某一个子集U A ?，有A x ∈或A x ?，二者有且仅有一个成立。于是，对于子集A 定义映射 }1,0{:→U A μ 即 ?? ??∈=,0, ,1)(A x A x x A ，μ 则称之为集合A 的特征函数，集合A 可以由特征函数唯一确定。 所谓论域U 上的模糊集A 是指：对于任意U x ∈总以某个程度)]1,0[(∈A A μμ属于A ，而不能用A x ∈或A x ?描述。若将普通集的特征函数的概念推广到模糊集上，即得到模糊集的隶属函数。 定义1.1 设U 是一个论域，如果给定了一个映射 ]1,0[)(]1,0[:∈→x x U A A μμα 则就确定了一个模糊集A ，其映射A μ称为模糊集A 的隶属函数，A μ称为x 对模糊集A 的隶属度。 定义1.1表明，论域U 上的模糊集A 由隶属函数A μ来表征，A μ的取值范围为闭区间]1,0[，A μ的大小反映了x 对模糊集A 的从属程度，A μ值接近于1，表示x 从属A 的程度很高，A μ值接近于0，表示x 从属A 的程度很低，使5 .0=A μ 第一部分模糊计算课后任务 找一些使用模糊数学作为基础的实际应用，并归类整理。对每种实际应用进行简单介绍，并形成文档。 模糊数学的应用 1、模糊模式识别 2、模糊聚类分析 3、模糊综合评价 4、模糊控制系统 5、模糊数学在决策中的应用 1、模糊模式识别 模式识别就是机器的识别，目的在于让机器自动识别事物。 一个典型的模式识别系统，由数据获取、预处理、特征提取和选择、分类决策以及分类器组成。一般分为学习过程和识别过程，通过这两个过程对未知类别进行分类。 在生活中有些模式的界限是不明确的，所以对于界限不明确的模式识别就称为模糊模式识别。模糊模式识别主要分为三个步骤： （1）、提取特征 （2）、建立标准类型模型 （3）、建立识别判决准则 例如：医疗诊断问题，通过病人的症状对病人进行诊断。 设病人集合为P={p1,p2,p3,p4},症状结合X={x1(发烧),x2(头痛),x3(胃疼),x4(咳嗽),x5(胸痛)},诊断结论的集合D={A1(病毒性感冒),A2(疟 疾),A3(伤寒),A4(胃病),A5(胸部问题)}。通过专家经验数据，可以得到症状与诊断结果的关系，然后通过数据关系建立症状与诊断结果的标准模型，最后经过判别准则对新的病人进行诊断。这里判别准则大致有以下几种，最大隶属度原则、阈值原则、折近原则等等。 2、模糊聚类分析 “聚类”就是按照一定的要求和规律对事物进行区分和分类，传统的聚类分析是一种硬划分，他把每个待分类的对象严格的划分到某类中，即划分界限是明确的。生活中对象大多数都没有明确的界限划分，所以，需要利用模糊集的理论来对对象进行分类，这种聚类分析叫做模糊聚类分析。常用的模糊聚类分析大致分为两类，其一是基于模糊关系（矩阵）的聚类分析，其二是基于目标函数的聚类分析。 基于模糊关系的聚类分析：即利用模糊集合之间的相似程度来对对象进行分类，大致步骤为： （1）、数据规格化 （2）、构造模糊相似矩阵 （3）、模糊分类 数据规格化的方法有： （1）标准化方法 （2）均值规格化方法 （3）中心规格化方法 （4）最大值规格化方法 模糊综合评判 1、概念及基本知识 1965年，美国著名自动控制专家查德（L.A. Zadeh ）教授提出了模糊（fuzzy ）的概念， 并发表了第一篇用数学方法研究模糊现象的论文“模糊集合”（fuzzy set ）。他提出用“模糊集 合”作为表现模糊事物的数学模型。并在“模糊集合”上逐步建立运算、变换规律，开展有关 的理论研究，就有可能构造出研究现实世界中的大量模糊的数学基础，能够对看来相当复杂 的模糊系统进行定量的描述和处理的数学方法。 而模糊综合评价是根据模糊数学的隶属度理论把定性评价转化为定量评价的一种综合 评价方法。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适 合各种非确定性问题的解决。 在决策中，对于方案、人才、成果的评价，人们的考虑往往是从多种因素出发的，而且 这些考虑一般只能用模糊语言来描述。