Page History: Fuzzy set approaches

Compare Page Revisions

« Older Revision - Back to Page History - Newer Revision »

Page Revision: 2010/06/12 14:34

Fuzzy set approaches

Fuzzy logic uses truth values between 0.0 and 1.0 to represent the degree of membership (such as using fuzzy membership graph)
Attribute values are converted to fuzzy values
- e.g., income is mapped into the discrete categories {low, medium, high} with fuzzy values calculated
For a given new sample, more than one fuzzy value may apply
Each applicable rule contributes a vote for membership in the categories
Typically, the truth values for each predicted category are summed

Introduce

컴퓨터를 인간에 가깝게 하는 일의 어려움
- 퍼지 이론: 애매함을 처리하는 수리 이론

Fuzzy logic
“X”가 “A”라는 집합 A(X)에 속하는 정도를 0과 1 사이의 숫자로 표현 예) μ_A(X)=0.7

Crisp logic
- 전체 집합 X를 두 개의 Group, 즉 부분집합 A⊆X에 속하고 있는 요소와 속하고 있지 않는 요소에 이분하는 특성함수(characteristics function)에 의해 정의된다

Principles of Fuzzy Set Theory

정의 1. 소속함수

전체 집합 Z의 부분집합 A에 대한 소속함수 μ_A(z)는 X로부터 폐구간 [ 0, 1 ]의 한 사상(Mapping)

μ_A : Z → [ 0, 1 ]

으로서, z가 A에 소속된 정도가 0 ≤μA(z) ≤1 값을 나타낸다. 이 때, z가 A에 완전히 소속된 경우 μA(z) = 1 (full membership)로 하고, 소속되지 않은 경우 μ_A(z) = 0 (no membership)으로 하며, z가 A에 소속된 정도가 부분적일 때 0 < μ_A(z) < 1 (Partial membership) 값을 갖도록 나타낸다.

정의 2. 퍼지집합

Z가 속한 임의의 원소 각각에 대해 어떤 특정한 성질을 갖는 정도를 나타내는 소속함수 μ_A(z), 즉 μ_A : Z → [0, 1]가 정의된다고 하자. 이 경우, 순서쌍의 집합 A = {(z, μ_A(x))｜z∈ Z }를 소속함수 μ_A(z)를 갖는 fuzzy set 이라고 한다.

Operation

Empty : Membership function is identically zero in Z
Equality: Two fuzzy set A, B are equal (μ_A(z) = μ_B(z) for al z ∈ Z )
Subset : A fuzzy set A is subset of a fuzzy set B (μ_A(z) ≤ μ_B(z))
Complement, Union, Intersection

Using Fuzzy Sets

R1 : IF the color is green THEN the fruit is Verdant OR
R2 : IF the color is yellow THEN the fruit is half-mature OR
R3 : IF the color is red THEN the fruit is mature

General result involving two membership functions.
- μ₃(z,v) = min{μ_red(z), μ_mat(v)}

Fuzzy output due to rule R3 and specific input
- Q₃(v) = min{μ_red(z₀), μ₃(z₀,v)}
- Q₂(v) = min{μ_yellow(z₀), μ₂(z₀,v)}
- Q₁(v) = min{μ_green(z₀), μ₁(z₀,v)}

집계 퍼지 출력 집계
- Q = Q₁ OR Q₂ OR Q₃
- Q(v) = max_r{min_s{μ_s(z₀),μ_r(z₀,v)}}
r = {1,2,3} , s={green, yellow, red}

Defuzzification
- Obtain a crisp output v0 , from fuzzy set Q
- Way to defuzzify Q to obtain a crisp output is “center of gravity”
Q(1),Q(2)……Q(K)

MUST Creative Engineering Laboratory

Navigation