Tiểu luận môn toán học cho khoa học máy tính TÌM HIỂU VỀ FUZZYCLIPS VÀ ỨNG DỤNG FUZZY LOGIC TRONG CHẨN ĐOÁN HƯ HỎNG HỆ THỐNG PHANH XE

Các công trình nghiên cứu về lý thuyết tập mờ và logic mờ đãđược L.Zadeh công bố đầu tiên năm 1965, và sau đó liên tục phát triển mạnhmẽ.Định nghĩa: Cho không gian nền U, tập A  U được

Trang 1

I H C QU C GIA TH NH PH H CH MINH ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH ỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH ỐC GIA THÀNH PHỐ HỒ CHÍ MINH ÀNH PHỐ HỒ CHÍ MINH ỐC GIA THÀNH PHỐ HỒ CHÍ MINH Ồ CHÍ MINH Í MINH

TR ƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN NG ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH I H C CÔNG NGH THÔNG TIN ỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH Ệ THÔNG TIN

Đ

ỨNG DỤNG FUZZY LOGIC TRONG

CHẨN ĐOÁN HƯ HỎNG HỆ THỐNG

PHANH XE

Gi ng viên h ảng viên h ư ng d n: ớng dẫn: ẫn: PGS.TS ĐỖ VĂN NHƠN ĂN NHƠN V N NH N ƠN

Trang 2

LỜI NÓI ĐẦU 2

PHẦN1: SƠ LƯỢC LÝ THUYẾT LOGIC MỜ 3

1 Tập mờ: 3

1.1 Khái niệm tập mờ: 3

1.2 Các dạng hàm thuộc tiêu biểu: 4

1.3 Các khái niệm liên quan: 6

2 Số mờ: 6

2.1 Định nghĩa: 6

2.2 Các phép toán: 6

2.3 Logic mờ: 7

3 Truy vấn mờ 11

3.1 Truy vấn không gian mờ 11

3.2 Truy vấn mờ theo sự không chắc chắn 13

PHẦN 2: TÌM HIỂU VỀ FUZZYCLIPS 19

PHẦN 3: ỨNG DỤNG LOGIC MỜ TRONG CHẨN ĐOÁN HƯ HỎNG HỆ THỐNG PHANH DÀNH CHO XE KAMAZ 22

1 Lựa chọn các tham số chẩn đoán : 22

2 Ma trận chẩn đoán : 23

3 Mờ hoá các biến vào : 24

4 Mờ hoá các biến đầu ra : 30

5 Xây dựng các luật hợp thành : 34

6 Trình tự giải bài toán logic mờ 36

PHẦN 3: KẾT LUẬN 37

TÀI LIỆU THAM KHẢO 38

LỜI NÓI ĐẦU  HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8 Trang 2/ 39

Trang 3

Lý thuyết fuzzy logic được Zadeh nêu ra lần đầu tiên vào năm 1965 Lýthuyết này giải quyết các bài toán rất gần với cách tư duy của con người Tớinay, lý thuyết logic mờ đã phát triển rất mạnh mẽ và được ứng dụng trong nhiềulĩnh vực của cuộc sống.

Khác với lý thuyết logic truyền thống, một biểu thức logic mờ có thểnhận một trong vô số giá trị nằm trong khoảng số thực từ 0 đến 1 Nói cáchkhác, trong logic truyền thống, một sự kiện chỉ có thể hoặc là đúng (tươngđương với 1) hoặc là sai (tương đương với 0) còn trong logic mờ, mức độ đúngcủa một sự kiện được đánh giá bằng một số thực có giá trị nằm giữa 0 và 1, tuỳtheo mức độ đúng “nhiều” hay “ít” của nó

Ngày nay logic mờ có phạm vi ứng dụng rộng rãi trên thế giới, từ những hệthống cao cấp phức tạp như những hệ dự báo, nhận dạng, robot, vệ tinh, duthuyền, máy bay,… đến những đồ dùng hằng ngày như máy giặt, máy điều hoàkhông khí, máy chụp hình tự động,…

