- •Часть 1.
- •Глава 1. Математические основы формализации и методов описания
- •Формализация объекта и парадигмы
- •1.3. Множества и перечень базовых операций над множествами
- •Перечень базовых операций над множествами
- •Области определения функций
- •Обратная функция
- •Теорема
- •Мера и нечеткая мера
- •Задача построения нечетких мер
- •Нечеткие множества: определение и формы записи в операциях и
- •1.7.Функции доверия и правило Демпстера а.Р.,[23]
- •1.8. Нормировка функций в теории нечётких множеств
- •1.9. Нечёткие отношения: прямая и обратная задачи
- •Глава 2. Методы представления знаний с использованием
- •Приближенных и нечетких множеств
Базовые функции. Рассмотрим две одинаковые числовые оси.
- числовая функция от х.
Если каждому значению х из (a; b) по какому- нибудь закону или правилу f
поставлено в соответствие одно определенное значение другой величины
, то говорят, что – естьчисловая функция от х.
х – аргумент;
(a, b) – область определения функции;
(c,d) – область значений функций.
Например: y = sinx; y = x²;
х – независимая переменная,
у – зависимая переменная от х.
Множество точек М (х; у), где , называется графиком функции .
Простейший вид заданного типа функции называется базовой функцией.
Пример, - линейная функция. Базовой функцией будет являться функция.
При построении функции заданного типа предварительно строим график базовой функции.
Пример: Построить график функции .
Перед нами – квадратичная функция. Ее графиком является парабола. Базовой функцией будет являться функция .
Для построения нашей функции выделим полный квадрат:
График нашей функции строится в три этапа:
Строим график базовой функции
Сдвигаем нашу функцию на влево:
Опускаем график полученной функции на вниз.
График
функции
Понятие сложной функции
Для освоения понятия сложной функции введем в рассмотрение промежуточную числовую ось z.
Для примера рассмотрим функцию . Для этой функции, для заданногох, предварительно вычисляется . Для полученного значенияz вычисляется . Таким образом, в два приема для заданногох, мы получили значение . Такое задание от х называется сложной функцией.
–сложная функция от х.
Промежуточных числовых осей может быть несколько.
Например:
Обратная функция
Простейшие функции, изучаемые в средней школе, называются базовыми функциями.
Элементарной функцией будем называть базовую функцию или функцию,
полученную путем четырех арифметических действий из базовых функций, или
взятия сложной функции, последовательно применяемых конечное число раз
.
Говорят, что функция непрерывна в точке , если выполнены следующие условия:
–существует значение функции в точке
существуют пределы функции слева и справа при
все полученные нами числа должны быть равны между собой.
И записывается это так:
Так как, ,то условие непрерывности примет вид
Для непрерывной функции знак предела и знак функции можно переставлять местами.
Разрывная функция
}
скачок
Конечный скачок
Бесконечный скачок
Устранимый
скачок: предел
слева равен пределу справа, а в точке
значение
не
существует, или не совпадает с пределами.
В точке значение функции вычислить нельзя, так как на 0 делить нельзя.
Теорема
Всякая элементарная функция непрерывна в области своего определения:
Мера и нечеткая мера
Понятие меры было введено для частных случаев Э. Борелем К. [18], К. Жорданом [19] и А. Лебегом [20]. В современной теории меры Banon G. формулирует его следующим образом, [11].
Пусть заданы области определения: аддитивный класс 2x в пространстве X на универсальном множестве X; значения – множество действительных чисел R. Функция множества называется мерой , если выполняются условия {1,2,3}:
ограниченность -;
неотрицательность -;
аддитивность -.
В теории нечётких множеств используется понятие «нечеткая мера», на основе которой определяется функция доверия.
Пусть теперь заданы области определения, аддитивный класс 2А в пространстве А на универсальном множестве X; значения - отрезок [0,1] на множестве действительных чисел.
Функция множества называется нечеткой мерой g:
, если выполняются условия {1,2,3}:
ограниченность – g (Ø) = 0, g(x)=1;
монотонность – для
непрерывность – для An2A и монотонной последовательности
Тройка называется пространством с нечеткой мерой.
Задача построения нечетких мер
Пусть в результате некоторого наблюдения или эксперимента в для,стали известны (измерены) значения функции.
Задача построения нечеткой меры заключается в том, чтобы пос помощью какого-либо правила, определить.