例如，评价者从考虑问题的诸因素出发，参照有关的 数据和情况，根据他们的判断对复杂问题分别作出“大、中、小”；“高、中、低”；“优、良、 可、劣”；“好、较好、一般、较差、差”等程度的模糊评价。然后通过模糊数学提供的方法 进行运算，就能得出定量的综合评价结果。 2、模糊综合评价的基本原理 首先确定被评价对象的因素（指标）集合评价（等级）集；再分别确定各个因素的权 重及它们的隶属度向量，获得模糊评判矩阵；最后把模糊评判矩阵与因素的权向量进行模糊 运算并进行归一化，得到模糊综合评价结果。 其特点在于评判逐对象进行，对被评价对象有唯一的评价值，不受被评价对象所处对象 集合的影响。综合评价的目的是要从对象集中选出优胜对象，所以还需要将所有对象的综合 评价结果进行排序。 3、模糊综合评判方法步骤 1、确定评价对象的因素论域 2、确定评语等级论域 3、进行单因素评价，建立模糊关系矩阵R 4、确定评价因素的模糊权向量 5、多因素模糊评价 6、对模糊综合评价结果进行分析 答案二： 模糊综合评价的一般步骤如下： （1） 确定评价对象的因素集 （2） 确定评语集； （3） 作出单因素评价 （4） 综合评价 1、 确定评价对象的因素集 {}m 21,,,U u u u L = 1、（模糊聚类）已知我国31个省农业生产条件的5大指标数据。 五大指标的数据 （1）作聚类图。并告知分5类时，每一类包含的省份名称（列表显示）。（2）若分为3类，问相似水平（就是阈值）不能低于多少？ 解：新建,将全部数据存入该,打开MATLAB,在命令窗口输入： >>datastruct=importdata('') 检查一下数据是否导入正确： >> %这里是31*5的数值矩阵 >>datastruct.textdata%这里是31*1的省名称文本矩阵 >>fuzzy_jlfx(3,5, %调用网站所给的模糊数学聚类程序包 根据编号代表意义，可知分5类时的省份编号为： 第一类：9、上海 第二类：1、北京 2、天津 第三类：3、河北 第四类：4、山西 第五类：其余省市自治区都属于第五类 （2）若分成3类，由聚类图可知阈值应在（,）内。 2、（模糊评价）对某水源地进行综合评价，取U 为各污染物单项指标的集合，取V 为水体分级的集合。可取U(矿化度，总硬度，NO3-，NO2-，SO42-)，V （I 级水，Ⅱ级水，Ⅲ级水，Ⅳ级水，V 级水）。现得到该水源地的每个指标实测值x ， I 级水 Ⅱ级水 Ⅲ级水 Ⅳ级水 V 级水 矿化度 0 0 0 总硬度 0 0 0 硝酸盐 0 0 0 亚硝酸盐 0 0 0 硫酸盐 水？ 解：在matlab 命令窗口内输入数据： >> V=[0 0 0; 0 0 0; 0 0 0; 0 0 0; 0 0 0]; >> A=[,,,,]; >> fuzzy_zhpj(2,A,V) % 调用网站所给的模糊综合评判程序包 ans = 所以可以判断该地水源是Ⅲ级水。 3、（模糊识别）现有茶叶等级标准样品五种：E D C B A ，其中放映茶叶 质量的因素论域为U ，{}滋味香气汤色净度色泽条索=U 。假设各个等级的模糊集为： )4.05.06.03.04.05.0(=A )2.02.01.02.02.03.0(=B )2.01.01.02.02.02.0(=C 四 模糊数学方法 模糊数学方法，是一种研究和处理模糊现象的新型数学方法。这一方法，是由美国自动控制专家查德(L.A.Zadeh)于1965年首次提出来的。20多年来，模糊数学方法在自然科学和社会科学研究的各个领域得到了广泛应用。 4.1糊子集及其运算 在经典集合论中，一个元素对于一个集合，要么属于，要么不属于，二者必居其一，绝不允许模棱两可。这一要求就从根本上限定了以经典集合论为基础的常规数学方法的应用范围，它只能用来研究那些具有绝对明确的界限的事物和现象。但是，在现实世界中，并非所有事物和现象都具有明确的界限。譬如，“高与矮”，“好与坏”，“美与丑”，……，这样一些概念之间就没有绝对分明的界限。严格说来，这些概念就是没有绝对的外延，这些概念被称之为模糊概念，它们不能用一般集合论来描述，而需要用模糊集合论去描述。 