Fuzzy centroids cho máy tính PC Windows

Như lẽ trong hầu hết các lĩnh vực ứng dụng của toán học, việc xây dựng các phương pháp mờ chưa được phát triển trong một ngôn ngữ tự nhiên. Vì lý do này nó là thuận tiện để bắt đầu với làm một bản dịch của các khái niệm cơ bản và các nguyên tắc của logic mờ trong một ngôn ngữ thông tục.
Để mô hình bất kỳ loại hiện tượng xã hội, định nghĩa về các lĩnh vực của nó là một khía cạnh quan trọng cơ bản. Nói chung, các lĩnh vực trong những mô hình được thể hiện dưới dạng bộ; bộ hiểu theo cách thức mà họ thường được thảo luận trong lý thuyết tập hợp tiểu học, đại diện bởi sơ đồ Venn.
Trong bộ "bình thường", các yếu tố thuộc về, hoặc không thuộc về tập; không có trạng thái trung gian. Nhưng có một loại bộ, mà theo quy định của một loại logic toán học: tập mờ. Đặc điểm chính để phân biệt loại hình này khác bộ là nó được chấp nhận rằng các thành viên của các yếu tố của họ có thể được trao cho một mức độ nhất định, không nhất thiết phải hoàn toàn hoặc khoát. Đó là, dưới sự logic của tập mờ, một yếu tố có thể thuộc về một bộ, ví dụ, ở một mức độ là 0,75 (hay 75%). Điều này trái ngược với các quy tắc phân loại thuộc được tổ chức cho bộ truyền thống, nơi một yếu tố chỉ có thể thuộc (có nghĩa là, 100% thuộc), hoặc không thuộc về (có nghĩa là, 0% thuộc).
Trong thuật ngữ toán học, chúng ta viết rằng một tập X mờ trong một không gian F cộng với mỗi phần tử x ⸦ X một mức độ thuộc F (x) ⸦ [0, 1], cho thấy mức độ mà các yếu tố x thỏa mãn quan niệm rằng F đại diện.
Nếu, ví dụ, tiêu chí "liên quan của công ty" đã được mô hình hóa và nếu x là một công ty, sau đó trong logic mờ F (x) đại diện cho mức độ mà x thỏa mãn khái niệm "liên quan của công ty".
Có một loạt các ứng dụng của logic mờ trong tất cả các lĩnh vực kiến ​​thức. Đặc biệt, nó rất hữu ích để đại diện cho định giá trong quy mô chất lượng, cho rằng loại hình này của các phép đo nói chung dựa trên các biến danh nghĩa; có nghĩa là, phương thức kích thước một biến với dòng chữ: lớn, nhỏ, rộng, sâu, vv Khả năng phân tích ngữ mờ thể hiện bằng biểu thức ngôn ngữ là một trong những lĩnh vực mà logic mờ đóng góp đáng kể hơn đối với lý thuyết hệ thống.
Ứng dụng này tập trung hoàn toàn vào việc áp dụng logic mờ vào phương pháp xác định centroids. Do đó, chúng tôi sẽ hạn chế mình với mục đích mô tả phân tích các hình thức thực hiện bởi các mô hình trọng tâm dưới logic mờ, đó là, thừa nhận thực tế là nghiên cứu trong khoa học kinh tế được thực hiện bởi con người, cá nhân với những ý tưởng và nhận thức phức tạp, thường không phân loại .
Các loại biểu hiện của chức năng quyết định sẽ bộc lộ thông tin về người ra quyết định. Nó được thiết kế rằng đây được phản ánh trong cấu trúc của mô hình.
Một cách đơn giản, có lẽ là căn bản nhất, để mô hình hóa các chức năng quyết định là phải xem xét các nhà điều hành tối thiểu, và áp dụng nó vào mức độ thành viên của x trong mỗi tập mờ; đó là:
D (x) = minJ [Cj (x)].
mà có thể dẫn đến một số lượng nhất định các giá trị của x, kể từ khi tối thiểu có thể không duy nhất. Tuy nhiên, chúng ta có thể mất x * giá trị của x mà có D lớn nhất (x).
Với nguồn tài nguyên toán học như trên, một sự kết hợp lớn các tiêu chí về quyết định bây giờ có thể được xem xét. Bạn có thể cấu hình theo những cách rất khác nhau của mô hình hóa các vấn đề xác định centroids. Màn hình hiển thị như thế nào để giới thiệu các thông số để xác định centroids mờ và hàng xóm của họ.