Bài giảng Xử lý thông tin mờ - Chương 1: Nhập môn
THÔNG TIN VÀ XỬ LÝ THÔNG TIN
• Con người tư duy trên ngôn ngữ tự nhiên
- Học, quy nạp
- Diễn giải, chuẩn hóa
- Suy luận
• Cần có các mô hình để biểu diễn và xử lý thông tin
• Thông tin:
- Các yếu tố mơ hồ, không chính xác, không đầy đủ,
không rõ ràng … (khoảng, xấp xỉ, gần, hơn, …)
Không gian tham chiếu X
- Các yếu tố không chắc chắn, độ tin cậy, nhiễu …(có
thể, hầu hết, ít nhất, …)
• Con người tư duy trên ngôn ngữ tự nhiên
- Học, quy nạp
- Diễn giải, chuẩn hóa
- Suy luận
• Cần có các mô hình để biểu diễn và xử lý thông tin
• Thông tin:
- Các yếu tố mơ hồ, không chính xác, không đầy đủ,
không rõ ràng … (khoảng, xấp xỉ, gần, hơn, …)
Không gian tham chiếu X
- Các yếu tố không chắc chắn, độ tin cậy, nhiễu …(có
thể, hầu hết, ít nhất, …)
Bạn đang xem 20 trang mẫu của tài liệu "Bài giảng Xử lý thông tin mờ - Chương 1: Nhập môn", để tải tài liệu gốc về máy hãy click vào nút Download ở trên.
File đính kèm:
- bai_giang_xu_ly_thong_tin_mo_chuong_1_nhap_mon.pdf
Nội dung text: Bài giảng Xử lý thông tin mờ - Chương 1: Nhập môn
- XỬ LÝ THÔNG TIN MỜ TDK
- TÀI LIỆU THAM KHẢO •Hồ Thuần, Đặng Thanh Hà, Logic mờ và ứng dụng, Nhà xuấtbản ĐạihọcQuốc gia Hà Nội • T.J. Ross, Zimmermann, , FSS
- THÔNG TIN VÀ XỬ LÝ THÔNG TIN • Con ngườitư duy trên ngôn ngữ tự nhiên -Học, quy nạp -Diễngiải, chuẩn hóa -Suyluận •Cần có các mô hình để biểudiễnvàxử lý thông tin • Thông tin: -Cácyếutố mơ hồ, không chính xác, không đầy đủ, không rõ ràng (khoảng, xấpxỉ, gần, hơn, ) KhônggianthamchiếuX -Cácyếutố không chắcchắn, độ tin cậy, nhiễu (có thể, hầuhết, ít nhất, ) Độ tin cậy(đúng, sai) [0,1] µ Có trường hợp không đúng, không sai
- BIẾN NGÔN NGỮ •(V, TV, X, G, M), trong đó: - V là tên củabiến ngôn ngữ -TV là tập giá trị củabiến ngôn ngữ - X là không gian tham chiếu - G là cú pháp sản sinh ra các phầntử TV -M làtậpcácluậtngữ nghĩa
- VÍ DỤ BIẾN NGÔN NGỮ •Mold(u) = 0, vớiu 60 Hoặc •Mold(u) = 0, vớiu≤50 1/[1+25/(u-50)2], vớiu>50
- 2.1. TẬP MỜ • Tập con (rõ): Cho không gian X, tậpA ⊂ X được định nghĩabởi hàm đặctrưng χA: X → {0,1}, với χA(u)=1, nếuu∈A, và χ (u)=0, nếuu∉A A ~ • Tập (con) mờ: ChokhônggianX, tập A ⊂ X đượcbiểudiễnbởi hàm thuộc:µ ~ X → [0,1], A ~ ~ với(u)µ A làđộ thuộccủaphầntử u∈Xvào A Biểudiễn: A = { (u,µA(u)) │u∈XvàµA: X→[0,1] } Ví dụ: X = {1,2,3,4,5,6,7,8,9,10}, nhỏ = {(1,1.0), (2,0.6), (3,0.2), (4,0.0), , (10,0.0) }
- CÁC ĐĂC TRƯNG CỦA TẬP MỜ • Giá đỡ: Supp(A) = {u∈X ⎥µA(u) > 0} • Chiềucao: h(A) = supu∈X µA(u) • Tậpmờ chuẩn: nếuchiềucao=1 • Nhân: ker(A) = {u∈X ⎥µA(u) = 1} • Lựclượng: ⎥ A⎥ = Σu∈X µA(u) A B C D X