Qua môn học “Toán cho Khoa học máy tính” Thầy GS-TS ĐỖ VĂNNHƠN đã giúp em hình thành những cái nhìn rất mới về Logic mờ cũng nhưviệc áp dụng chúng vào trong công việc thực tiễn

Logic mờ có rất nhiều ứng dụng vào thực tiễn Tuy nhiên, với năng lực cònhạn chế, cũng như không có nhiều thời gian để có thể nghiên cứu sâu vào tất cảcác ứng dụng, nên em xin phép chọn đề tài “Tìm hiểu về FuzzyClips và ứngdụng Fuzzy Logic trong chẩn đoán hư hỏng hệ thống phanh xe”

Em xin chân thành cảm ơn Thầy PGS.TS Đỗ Văn Nhơn Những tiết giảngquý báu của Thầy đã cung cấp cho em những kiến thức nền tảng về Logic mờ,bước khởi đầu giúp em nghiên cứu ứng dụng Logic mờ trên nhiều lĩnh vực

Học Viên Cao Học Khóa 8

NGUYỄN HUỲNH THUÝ NGA

* * *

HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8 Trang 3/ 39

Trang 4

PHẦN1: SƠ LƯỢC LÝ THUYẾT LOGIC MỜ

1 Tập mờ:

1.1 Khái niệm tập mờ:

Một tập hợp trong một không gian nào đó, theo khái niệm cổ điển sẽ chiakhông gian thành 2 phần rõ ràng Một phần tử bất kỳ trong không gian sẽ thuộchoặc không thuộc vào tập đã cho Tập hợp như vậy còn được gọi là tập rõ Lýthuyết tập hợp cổ điển là nền tảng cho nhiều ngành khoa học, chứng tỏ vai tròquan trọng của mình Nhưng những yêu cầu phát sinh trong khoa học cũng nhưcuộc sống đã cho thấy rằng lý thuyết tập hợp cổ điển cần phải được mở rộng

Ta xét tập hợp những người trẻ Ta thấy rằng người dưới 26 tuổi thì rõ ràng

là trẻ và người trên 60 tuổi thì rõ ràng là không trẻ Nhưng những người có tuổi

từ 26 đến 60 thì có thuộc tập hợp những người trẻ hay không? Nếu áp dụng kháiniệm tập hợp cổ điển thì ta phải định ra một ranh giới rõ ràng và mang tính chất

áp đặt chẳng hạn là 45 để xác định tập hợp những người trẻ Và trong thực tế thì

có một ranh giới mờ để ngăn cách những người trẻ và những người không trẻ đó

là những người trung niên Như vậy, những người trung niên là những người cómột “độ trẻ” nào đó Nếu coi “độ trẻ” của người dưới 26 tuổi là hoàn toàn đúngtức là có giá trị là 1 và coi “độ trẻ” của người trên 60 tuổi là hoàn toàn sai tức là

có giá trị là 0, thì “độ trẻ” của người trung niên sẽ có giá trị p nào đó thoả 0 < p

< 1

Ví dụ khác, trong cuộc sống không phải lúc nào cũng rõ ràng, chẳng hạnchúng ta xét một ví dụ sau đây Khi hỏi một người đang ngồi trên ô tô hiện cáchnhà bao xa thường thì chúng ta không thể nhận được câu trả lời “ còn cách nhàđúng 12 Km” … mà thay vào đó là các câu trả lời “gần về tới nhà” hay “ còn

cách nhà khoảng 10 Km” Như vậy các khái niệm “gần” hay “khoảng” là biểu

thị cái gì đó không chính xác, không chắc chắn, cảm thấy “lơ mơ, không rõràng” và do đó không thể dùng một con số chính xác nào để thể hiện và môphỏng các khái niệm đó

Trang 5

Như vậy nhu cầu mở rộng khái niệm tập hợp và lý thuyết tập hợp là hoàntoàn tự nhiên Các công trình nghiên cứu về lý thuyết tập mờ và logic mờ đãđược L.Zadeh công bố đầu tiên năm 1965, và sau đó liên tục phát triển mạnhmẽ.

