Post on 14-Jan-2016
description
transcript
Zpracování neurčitostiFuzzy přístupy
RNDr. Jiří Dvořák, CSc.dvorak@uai.fme.vutbr.cz
Fuzzy množinyFuzzy množina A v univerzu U :
U … klasická množina … funkce příslušnosti (charakteristická funkce)
… stupeň příslušnosti prvku x k fuzzy množině A
Prázdná fuzzy množina
),( AUA
A
1;0: UA
)(xA
0)( x
Fuzzy čísla
Fuzzy číslo A je fuzzy množina na universu reálných čísel, která je určena čtveřicí bodů
( a(1), a(2), a(3), a(4) ) a po částech souvislou funkcí příslušnosti s následujícími vlastnostmi: a(1) a(2) a(3) a(4)
je rovna nule pro x a(1) a x a(4) je rovna jedné pro a(2) x a(3) je rostoucí na a(1), a(2) a klesající na a(3), a(4)
Speciální případy fuzzy čísel
Lichoběžníkové fuzzy číslo: A = ( a(1), a(2), a(3), a(4) )
Trojúhelníkové fuzzy číslo: A = ( a(1), a(2), a(3) )
0,1,,minmax
)4()3(
)4(
)1()2(
)1(
aa
ax
aa
axxA
0,,minmax
)3()2(
)3(
)1()2(
)1(
aa
ax
aa
axxA
A(x)
1
0a(3) a(4)a(2)a(1)
x
A(x)
1
0a(3)a(2)a(1)
x
Základní operace s fuzzy množinami
Nechť , .
Doplněk fuzzy množiny A:
Sjednocení fuzzy množin A a B:
Průnik fuzzy množin A a B:
),( AUA ),( BUB
),( AUA )(1)( xx AA
),( BAUBA )(),(max)( xxx BABA
),( BAUBA )(),(min)( xxx BABA
Kartézský součin a fuzzy relace
Nechť , .
Kartézský součin fuzzy množin A a B:
Fuzzy relace:
jsou klasické množiny
Kartézský součin fuzzy množin je zvláštním případem fuzzy relace.
),( AUA ),( BVB
),( BAVUBA )(),(min),( yxyx BABA
),...( 21 RnUUUR
nUUU ,...,, 21
1,0...: 21 nR UUU
Cylindrické rozšíření a silná kompoziceNechť m < n, , .
Cylindrické rozšíření fuzzy relace R na :
Cyl(R) = R*
Nechť ,
Silná kompozice relací R a S
niii m ...1 21 ),...(21 Riii m
UUUR
nUUU ...21
),...,,(),...,,(21
* 21 miiiRnR xxxxxx
),( RVUR ),( SWVS
),( SRWUSR
),(),,(minsup),( zyyxzx SRVy
SR
Lingvistická proměnnáLingvistická (slovní, jazyková) proměnná je taková proměnná, jejíž
hodnotami jsou slova. Významy těchto slov jsou reprezentovány jako fuzzy množiny v nějakém univerzu.
Strukturovaná lingvistická proměnná:
X … jméno proměnné, T … množina termů (tj. slovních hodnot proměnné), U … univerzum (neprázdná klasická množina), G … množina syntaktických pravidel pro generování hodnot z T M … množina sémantických pravidel interpretujících hodnoty z T jako fuzzy množiny s univerzem U.
Nestrukturovaná lingvistická proměnná:
T … konečná množina fuzzy množin s univerzem U.
),,,,( MGUTXX
),,( UTXX
Vícehodnotová logikaMnožina logických (pravdivostních) hodnot
C = 0 představuje pravdu a 1 nepravdu.
Logická proměnná je proměnná nabývající hodnot z množiny C. Nechť W je konečná množina logických proměnných.
Množina logických spojek L = {, , , }
(disjunkce, konjunkce, odvážná konjunkce, implikace).Formule je konečný řetězec, definovaný těmito pravidly:
Je-li C, pak je formule. Je-li W, pak je formule.Jestliže a jsou formule a L, pak ( ) je formule.
Interpretace formule je dosazení logických konstant za logické proměnné.
Pravdivostní ohodnocení
Nechť Q je množina všech formulí a (Q) množina všech jejich interpretací. Pravdivostním ohodnocením nazveme zobrazení V: (Q) C, splňující následující požadavky:
V() =
Operace negace je definována takto: = 0
Pro pravdivostní ohodnocení negace pak dostaneme:
)(),(max)( VVV
1)()(,0max)&( VVV
)()(1,1min)( VVV
)(),(min)( VVV
)(1)(1,1min)0()( VVVV
Příklady implikací
Lukasiewiczova:
Kleene-Dienesova:
Zadehova:
Gödelova:
)(),(1max)( VVV
)(),(min),(1max)( VVVV
jinak)(
)()( pro1)(
V
VVV
)()(1,1min)( VVV
Kompoziční pravidlo usuzování
Uvažujme pravidlo
IF X = A THEN Y = B
Nechť , . Pak toto pravidlo můžeme chápat jako fuzzy relaci
Ve fuzzy systémech se charakteristická funkce této relace často definuje vztahem
a relace se nepřesně označuje názvem Mamdaniho implikace.
),( AUA ),( BVB
),( RVUR
)(),(min),( yxyx BAR
Kompoziční pravidlo usuzování
Pravidlo fuzzy modus ponens:
Nechť . Pak fuzzy množina může být určena takto:
Je-li univerzum U konečná množina, můžeme operátor sup nahradit operátorem max.
