利用现有的一些函数,通过参照比较,选择最能代表所论模糊集的函数作为隶属函数。常用的一些参照函数有下列数种类型。
1.偏大型(S型)
这种类型的隶属函数随x的增大而增大,随所选函数的形式不同又分为以下类型。
1)升半矩形分布(图7.3.1)
图7.3.1 升半矩形分布
2)升半Γ分布(图7.3.2)
图7.3.2 升半Γ分布
其中k>0。
3)升半正态分布(图7.3.3)
图7.3.3 升半正态分布
其中k>0。
4)升半柯西分布(图7.3.4)
图7.3.4 升半柯西分布
其中α>0,β>0。
5)升半梯形分布(图7.3.5)
图7.3.5 升半梯形分布
6)升岭形分布(图7.3.6)
图7.3.6 升岭形分布
2.偏小型(Z型)
这种类型的隶属函数随x增大而减小,又可分为以下类型。
1)降半矩形分布(图7.3.7)
图7.3.7 降半矩形分布
2)降半Γ分布(图7.3.8)
图7.3.8 降半Γ分布
其中k>0。
3)降半正态分布(图7.3.9)
图7.3.9 降半正态分布
(www.xing528.com)
其中k>0。
4)降半柯西分布(图7.3.10)
图7.3.10 降半柯西分布
其中α>0,β>0。
5)降半梯形分布(图7.3.11)
图7.3.11 降半梯形分布
6)降岭形分布(图7.3.12)
图7.3.12 降岭形分布
3.中间型(π型)
这种类型的隶属函数在(-∞,a)上为偏大型,在(a,+∞)为偏小型,所以称为中间型,又可分为以下类型。
1)矩形分布(图7.3.13)
图7.3.13 矩形分布
2)尖Γ分布(图7.3.14)
图7.3.14 尖Γ分布
其中k>0。
3)正态分布(图7.3.15)
图7.3.15 正态分布
其中k>0。
4)柯西分布(图7.3.16)
图7.3.16 柯西分布
其中α>0,β>0为正偶数。
5)梯形分布(图7.3.17)
图7.3.17 梯形分布
6)岭形分布(图7.3.18)
图7.3.18 岭形分布
在实际应用中,通常将上述三种方法结合起来使用。例如,“年老”的模糊集的隶属度就参照了“偏大型”的“升半柯西分布”,并在其中令a=50,α=,β=2,而“年轻”的模糊集的隶属度就参照了“偏小型”的“降半柯西分布”,并在其中令a=25,α=25,β=2。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。