Định nghĩa: Cho không gian nền U, tập A  U được gọi là tập mờ nếu Ađược xác định bởi hàm A:X->[0,1]

A

 được gọi là hàm thuộc, hàm liên thuộc hay hàm thành viên(membership function)

Với xX thì A(x) được gọi là mức độ thuộc của x vào A

Như vậy ta có thể coi tập rõ là một trường hợp đặc biệt của tập mờ, trong

đó hàm thuộc chỉ nhận 2 giá trị 0 và 1

Ký hiệu tập mờ, ta có các dạng ký hiệu sau:

 Liệt kê phần tử: giả sử U={a,b,c,d} ta có thể xác định một tập mờ A=

d c

b

a

0 2 0

1.2 Các dạng hàm thuộc tiêu biểu:

Theo lý thuyết thì hàm thuộc có thể là một hàm bất kỳ thoả A:X->[0,1].Nhưng trong thực tế thì có các dạng hàm thuộc sau đây là quan trọng và có tínhứng dụng cao hơn cả

Trang 6

* Nhóm hàm đơn điệu

Nhóm này gồm đơn điệu tăng và đơn điệu giảm Ví dụ tập hợp người già

có hàm thuộc đơn điệu tăng theo tuổi trong khi đó tập hợp người trẻ có hàmthuộc đơn điệu giảm theo tuổi Ta xét thêm ví dụ minh hoạ sau: Cho tập vũ trụ E

= Tốc độ = 20 , 50 , 80 , 100 , 120  đơn vị là km/h Xét tập mờ F=Tốc độ nhanh xácđịnh bởi hàm thuộc nhanh như đồ thị

Như vậy tốc độ dưới 20km/h được coi là không nhanh Tốc độ càng cao thì

độ thuộc của nó vào tập F càng cao Khi tốc độ là 100km/h trở lên thì độ thuộc

50 / ) 100 (

50 20

30 / ) 20 (

100 20

0

x khi

x

x khi

x

x x

Trang 7

1.3 Các khái niệm liên quan:

Giả sử A là tập mờ trên vũ trụ U, có hàm thuộc A thì ta có các khái niệmsau:

 Giá đỡ của A, ký hiệu supp(A) là một tập rõ bao gồm tất cả





 Tập mờ A được gọi là tập mờ chuẩn tắc (normal fuzzy set)

nếu height(A)=1 Tức là tập mờ chuẩn tắc có nhân khác rỗng

2 Số mờ:

2.1 Định nghĩa:

Tập mờ M trên đương thẳng thực R là tập số mờ nếu:

a) M là chuẩn hoá, tức là có điểm x sao cho M(x) = 1

b) Ứng với mỗi a   R, tập mức {x: M(x)  } là đoạn đóng

Người ta thường dùng các số mờ tam giác, hình thang và dạng Gauss

[a,b] / [d,e] = [min(a/d,a/e, b/d, b/e), max(a/d,a/e, b/d, b/e)]

Trang 8

2.3 Logic mờ:

2.3.1 Biến ngôn ngữ:

Xét một biến nhận giá trị trong một miền giá trị nào đó , chẳng hạn “nhiệtđộ” có thể nhận giá trị số là 1 C, 2 C,… là các giá trị chính xác Khi đó, vớimột giá trị cụ thể gán vào biến sẽ giúp chúng ta xác định được tính chất, quy môcủa biến Ngoài ra chúng ta còn biết được những thông tin khác liên quan đếnbiến đó Ví dụ chúng ta hiểu là không nên chạm tay trần vào vật có “nhiệt độ” là

