第一章P8例1.2.8P9例1.2.12（弄懂矩陣怎么得來的）

P10例1.2.13例5：模糊集合及其運算例4：模糊集合及其運算(A∩B)°

C(A°

C)∩(B°

C)(A∩B)°

C(A°

C)∩(B°

C)例6：模糊集合及其運算第二章P45例2.1.1P46例2.1.2P56例2.3.1P57例2.3.2P60例2.3.6P71例2.4.4例6：例6：設對于模糊等價矩陣模糊聚類分析模糊聚類分析例7：設有模糊相似矩陣模糊聚類分析模糊聚類分析解：由題設知特性指標矩陣為采用最大值規(guī)格化法將數(shù)據(jù)規(guī)格化為模糊聚類分析用最大最小法構造模糊相似矩陣得到模糊聚類分析用平方法合成傳遞閉包取，得模糊聚類分析取，得取，得模糊聚類分析若利用直接聚類法模糊相似矩陣取λ＝1,此時為單位矩陣，故分類自然為{x1}，{x2}，{x3}，{x4}，{x5}。取λ＝0.70,此時故分類應為{x1}，{x3}，{x2,x4}，{x5}。{x2,x4}為相似類取λ＝0.63,此時{x2,x4}，{x1,x4}為相似類，有公共元素x4的相似類為{x1,x2,x4}故分類應為{x1,

x2,x4}，{x3}，{x5}。取λ＝0.62,此時{x2,x4},{x1,x4},{x1,x3}為相似類，有公共元素x4的相似類為{x1,x2,x3,x4}故分類應為{x1,x2,x3,x4}，{x5}。取λ＝0.53,此時故分類應為{x1,x2,x3,x4,x5}。取，得取，得模糊聚類分析第三章P102例3.3.1P106例3.3.3P110例3.3.62、貼近度模糊模式識別按上述定義可知，模糊集的內積與外積是兩個實數(shù)。A⊙B=定義設A，B

F(U)，稱為A與B的內積，稱為A與B的外積。例

設X={x1,x2,x3,x4,x5,x6},則

A⊙

B模糊模式識別模糊模式識別表示兩個模糊集A，B之間的貼近程度。或σL(A，B)=(A°B)(A⊙

B)C⊙C=⊙C=故B比A更貼近于Ｃ.模糊模式識別模糊模式識別模糊模式識別例如：論域為“茶葉”，標準有5種待識別茶葉為B，反映茶葉質量的6個指標為：條索，色澤，凈度，湯色，香氣，滋味，確定B屬于哪種茶A1A2A3A4A5B條索0.50.30.2000.4色澤0.40.20.20.10.10.2凈度0.30.20.20.20.10.1湯色0.60.10.10.10.10.4香氣0.50.20.10.10.10.5滋味0.40.20.20.10.10.3⊙B)]，

模糊模式識別計算得故茶葉B為A1型茶葉。按最大隸屬原則，該人屬于老年。解：模糊模式識別例如

已知“青年人”模糊集Y，其隸屬度規(guī)定為對于x1=27歲及x2=30歲的人來說，若取閾值模糊模式識別1=0.7，模糊模式識別故認為27歲和30歲的人都屬于“青年人”范疇。則因

Y(27)=0.862>1，而

Y(30)=0.5<1，故認為27歲的人尚屬于“青年人”，而30歲人的則不屬于“青年人”。若取閾值2=0.5，則因

Y(27)=0.862>2,而

Y(30)=0.5=2，第四章 P116例4.4.3P193T7，T8模糊綜合評判一、一