В отличие от меры m, нечеткая мера , по определению, не является аддитивной, т.е.≠.
Поэтому М. Сугэно [21] постулировал λ-правило для построения нечетких мер с параметром нормировки λ:
В частном случае, при ,λ - правило запишем следующим образом:
Если теперь так задать, чтобы, то, с учётом
, получим выражение для параметра нормировки λ:
(1.9)
Дальнейшее рассмотрение построения нечетких мер требует их аппроксимации с применением (L-R) функции по Д. Дюбуа и А. Праду [22].
Это может быть выполнено для конкретных нечетких мер из их классификации.
Представим классификацию нечетких мер по Banon G. [11]:
НЕЧЕТКИЕ МЕРЫ
Функция
доверия. Мера необходимости Функция
правдоподобия. Мера возможности
λ>0
λ=0
λ<0
Рис.1.4. Классификация нечетких мер.
Нечеткие множества: определение и формы записи в операциях и
методах представления знаний
Заданы: дискретная область определения – аддитивный класс 2Х в пространстве Х на универсальном множестве Х; область значения – отрезок [0,1] на множестве действительных чисел.
Аксиома 4: функция множества А называется функцией принадлежности μ, если для любых она отображает область определения на область значения:
μ: 2X[0,1]. (1.10)
Каждому значению μ(xi) дается одна из следующих понятийных интерпретаций {1,2,3}:
нечеткость суждения ;
субъективная совместимость xi и A;
мера нечеткости xi.
Обобщением данных свойств является понятие «нечеткость» (fuzzy) или принадлежность элемента xi множеству A.
Аксиома 5: нечеткое множество НМ есть совокупность упорядоченных пар- элементов множества А и соответствующих им значений функции принадлежности:
{|xi, μ(xi)|}, (1.11)
где А ={{xi}}, iI{1,2,…n}.
Множество А называется носителем нечеткого множества.
На примере носителя А ={x1,x2,x3} и значений функций принадлежности μ(x1)=,μ(x2)=μ2, μ(x3)=μ3 приведем основные формы записи нечётких множеств:
А = {x1, x2, x3}, (1.12)
μA = μ1, μ2, μ3.
μ1/x1+μ2/x2+μ3/x3=, (1.13)
. (1.14)
Каждое нечеткое множество может иметь многоуровневое представление в виде набора носителей, определенных для заданных значений μ:
, (1.15)
где Аα – носитель уровня α, т.е. подмножество на области определения, для элементов которого,i{1,2,..n}, /- связка «при».
Например, если для нечетких множеств = {(x1, 0.2), (x2, 0.3), (x3, 0.5)} заданы уровни представления α=0,2 и α=0,3, то получим А0,2 = {x1,x2,x3} и A0,3 ={x2, x3}. Таким образом, данное нечеткое множество на уровнях 0,2 и 0,3 представлено 2-мя носителями: А0,2 = {x1,x2,x3} и A0,3 = {x2,x3}.
К любому нечеткому множеству, равному {(xi, μi)} с носителем А = {{xi}} и
iI{1,2,…n}, можно добавить пару вида (xk, 0), k{1,2,…n} и k≠i.
Такая процедура называется модификацией мощности носителя.
Базовые операции над нечеткими множествами с модифицированными носителями: нечеткое множество 1 есть {(xi, μi)} и нечеткое множество 2 равное
{(xi,)},i{1,2,…n}, сводятся к вычислению функции принадлежности результата {1,2,3,4}:
дополнение , γ=1-μi;
разность НМ1\НМ2, γ=MIN(μi,1-);
пересечение (произведение) ∩, γ=MIN (μi,);
объединение (сумма) , γ=(μi,).
1.7.Функции доверия и правило Демпстера а.Р.,[23]
Заданы области: определения – аддитивный класс в пространствена универсальном множествеX; значения – отрезок [0;1] на множестве действительных чисел.
Ограниченность – Bel(ø)=0, Bel(X)=1;
Супераддитивность – для m множеств X.
(1.16)
Понятийно Bel – это, по Г. Шеферу (G. Shafer) [24], мера доверия гипотезе, которой соответствует множество в аргументе функции.
Например, если имеется гипотеза: A есть одиночное множество {x1} или {x2}, или {x3}, то A={x1}{x2}{x3} и мера доверия этой гипотезе будет равна Bel(A).