80 C trở lên Nhưng trong thực tế thì chúng ta thường nói “không nên chạmvào vật có nhiệt độ cao” chứ ít khi nói “không nên chạm vào vật có nhiệt độ là

80 C trở lên” Thực tế là lời khuyên đầu thì có ích hơn bởi vì nếu nhận được lờikhuyên sau thì ta dễ bị ngộ nhận là có thể chạm tay vào vật có nhiệt độ là 79 Ctrong khi đó vật có nhiệt độ 80 C trở lên thì không Nhưng vấn đề đặt ra là nếunghe theo lời khuyên đầu thì ta có thể xác định rõ là nhiệt độ bằng bao nhiêu thì

có thể chạm tay vào? Câu trả lời là tuỳ vào ý kiến của từng người Với nhiệt độ

là 60 C thì có người cho là cao trong khi người khác thì không Tuy các ý kiến

là khác nhau nhưng có một điều chắc chắn là khi giá trị của biến nhiệt độ càngtăng thì càng dễ dàng được chấp nhận là “cao” Như vậy nếu xét hàm cao nhậnbiến nhiệt độ và trả về tỷ lệ ý kiến đồng ý là “cao” thì cao sẽ là hàm thuộc củatập mờ “nhiệt độ cao” trên vũ trụ “nhiệt độ”

Biến nhiệt độ có thể nhận giá trị “cao” là một giá trị của ngôn ngữ tự nhiênnên nó được gọi là một biến ngôn ngữ (linguistic variable)

Khái niệm biến ngôn ngữ đã được Zadeh đưa ra năm 1973 như sau:

1 0.9

Trang 9

 Một biến ngôn ngữ được xác định bởi bộ (x, T, U, M) trongđó:

 x là tên biến Ví dụ “nhiệt độ”, “tốc độ”, “độ ẩm”,…

 T là tập các từ là các giá trị ngôn ngữ tự nhiên mà x có thểnhận Ví dụ x là “tốc độ” thì T có thể là {“chậm”, “trung bình”, “nhanh”}

 U là miền các giá trị vật lý mà x có thể nhận Ví dụ x là “tốcđộ” thì U có thể là {0km/h,1km/h, …150km/h}

 M là luật ngữ nghĩa, ứng mỗi từ trong T với một tập mờ Attrong U

Từ định nghĩa trên chúng ta có thể nói rằng biến ngôn ngữ là biến có thểnhận giá trị là các tập mờ trên một vũ trụ nào đó

2.3.2 Mệnh đề mờ:

Trong logic cổ điển (logic vị từ cấp một), một mệnh đề phân tử P(x) là mộtphát biểu có dạng “x là P” trong đó x là một đối tượng trong một vũ trụ U nào

đó thoả tính chất P Ví dụ “x là số chẵn” thì U là tập các số nguyên và P là tínhchất chia hết cho 2 Như vậy ta có thể đồng nhất một mệnh đề phân tử “x là P”với một tập (rõ) A =  xU | P(x) 

Từ đó ta có:

P(x) = (x)Trong đó là hàm đặc trưng của tập A ( xA  (x) = 1) Giá trị chân

lý của P(x) chỉ nhận một trong hai giá trị 1 và 0 (true và false) tương ứng với sựkiện x thuộc A hoặc không

Trong trường hợp P là một tính chất mờ chẳng hạn như “số lớn” thì ta sẽ

có một mệnh đề logic mờ phân tử Khi đó tập hợp các phần tử trong vũ trụ Uthoả P là một tập mờ B có hàm thuộc Bsao cho:

P(x) = B(x)Lúc này P(x) có thể nhận các giá trị tuỳ ý trong [0,1] Và ta thấy có thểđồng nhất các hàm thuộc với các mệnh đề logic mờ

