從原始的樣本資料出發，先虛擬模糊正理想和模糊負理想，其中模糊正理想是由每乙個指標中模糊指標值的極大值構成；模糊負理想是由 每乙個指標中模糊指標值的極小值構成。然後採用加權歐氏距離的測度工具來計算各備選物件與模糊正理想和模糊負理想之間的距離。在此基礎上，再計算各備選物件屬於模 糊正理想的隸屬度，其方案優選的原則是，隸屬度越大，該方案越理想。
下面運用以上的定義將定性、定量指標以及權重資料統一量化為三角形模糊數。
對於定性指標，可以將兩極比例法改進為三角模糊數比例法。再利用三角模糊 數比例法將定性指標轉化為定量指標，其具體的轉化形式見表 9。
對於精確的定量指標值，也寫成三角模糊數的形式。設 a 是乙個具體的精確數， 由三角模糊數的定義，則 a 表示成三角模糊數的形式為：
數的表達形式。
設
% %把目標資料複製到純文字檔案 mohu.txt 中，
% %然後把 a 替換成 85 90 100，b 替換成 75 80 85，c 替換成 60 70 75，d 替換成 50 55 60
clc,clear
load mohu.txt
sj=[repmat(mohu(:,1),1,3),mohu(:,2:end)];%將定量指標值替換成三角模糊數形式
% %首先進行歸一化處理
n=size(sj,2)/3;%指標個數
m=size(sj,1);%樣本個數
w=[0.5*ones(1,3),0.125*ones(1,12)];
w=repmat(w,m,1);
y=;for i=1:n
tm=sj(:,3*i-2:3*i);%第i個指標的三角形模糊數矩陣
max_t=max(tm);%各列最大值組成的行向量
max_t=repmat(max_t,m,1);
max_t=max_t(:,3:-1:1); yt=tm./max_t; %公式（3）'
yt(:,3)=min([yt(:,3)';ones(1,m)]);
y=[y,yt];%歸一化結果
end% %下面求模糊決策矩陣d
r=;for i=1:n
tm1=y(:,3*i-2:3*i);tm2=w(:,3*i-2:3*i);
r=[r,tm1.*tm2];
end% %求 m＋、m－和距離
mplus=max(r);mminus=min(r)
dplus=dist(mplus,r');dminus=dist(mminus,r');
%%求隸屬度
mu=dminus./(dplus+dminus);
[mu_sort,ind]=sort(mu,'descend')
時間型別模糊查詢
今天用time like 2008 06 01 語句來查詢該天的所有資料，被提示語句錯誤。查了一下才發現該模糊查詢只能用於string型別的字段。自己也查閱了一些資料。關於時間的模糊查詢有以下三種方法 1.convert轉成string,在用like查詢。select from table1 whe...
機器學習 一型模糊集和二型模糊集
模糊集 一型模糊 在經典的集合理論中，乙個元素要麼屬於要麼不屬於這個集合。相比之下，模糊集則通過隸屬度函式來評價乙個元素對於乙個集合的隸屬程度。因此，模糊集是對經典集合的一般化。在模糊集理論中，經典的二價集 bivalent sets 被稱作crisp sets。模糊集通常先要劃分論域u，再定義乙個...
直覺模糊熵的多屬性決策及matlab應用
一 直覺模糊熵 二 直覺模糊熵在模糊多屬性決策中的應用 三 用直覺模糊集的評價步驟 四 例項分析及matlab程式 一 直覺模糊熵 直覺模糊集不再像模糊集一樣是單值隸屬度，而是同時包含了真隸屬現用度 假隸屬度和猶豫隸屬度。直覺模糊熵的公理化定義最先是由p.burillo,h.bustince在199...