BYBYAXAX
THENIF,
),( AUA ),( BVB
),(),(minsup)( yxxy RAUx
B
Báze fuzzy pravidel
Předpokládejme , že znalostní báze je tvořena m pravidly tvaru
IF X1 = Ai1 AND X2 = Ai2 AND … AND Xn = Ain THEN Y = B
kde , .
Těmto pravidlům odpovídají fuzzy relace
Podmínku na levé straně i-tého pravidla můžeme vyjádřit ve tvaru
X = Ai , kde ,
Báze fuzzy pravidel může být reprezentována relací
),(ijAjij UA ),(
iBi VB
),...( 21 iRni VUUUR
),...,,( 21 nXXXX iniii AAAA ...21
i
m
i
RR 1
Zodpovězení dotazu
Nechť nyní je položen dotaz
X1 = A01 AND X2 = A02 AND … AND Xn = A0n
Odpovědí systému je fuzzy množina
Při použití Mamdaniho interpretace relací Ri můžeme tento vztah
převést do tvaru umožňujícího efektivnější výpočet:
),(00 BVB
),(max),(minminsup)(
,...,1,...,1 00yxy
ij Rmi
jAnjU
B xx
)(),(minsupmin),(minmax)(00 ,...,1,...,1
jAjAUxnj
Bmi
B xxyyijj
jj
i
Příklad tvorby odpovědi
Systém LMPS
LMPS (Linguistic Model Processing System) je systém pro slovní modelování funkcí a relací.
Slovní model je formule, ve které jsou nahrazeny logické proměnné charakteristickými funkcemi fuzzy množin, které sémanticky interpretují slovní hodnoty lingvistických proměnných.
Systém LMPS rozlišuje dva typy slovních proměnných:• slovní proměnná s reálným univerzem • slovní proměnná s univerzem slovních hodnot V systému LMPS se používají tři typy slovních modelů: • CCD-model (vhodný pro relace, které nejsou funkcemi) • CIC-model • CI&-model
CCD-model
CCD-model je tvořen CC-prohlášeními, která jsou propojena spojkou disjunkce.
CC-prohlášení má tvar
X1 je A1 a X2 je A2 a … a Xn je An a Y = B
kde Xj a Y jsou lingvistické proměnné a Aj a B jsou jejich slovní hodnoty.
CC-prohlášení je vlastně sémantickou interpretací IF-THEN pravidla při použití Mamdaniho „implikace“.
CCD-model interpretuje pravdu tak, že pravdivé je to, co tvrdí alespoň jedno prohlášení.
Model není citlivý na spory mezi prohlášeními a nebere v úvahu redundantní informace.
Modely CIC a CI&
CIC-model a CI&-model jsou tvořeny CI-prohlášeními tvaru
X1 je A1 a X2 je A2 a … a Xn je An pak Y = BCI-prohlášení je sémantickou interpretací IF-THEN pravidla při
použití Lukasiewiczovy implikace. V CIC-modelu jsou prohlášení propojena pomocí konjunkce, kdežto
v CI&-modelu je k tomuto účelu použita odvážná konjunkce.V těchto modelech se za pravdivé považuje to, co není v rozporu
s žádným prohlášením. Oba modely jsou citlivé na spory (absolutní spor v prohlášeních
vede k úplné ztrátě informace) a berou v úvahu redundantní informace.
Vlastnosti CIC-modelu redundantní informace obecně zhoršují, kdežto u CI&-modelu je tomu naopak (pokud tyto informace nejsou vzájemně sporné).
Zpracování dotazu v systému LMPS
Systému LMPS jsou zadávány dotazy tvaru
Jaká je hodnota Y, jestliže X1 je H1 a X2 je H2 a … a Xn je Hn ?
Každé CC-prohlášení je nahrazeno formulí
a každé CI-prohlášení je nahrazeno formulí
pro každé y V, kde pro reálné univerzum
a pro univerzum slovních hodnot
Tyto formule spojeny logickými spojkami , resp. , resp. &.
Pravdivostní ohodnocení výsledné formule určuje stupeň příslušnosti hodnoty y k fuzzy množině, která je odpovědí na zadaný dotaz.
)(...21 yn
)(...21 yn
)(),(minmax xxjj
j
AHUx
j
)()( yy B
jj
jjj AH
AH
li-je0
li-je1
By
Byy
li-je0
li-je1)(
Defuzzifikace
Defuzzifikace je proces, v němž nějaké fuzzy množině přiřazujeme ostrou hodnotu, která ji v jistém smyslu nejlépe reprezentuje.
Nejčastěji používané metody defuzzifikace: • Metoda těžiště (COA, center of area):
• Metoda maxima:
Pokud je takových bodů více, může se použít některá z následujících metod.
• Metoda prvého maxima (FOM, first of maxima).• Metoda průměrného maxima (MOM, mean of maxima).
V B
V B
dyy
dyyyy
)(
)(
0
0
0
)(maxarg00 yy B
Vy
Defuzzifikace v systému LMPS
Defuzzifikace odpovědi v systému LMPS probíhá následovně. Pokud charakteristická funkce odpovědi nabývá svého
maxima v jediném prvku univerza V, pak tento prvek představuje nejpravdivější možnou odpověď na zadaný dotaz.
Je-li takových prvků více, pak v případě reálného univerza je vybrán ten prvek, který leží nejblíže těžišti plochy, shora ohraničené charakteristickou funkcí odpovědi.