2.3.3 Các phép toán mệnh đề mờ:

Trong logic cổ điển, từ các mệnh đề phân tử và các phép toán  (AND), 

(OR),  (NOT) ta có thể lập nên các mệnh đề phức Ta có:

 P(x) = 1 – P(x)

P(x)  Q(y) = min(P(x), Q(y))

Trang 10

P(x)  Q(y)=max(P(x), Q(y))

P(x)=>Q(y) =  P(x)  Q(y) = max(1-P(x), Q(y))

P(x)=>Q(y) =  P(x)  (P(x)  Q(y)) = max(1-P(x), min(P(x),Q(y)))

Như vậy, ta sẽ có mở rộng một cách tự nhiên từ logic cổ điển sang logic

mờ với quy tắc tổng quát hoá dùng hàm bù mờ cho phép phủ định, hàm T-normcho phép giao và S-norm cho phép hợp Sự mở rộng này dựa trên sự tương quangiữa mệnh đề logic mờ với hàm mờ và các phép toán trên tập mờ Ta có:

2.3.4 Phép toán kéo theo mờ – luật if-then mờ thông dụng:

Các phép toán kéo theo có vai trò quan trọng trong logic mờ Chúng tạonên các luật mờ để thực hiện các phép suy diễn trong tất cả các hệ mờ Do mộtmệnh đề mờ tương ứng với một tập mờ nên ta có thể dùng hàm thuộc thay chocác mệnh đề

Sau đây là một số phép kéo theo quan trọng được sử dụng rộng rãi:

* Phép kéo theo Dienes – Rescher

Nếu áp dụng công thức (1) với S-norm max và C là hàm bù chuẩn cho ta cóphép kéo theo Dienes – Rescher

A

 (x) =>B(y) = max(1-A(x), B(y))

* Phép kéo theo Lukasiewicz

Nếu áp dụng công thức (1) với S-norm là hàm hợp Yager với w=1 và C làhàm bù chuẩn cho ta có phép kéo theo Lukasiewicz:

A

 (x) =>B(y) = min(1, 1-A(x)+B(y))

* Phép kéo theo Zadeh

Nếu áp dụng công thức (2) với S-norm là max, T-norm min hoặc tích và C

là hàm bù chuẩn cho ta có phép kéo theo Zadeh:

A

 (x) =>B(y) = max( 1-A(x), min(A(x),B(y))) (a)

A

 (x) =>B(y) = max( 1-A(x), A(x).B(y)) (b)

* Kéo theo Mamdani

HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 10/39

Trang 11

Ta có thể coi mệnh đề A(x) =>B(y) xác định một quan hệ 2 ngôi R 

UxV Trong đó U là không gian nền của x (vũ trụ chứa x), V là không gian nềncủa y (vũ trụ chứa y) Khi đó giá trị chân lý của mệnh đề A(x) =>B(y) là giátrị hàm thuộc của cặp (x,y) vào R Theo công thức xác định hàm thuộc của quan

hệ mờ ta có

A

 (x) =>B(y) = T(A(x),B(y))Trong đó T là một T-norm Khi chọn T là min hoặc tích ta có các phépkéo theo Mamdani:

A

 (x) =>B(y) = min(A(x),B(y)) (a)

A

2.3.5 Luật modus-ponens tổng quát:

Tương tự logic cổ điển, trong logic mờ cũng có luật modus-ponens nhưsau:

GT1 (luật) : if “x là A” then “y là B”

GT2 (sự kiện) : “x là A’”

Trong đó A, B, A’, B’ là các biến ngôn ngữ (có nghĩa là các tập mờ)

Công thức tính kết luận của luật modus-ponens như sau:

Ví dụ: Giả sử quan hệ giữa nhiệt độ và áp suất cho bởi luật sau:

Nếu nhiệt độ là cao thì áp suất là lớn.