4.1.1子集及其表示方法 1.模糊子集 (1)隶属函数：在经典集合论中，一个元素x 和一个集合A 之间的关系只能有x A ∈或者x A ?这两种情况。集合可以通过其特征函数来刻划，每一个集合A 都有一个特征函数C A (x)，其定义如下： 由于经典集合论的特征函数只允许取0与1两个值，故与二值逻辑｛0，1｝相对应。 模糊数学是将二值逻辑｛0，1｝拓广到可取[0，1]闭区间上任意的无穷多个值的连续值逻辑。因此，也必须把特征函数作适当的拓广，这就是隶属函数μ(x)，它满足： 0≤μ(x)≤1 (2) (1)式也可以记作μ(x)∈[0，1] (2)模糊子集的定义：1965年，查德首次给出了模糊子集的如下定义：设U 是一个给定的论域(即讨论对象的全体范围)，μA ：x →[0，1]是U 到[0，1]闭区 间上的一个映射，如果对于任何x ∈U ，都有唯一的μA (x)∈[0，1]与之对应，则 该映射便给定了论域U 上的一个模糊子集 ，μA 称做 的隶属函数，μA (x) 称做x 对 的隶属度。 2.模糊子集的表示方法通过上述关于模糊子集的定义可以看出，一个模糊子集完全由其隶属函数所刻划。因此，模糊子集通常有以下几种表示方法： （1）如果论域U 是有限集时，乐意用向量来表示模糊子集。一般地，若论域为U={}12,,,n x x x ，则模糊子集可表示为： =[μ1，μ2，…，μ n ] (3) 模糊分析的理论、方法与应用研究 摘要：二十世纪六十年代，产生了模糊数学这门新兴学科。模糊数学作为一个新兴的数学分支，使过去那些与数学毫不相关或关系不大的学科（如生物学、心理学、语言学、社会科学等）都有可能用定量化和数学化加以描述和处理，从而显示了强大的生命力和渗透力，使数学的应用范围大大扩展。模糊数学自身的理论研究进展迅速；模糊数学目前在自动控制技术领域仍然得到最广泛的应用，并在计算机仿真技术、多媒体辨识等领域的应用取得突破性进展；模糊聚类分析理论和模糊综合评判原理等更多地被应用于经济管理、环境科学以及医药、生物、农业、文体等领域，并取得很好效果。 关键词：模糊数学；应用；模糊评判；模糊聚类。 前言：聚类就是把具有相似性质的事物区分开加以分类。聚类分析就是用数学方法研究和处理给定对象的分类，“人以群分，物以类聚”，聚类问题是一个古老的问题，是伴随着人类产生和发展不断深化的一个问题。人类要认识世界就必须要区分不同的事物并认识事物间的，聚类就是把具有相似性质的事物区分开加以分类。经典分类学往往是从单因素或有限的几个因素出发，凭经验和专业对事物分类。这种分类具有非此即彼的特性，同一事物归属且仅归属所划定类别中的一类，这种分类的类别界限是清晰的。随着着人们认识的深入，发现这种分类越来越不适用于具有模糊性的分类间题，如把人按身高分为“高个子的人’，“矮个子的人”，“不高不矮的人”。如何判别特定的一个人的类别便产生了经典分类学解决不了的困难。模糊数学的产生为上述软分类提供了数学基础，由此产生了模糊聚类分析。我们把应用普通数学方法进行分类的聚类方法称为普通聚类分析，而把应用模糊数学方法进行分析的聚类分析称为模糊聚类分析。1965年L. A. Zadeh创立了模糊集合论不久，E. H. Ruspinid于1969年引人了模糊划分的概念进行模糊聚类分析。I. Gitman和M. D. Levine提出了单峰模糊集方法用于处理大数据集和复杂分布的聚类。1974年J. C. Bezdek和J. C. Dunn 提出了模糊ISODATA聚类方法。随着模糊数学传人我国，模糊聚类分析也传人了我国。其应用领域已包括了天气预报、气象分析、模式识别、生物、医学、化学等诸多领域。模糊评价方法的基本步骤
Fuzzy模糊数学-共5节-电子书---讲义
模糊数学综合评价模型
数学分析心得体会
用模糊数学综合评价法对水质进行评价
模糊数学在聚类分析中的作用(matlab代码)
模糊综合评价法的数学建模方法简介_任丽华
模糊综合评价法的应用研究【文献综述】(01)
模糊综合评价法
数学建模方法详解模糊数学
模糊数学的应用
模糊数学综合评价总结
数模模糊数学作业题目答案
模糊数学方法
模糊聚类分析的理论