- VÍ DỤ • X = {1,2,3,4,5,6,7,8,9,10} 0.2 0.5 0.8 1 0.8 0.5 0.2 A = + + + + + + 2 3 4 5 6 7 8 •A0.2 = {2,3,4,5,6,7,8} •A0.5 = {3,4,5,6,7} •A0.8 = {4,5,6} •A1.0 = {5}
- SO SÁNH CÁC TẬP MỜ • Cho 2 tậpmờ A, B xác định trên cùng không gian X, ta có A=B, nếu ∀u∈X: µA(u) = µB(u) • Cho 2 tậpmờ A, B xác định trên cùng không gian X, ta có A bao hàm trong B, nếu ∀u∈X: µA(u) ≤µB(u), ký hiệuA⊂B (có thể viếtA ⊂ X, cho “A xác định trên không gian X”)
- MỜ HOÁVÀKHỬ MỜ •Mờ hoá: giá trị u∈Xtương ứng tậpmờđơntrị •Từ một nhãn ngôn ngữ, có thể biểudiễnbằng các dạng tậpmờ khác nhau: khoảng, tam giác, hình thang, hình chuông, •Khử mờ: chuyểntậpmờ về một giá trị rõ β ∑ µ A (u) .u * u∈X x = β ∑ µ A (u) u∈X Nếu β→∞: cực đại, β=1: trung bình
- VÍ DỤ 0.5 0.7 0.8 0.1 0.4 1.0 0.3 0.3 A = + + + B = + + + x1 x2 x3 x4 x1 x2 x3 x4 0.5 1.0 0.8 0.3 A∪ B = + + + x1 x2 x3 x4 0.4 0.7 0.3 0.1 A∩ B = + + + x1 x2 x3 x4 0.6 0.7 0.7 BC = + + x1 x3 x4
- CÁC PHÉP TOÁN KHÁC •Tổng đạisố: µA+B(u) = µA(u) + µB(u) - µA(u).µB(u) •Tíchđạisố: µA.B(u) = µA(u).µB(u) •Cộng tuyển: A⊕B = (A∩B) ∪ (AC∩BC) •Hiệu: A - B = A∩BC • ! Chú ý: A ∪ AC ≠ X, A ∩ AC ≠∅ • ! A, B có thể thuộc hai không gian khác nhau
- CÁC VÍ DỤ CHO AND, OR • Zadeh: min(a,b), max(a,b) • Giles: algebraic product a.b, sum a+b-ab • Bonissone, Decker: drastic product, sum (b=1: a, a=1: b, else 0), (b=0: a, a=0: b, else 1) • Lukasiewicz: bounded difference, sum max(a+b-1,0), min(a+b,1) • Einstein product, sum: ab / [2-(a+b-ab)], (a+b) / (1+ab) • Hamacher: ab / (a+b-ab), (a+b-2ab) / (1-ab)
- VÍ DỤ • Zadeh (t3,s3): min(a,b), max(a,b), 1-a • Algebraic (t2,s2): a.b, a+b-a.b, 1-a • Lukasiewicz (t1,s1): max(a+b-1,0), min(a+b,1), 1-a • Hamacher: ab/ [γ+(1- γ)(a+b-ab)], [(a+b+ab)-(1-γ)ab] / [1-(1-γ)ab], 1-a, γ>0 • •Cực biên (t0,s0): (b=1: a, a=1: b, else 0), (b=0: a, a=0: b, else 1), 1-u
- PHÉP TÍCH ĐỀ CÁC •Giả sử có nhiều không gian tham chiếuX1, X2, , Xr, khôngcótácđộng lẫn nhau, cho A1⊂X1, A2⊂X2, , Ar⊂Xr, thì Tích đề các A = A1×A2× ×Ar là tậpmờ xác định trên không gian X1×X2× ×Xr với hàm thuộc µA(u1, u2, , ur) = = min {µA1(u1), µA2(u2), , µAr(ur)} •HìnhchiếutrênX1 củatậpmờ A⊂X1×X2 là: vớiu1∈X1: µ ProjX1(A) (u1) = sup u2∈X2 µA(u1,u2)
- NGUYÊN LÝ MỞ RỘNG •Chotậpmờ A⊂X và ánh xạ ϕ: X→Y, thì có thể định nghĩatậpmờ B⊂Y thông qua A và ϕ như sau: •Vớiy∈Y, -1 µB(y) = sup {x∈Xvày=ϕ(x)} µA(x), nếu ϕ (y)≠∅ -1 µB(y) = 0, nếu ϕ (y)=∅ •Vídụ: A = {(2, 0.4), (3, 0.7), (4, 0.2)}, ϕ(2)=nâu, ϕ(3)=nâu, ϕ(4)=đỏ Î B = { (nâu, 0.7), (đỏ, 0.2) } ! Ý nghĩa: dẫnxuất thông tin