Nhiệt độ nhận các giá trị trong U = {30, 35, 40, 45}

Áp suất nhận các giá trị trong V = {50,55,60,65}

Ta có các tập mờ xác định bởi các biến ngôn ngữ nhiệt độ và áp suất nhưsau:

Trang 12

Áp dụng luật kéo theo Mamdani tích ta có quan hệ mờ sau (giá trị dòng i,cột j là giá trị hàm thuộc của cặp nhiệt độ i và áp suất j vào quan hệ)

R=

65 60 55 50

45 40 35 30

1 1 5 0 0

9 0 9 0 45 0 0

3 0 3 0 15 0 0

0 0 0 0

Bây giờ, giả sử ta biết sự kiện “nhiệt độ là trung bình” và

A’ = “nhiệt độ trung bình” = 030.6 351 040.8 045.1

Áp dụng công thức (*) ta suy ra B’ =500 055.45060.8065.8

3 Truy vấn mờ

3.1 Truy vấn không gian mờ

Mặc dù phương pháp nêu trên truy vấn có thể cung cấp tô pô và hướng đithông tin, những loại thông tin không liên quan với bất kỳ mức độ Điều này cónghĩa là nó chỉ có thể thực hiện một truy vấn cấp thấp Một ví dụ điển hình đượcthể hiện trong hình 1:

Hình 1:

Đối với cả hai trường hợp thuộc về cùng một lớp (hoặc nhóm quan hệ),truy vấn không gian cơ bản sẽ cung cấp các tô pô và các mối quan hệ cùng mộthướng, tức là

Object A chồng chéo Object Bb và Object A là phía của Object B

Làm thế nào để cung cấp thông tin chính xác cao, chẳng hạn như hầu hếtObjects A chồng lên một số Object B, hay một vài Object A chồng lên một sốObject B và như vậy, khuyến khích chúng ta nghiên cứu thêm Một số chiếnlược và kỹ thuật có thể được mô tả ngắn gọn như sau (xem chi tiết trong [6])

Trang 13

 Phân mỗi đối tượng vào các nhóm con trong tám hướng dựa trên tài liệutham khảo (phần chung của hai đối tượng) được hiển thị trong hình 3;

 Bản đồ mỗi nhóm con với một nút, và gán hai khối lượng (khu vực vàkhối lượng nút) cho mỗi nút;

 Tính toán hai khối lượng để xác định mức độ đặc biệt

Hình 2: Phân hai đối tượng trong 2-D

Trường hợp phạm vi khối lượng có thể được tính bằng cách

AW=(area of sub-group) / (area of the entire object) NW=AW - (axis length) / (longest axis length)

và trọng lượng nút có thể thu được bằng cách

Để hỗ trợ truy vấn mờ, kết quả số lượng hình (AW, NW) được ánh xạ tớimột phạm vi tương ứng với một thuật ngữ được gọi là khối lượng ngôn ngữ Cómột kối lượng lớn của các kiến thức và kỹ thuật xử ly với các mối quan hệ mờkhông gian trong biểu thức ngôn ngữ Trong bài báo này, chúng tôi xác địnhkhối lượng topo TQ và khối lượng hướng DQ như sau:

TQ={alI, most, some, little, none}

DQ={directly, mostly, somewhat, slightly, not}

Như đã đề cập trong [9], khối lượng quan hệ có thể được biểu diễn như làcác tập con mờ của khoảng đơn và sử dụng từ ngôn ngữ Dựa trên các thiết lập

cổ điển, hàm thành viên của khối lượng có thể được định nghĩa như là một tậpnhị phân, đó là, hoàn toàn thành viên có giá trị là 1, và không thành viên có giátrị 0

Trang 14

Các bảng sau đây cung cấp cho các mô tả định lượng.