Рассмотрим частный случай: на множестве ={x1,x2} определены и . Из супераддитивности функции доверия при m =2 следует:
Bel({x1}{x2})Bel({x1})+Bel({x2})-({x1}{x2}). (1.17)
Из ограниченности функции доверия следует:
Bel({x1}{x2})=Bel(ø)=0,
Bel({x1}{x2})=Bel()=1. (1.18)
Используя формулу (1.17), в случае равенства и (1.18), получим:
Bel({x1})+Bel({x2})=1. (1.19)
Из (1.19), с учётом {x2}={x1}, вытекает:
Bel({x1})=1-Bel({x1}) . (1.20)
Соотношение (1.20) называется нормирокой Bel.
Рассмотрим применение нормированной функции доверия для обработки данных.
В наx={x1,x2,…,xi,…,xn} определена Bel и результатом некоторого эксперимента или наблюдения в является факт, который известен в виде элементаxi и его значения функции принадлежности μi, то есть, как нечёткое множество НМ={(xi, μi)} с носителем {xi}, принадлежит {1,2,…,n}.
Аксиома 7. Функция доверия с простым носителем:
Bel={0, при A не включаемом в {xi};
μi при A, включенном в {xi}; 1- при A=}, где - множество из гипотез {1,2,3}:
(1.21)
A есть любой элемент {xj}, кроме {xi};
A есть {xi}, или любой другой элемент {xj};
A есть универсальное множество X.
Рассмотрим теперь простейшую гипотезу: A есть однозначное множество {xi}. Дополнительно к свойствам нечёткого множества, эта гипотеза интерпретируется как определение меры доверия факту с помощью соотношения (1.21): Bel ({xi})=.
Пусть теперь все экспериментальные данные сосредоточены на наборе, состоящем из двух фактов:
НМ={(xi, μi),(xj, μj)}с носителем {xi}{xj}, принадлежит{1,2,…,n}.
Аксиома 8:
Правило Демпстера: (композиция Bel({xi}) и Bel({xj})) при их объединении ({xi}{xj}), не равна X:
Bel({xi})Bel({xj}) = . (1.22)
Выражение (1.22) определяет меру доверия двум фактам.
Если все экспериментальные данные сосредоточены на наборе, состоящем из m фактов НМ={(xi,)} с носителем {{xi}}, iI{1,2,…,n}, m=#I, то получаем композицию:
, (1.23)
Выражение (1.23) определяет меру доверия набору из m фактов.
1.8. Нормировка функций в теории нечётких множеств
В наопределена и нормирована:
. (1.24)
Опыт системных аналитиков говорит: использование только нормированных функций приводит к тривиальным результатам.
Для устранения тривиальности в теории нечётких множеств изначально заложена ненормированность функции принадлежности:
(1.25)
Таким образом, в нечётких технологиях используется ненормированная входная функция , а внутренние (например,Bel) и выходные – нормированы.
Это позволяет учитывать все особенности и противоречия внешнего (физического) мира, а на выходе из технологии (дефаззификация) получать результаты в привычном диапазоне, например от 0 до 1, или в процентах.
1.9. Нечёткие отношения: прямая и обратная задачи
В наопределены нечёткие множества.
, (1.26)
Аксиома 9:
Нечёткие отношения (НО) двух нечётких множеств есть совокупность упорядоченных пар {xi, xj} и соответствующих им значений функции принадлежности:
. (1.27)
Нечёткое отношение между НМ1 и НМ2 есть частный случай использования композиционных правил нечёткого ввода НМ1 => НМ2.
Пусть имеется два набора факторов НМ1= {(xi, μi)}, где i равно от 1 до n, НМ2= {xj, μj}, где j равно от 1 до n и установлена зависимость между ними в виде правила: НМ1 => НМ2, которому соответствует нечёткое отношение {(xi,xj), (μi, μj)}. Теперь, если известен набор фактов НМ1’= {xi’, μi’}, где i принадлежит от 1 до n, то можно сделать нечёткий вывод, что или поопределить, используя правило композиции:
(1.28)
перебором , или методом С.Ю. Маслова, [25]. Приближённое решение
(в сторону уменьшения Bel):
, (1.29)
где μji - матрица транспонирования относительно μij.
Глава 2. Методы представления знаний с использованием
Приближенных и нечетких множеств