模糊逻辑介绍及距离
一、模糊逻辑介绍
模糊逻辑是建立在多值逻辑基础上，运用模糊集合的方法来研究模糊性思维、语言形式及其规律的科学。

模糊逻辑是当语义变量标记为真时, 将传统的亚里士多德逻辑合成。

模糊逻辑, 等同于经典逻辑, 在已定义的模糊集合上有自己的模糊逻辑操作。

如同普通集合一样模糊集合可同样操作, 仅在于它们的计算更加困难。

我们还应该注意, 多模糊集合的组合可构成一个模糊集合。

模糊逻辑的主要原理, 是经典逻辑的一部分, 最大可能地反映现实, 和较高水平的主观性, 这可能会导致明显的计算错误。

模糊模型是基于模糊逻辑进行计算的数学模型。

这些模型的构建可适用于当研究课题有弱形式化, 它的精确数学描述过于复杂, 或根本不知道时。

这些模型的输出值(误差模型) 的品质直接依赖于建立这个模型的专家。

降低出错的最佳选项是绘制更完整和详尽的模型, 既而利用学习机和大型训练集合来磨合它。

模型构建进度可分为三个主要阶段:定义模型输入和输出特征、建立一个知识库、选择模糊推理方法。

第一阶段直接影响到随后的两个阶段, 并确定模型以后的操作。

知识库或有时称为规则库—是一套模糊规则类型: "if, then (如果, 则)" 它定义被检查对象的输入和输出之间的关系。

系统中的规则数量没有限制, 也是由专家来决定。

模糊规则的通常格式是:If 规则条件, then 规则结论。

规则条件描述对象的当前状态, 而规则结论—此条件如何影响对象。

条件和结论的一般视图不能够被选择, 因为它们是由模糊推理来确定。

系统中的每条规则有其权重—这个特征定义了模型内每条规则的重要性。

分配到每条规则的权重因子范围在[0, 1]。

在许多模糊模型的实例中, 这可以在相关文献中找到, 没有指定权重数据, 但并不意味着它不存在。

事实上, 在此种情况下, 来自规则库的每条规则, 权重是固定等于1。

每条规则可以有两种类型的特征和结论: 简单-包含一个模糊变量，复杂-包含若干模糊变量。

二、模糊逻辑举例
模糊逻辑可以用于控制家用电器比如洗衣机(它感知装载量和清洁剂浓度
并据此调整它们的洗涤周期)和空调。

如果一个人的高度是 1.8 米，把他考虑为高:
IF male IS true AND height >= 1.8 THEN is_tall IS true
IF male IS true AND height >= 1.8 THEN is_short IS false
但上述的定义却是不现实的。

因此，在模糊规则下，在高和矮之间不做明显的区分:
IF height >= medium male THEN is_short IS agree somehow
IF height >= medium male THEN is_tall IS agree somehow
在模糊的情况下，没有像1,83 米这样的高度，只有模糊值，比如下列赋值: dwarf male = [0, 1.3]
msmall male = (1.3, 1.5]
medium male = (1.5, 1.8]
tall male = (1.8, 2.0]
giant male > 2.0 m对于结论，也不只是两个值，而是五个:
agree not = 0
agree little = 1
agree somehow = 2
agree alot = 3
agree fully = 4
在二值或"脆弱"的情况下，高度为 1.79 米的一个人可能被认为是矮。

如果另一个人的高度是 1.8 米或 2.25 米，这些人才被当作是高。