Như thể hiện trong hình 1, việc thực hiện dựa trên Đoạn phim có thể cungcấp các thông tin sau:

Hầu hết Object A chồng Object B Object A chồng lên một vài Object B Hầu hết Object A chồng lên một vài Object B Hầu hết Object A là một phía của Object B Object A là chủ yếu một phía của Object B Hầu hết Object A là chủ yếu một phía của Object B

Trang 15

3.2 Truy vấn mờ theo sự không chắc chắn

Bởi vì các mối quan hệ không gian phụ thuộc vào diễn giải của con người,truy vấn không gian sẽ được liên quan bởi các khái niệm mờ Để hỗ trợ các truyvấn của tự nhiên, các công trình trước đó cung cấp truy vấn mờ mà không có sựkhông chắc chắn có thể xử lý các sự mờ bằng cách xác định khối lượng mờ Tuynhiên, trong các loại của các truy vấn mờ, các lớp cụ thể của các thành viên đãđược định nghĩa là tập hợp cổ điển Vấn đề là có tồn tại một khoảng cách giữahai thành viên lân cận như 'all' và 'most' Bởi vì một bước nhảy xảy ra, khôngkhối lượng được định nghĩa trong một số khoảng thời gian, ví dụ như các dựđịnh (0.95,0.96) Để cải thiện truy vấn mờ, lý thuyết tập mờ là có liên quantrong nghiên cứu tiếp theo của chúng tôi

3.2.1 Xem xét mờ

Mờ xuất hiện khi biên của một mẫu thông tin không rõ ràng Do đó, truyvấn mờ mở rộng khả năng truy vấn bằng cách cho phép sự mơ hồ và một phầnthành viên Định nghĩa của các lớp của các thành viên là chủ quan và phụ thuộcvào sự giải thích của con người Một cách để loại bỏ tính chủ quan là một lĩnhvực quan tâm nghiên cứu Ở đây hàm thành viên đơn giản sẽ được xem xét

Một tập mờ là một tập hợp mà không có một ranh giới rõ nét Quá trìnhchuyển đổi dễ dàng được đặc trưng bởi các hàm thành viên cho tập mờ thể hiện

sự linh hoạt trong các biểu thức ngôn ngữ Chính thức hơn là một tập mờ trongmột vũ trụ được đặc trưng bởi một hàm thành viên: : U[0,1]

Hình 4 minh họa các thuật ngữ chính của khu vực trọng lượng mờ biến.Mỗi thuật ngữ đại diện cho một tập hợp mờ

Trang 16

Các hàm tập hợp mờ cho số lượng topo có thể được mô tả như sau:

Trong cùng một cách, hàm tập mờ hướng đi truy vấn có thể được mô tảnhư sau:

Trang 17

Khác với tập lý thuyết cổ điển rằng có thể mô tả thành viên để tập hợp mộtcách rõ ràng, trong tập hợp lý thuyết mờ các thành viên của một thuật ngữ đểthiết lập một phần, tức là, một thuật ngữ thuộc về một tập hợp với một lớp nhấtđịnh của các thành viên Mặc dù nó giải quyết vấn đề khoảng cách trong biểuthức tập hợp cổ điển, một vấn đề mới đang đến Bởi vì một tính năng phổ biếncủa các tập mờ là chồng chéo, số lượng có thể được kết hợp với hai thuật ngữ

khác nhau ở khoảng giao nhau Ví dụ, số lượng topo TQ có thể “all” và “most”

cùng một lúc Điều này cho thấy không chắc chắn - thông tin không đầy đủ vàchính xác để đưa ra quyết định

3.2.2 Xem xét sự không chắc chắn

Sự không chắc chắn là một vấn đề không thể tránh khỏi trong GIs Trongbài báo này, đóng góp chính của tôi là khám phá một phương pháp có thể thựchiện truy vấn mờ không chắc chắn Nghiên cứu này minh họa cho dù tập mờ vàyếu tố chắc chắn có thể kết hợp trong không gian truy vấn

Trang 18

Sự không chắc chắn xảy ra khi một người không phải là hoàn toàn chắcchắn về một phần thông tin Cho AW = O.90, truy vấn mờ có thể cung cấp chocác cụm từ truy vấn sau đây:

Tất cả Object A chồng lên Object B Hầu hết Object A chồng lên Object B.

