隶属度函数

　　若对论域（研究的范围）U中的任一元素x，都有一个数A(x)∈[0，1]与之对应，则称A为U上的模糊集，A(x )称为x对A的隶属度。当x在U中变动时，A( x)就是一个函数，称为A的隶属函数。隶属度A(x)越接近于1，表示x属于A的程度越高，A(x)越接近于0表示x属于A的程度越低。用取值于区间(0，1)的隶属函数A(x)表征x 属于A的程度高低。隶属度属于模糊评价函数里的概念：模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。

　　中文名称

　　隶属度函数

　　外文名称

　　Degree of Membership Function

　　分类

　　函数

　　定义

　　数学

　　定义

　　美国加利福尼亚大学控制论教授扎得（L、A、Zadeh）经过多年的琢磨，终于在1965年首先发表了题为《模糊集》的论文。指出：若对论域（研究的范围）U中的任一元素x，都有一个数A（x）∈[0，1]与之对应，则称A为U上的模糊集，A（x ）称为x对A的隶属度。当x在U中变动时，A（ x）就是一个函数，称为A的隶属函数。隶属度A（x）越接近于1，表示x属于A的程度越高，A（x）越接近于0表示x属于A的程度越低。用取值于区间[0，1]的隶属函数A（x）表征x 属于A的程度高低，这样描述模糊性问题比起经典集合论更为合理。

　　隶属度属于模糊评价函数里的概念：模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。

　　基本分类

　　隶属度函数是模糊控制的应用基础,是否正确地构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。

　　隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归。下面介绍几种常用的方法。

　　模糊统计

　　模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合 A3可以有不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中, vo是固定的,A3的值是可变的,作 n次试验,其模糊统计可按下式进行计算

　　v0对 A 的隶属频率 = v0∈A 的次数 / 试验总次数 n

　　随着 n的增大,隶属频率也会趋向稳定,这个稳定值就是 vo对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。

　　加载更多

　　相关搜索

　　隶属度函数类型

　　隶属度计算公式

　　隶属函数计算公式

　　隶属度函数实例计算

　　模糊控制隶属度函数

　　隶属度函数怎么确定

　　隶属度函数表达式

　　隶属度函数的分类

　　1.隶属度函数计算：