Fuzzy centroids на компьютер

Как, наверное, в большинстве областей применения математики, построение нечетких методов не было развито на естественном языке. По этой причине удобно начать с делать перевод основных понятий и принципов нечеткой логики в разговорном языке.
Для того, чтобы смоделировать любой тип социального явления, определение его областей является одним из аспектов имеет основополагающее значение. В общих чертах, домены моделей выражаются в виде наборов; Наборы поняты в порядке, в котором они обычно обсуждаются в элементарной теории множеств, представленной диаграммы Венна.
В «нормальных» множеств, элементы принадлежат или не принадлежат множеству; нет промежуточных состояний. Но есть еще один тип множеств, который следует правилам другого типа математической логики: нечеткие множества. Основной характеристикой, которая отличает этот другой тип множеств является то, что оно принято, что в состав их элементов могут быть приведены в определенной степени, но не обязательно полностью или категорически. То есть, в соответствии с логикой нечетких множеств, элемент может принадлежать к набору, например, в степени 0,75 (или 75%). Это контрастирует с категориальными правилами, принадлежащими, которые проводятся для традиционных множеств, где элемент может принадлежать только (то есть, на 100% принадлежащий), или не принадлежит (то есть, 0% принадлежащему).
В математических терминах, мы пишут, что нечеткое множество X в пространстве F сопоставляет каждому элементу х ⸦ Х степень принадлежности Р (х) ⸦ [0, 1], что указывает на ту степень, в которой элемент х удовлетворяет концепции, что Р представляет.
Если, например, критерий «уместность компании» в настоящее время моделируется и если х является компания, то в нечеткой логике F (х) представляет собой ту степень, в которой х удовлетворяет понятие «актуальность компании».
Существует широкий спектр применения нечеткой логики во всех областях знаний. В частности, это очень полезно для представления оценок в качественных масштабах, учитывая, что этот тип измерений, как правило, основаны на номинальных переменных; то есть, способы проклейки переменной со словами: большой, маленький, широкий, глубокий и т.д. возможность анализа нечетких терминов, представленных лингвистическими выражениями одна из областей, в которых нечеткая логика способствует более существенно в теории систем.
Это приложение фокусируется исключительно на применении нечеткой логики в методологии определения центроидов. Таким образом, мы ограничимся с целью описания аналитический форма, которую принимают центроиду моделей под нечеткой логикой, то есть, признавая тот факт, что исследования в области экономических наук осуществляются людьми, лица со сложными идеями и представлениями, вообще не категоричны ,
Тип выражения функции решения будут выражать профиль, принимающего решения. Предполагается, что это должно быть отражено в структуре модели.
Простой способ, пожалуй, самый элементарный, моделировать функцию принятия решения является рассмотрение минимального оператора, и применить его к степени членства х в каждом из нечетких множеств; то есть:
Д (х) = minJ [Сг (х)].
которые могут привести к определенному числу значений х, так как минимум может быть не единственным. Тем не менее, мы можем взять в качестве х * значение х, которое имеет наибольшее D (х).
С математическими ресурсами, как выше, огромное сочетание критериев для принятия решений в настоящее время может быть рассмотрено. Вы можете настроить самые разные способы моделирования задачи определения центроидов. Экраны показывают, как ввести параметры для определения нечетких центроиды и их окрестностей.