Làm thế nào để chúng ta đưa ra quyết định theo thông tin? Truy vấn thôngtin đáng tin cậy không? Điều này cho thấy sự thiếu sót quan trọng trong các lĩnhvực như độ tin cậy và khuyết điểm của các truy vấn không nhất quán trong kiếnthức Bởi vì chúng ta không thể hoàn toàn chắc chắn rằng một số khối lượng là

sự thật đúng hoặc sai, chúng ta xây dựng là một yếu tố chắc chắn (CF) để đánhgiá mức độ chắc chắn Mức độ chắc chắn thường được đại diện bởi một số giátrị sắc nét, một quy mô từ 0 đến 1 Một yếu tố chắc chắn của 1 chỉ ra rằng nó làrất chắc chắn là đúng, và một yếu tố chắc chắn từ 0 chỉ ra rằng nó là rất khôngchắc chắn rằng một thực tế là đúng

Một số ý tưởng chính xác định được thảo luận như sau:

Trường hợp 1:

Case 1 Được xem là vòng đơn giản cho mỗi truy vấn

Đây là một trường hợp trong đó chỉ có vòng loại liên kết với một đối tượngduy nhất được tham gia trong mỗi kết quả truy vấn như:

All của ObjectA chồng lên Object B ObjectA directly Object B

Trong đó loại topo mở TQA=”all” được liên kết với object A, vòng loại

hướng mờ DQA =‘directly’ với object A

 Nếu vòng loại chỉ có một thuật ngữ tại khoảng cách nhất định, cấp bậccủa thành viên () có thể được sử dụng như là một CF đại diện cho mức độ

All of Object A chồng lên Object B với CF=b, (AWi =0.99) =1.0

Object A is directt phía Object B với CF=by (Nwr, =0.99) =1.0

Trang 19

Trong đó AWai là khu vực trọng lượng của một nhóm con liên kết với đốitượng object A; NWai là số nút liên kết với nhóm con của object A, and i,

I[1,8], I đại diện tập hợp số nguyên

 Nếu trọng lượng nhất định trong khu vực chồng chéo, hai vòng loại sẽ có

liên quan Ví dụ, vòng loại topo mờ của Object A tất cả “all” và “most” Kết

quả truy vấn sẽ là:

All của ObjectA chồng lên Object B

Most of Object A chồng lên Object B

Đó là chấp nhận được nếu chúng ta lấy các vòng loại có một lớp lớn củacác thành viên Các yếu tố chắc chắn có thể được xác định bằng giá trị lớn nhất,

đó là

CF = max{all (AWai, =0.90), most (AWai =0.90)} = all( AWai =0.90).Kết quả các truy vấn có được là

- All của Object A chồng lên Object B

Với CF=all (AWai =0.90)

As a result, the CF in case 1 can'be obtained by

Như kết quả, CF trong trường hợp 1 có thể thu được bằng cách

Trong đó

TQk: l lo i topo nhà loại topo như ại topo như ư all

DQk l lo i à loại topo như ại topo như định hướng như directly.nh hướng như directly.ng nh directly.ư

AW*i l khu v c liên quan à loại topo như ực liên quan đến khối lượng nút i đến khối lượng nút in kh i lối lượng nút i ượng nút ing nút i

NW*j l khu v c liên quan à loại topo như ực liên quan đến khối lượng nút i đến khối lượng nút in kh i lối lượng nút i ượng nút ing nút j

D u * ấu * đại diện cho đôi tượng A và B đại topo nhưi di n cho ôi tệt độ đ ượng nút ing A v Bà loại topo như

Định dạng
Số trang	39
Dung lượng	1,13 MB