Luận văn: Toán tử kéo theo và ứng dụng trong CSDL mờ (ĐH Công Nghệ)

Luận văn Thạc sĩ nghiên cứu về toán tử kéo theo và ứng dụng trong cơ sở dữ liệu mờ. Tìm hiểu sâu về lý thuyết và các triển khai thực tế.

Trường đại học

Trường Đại Học Công Nghệ - Đại Học Quốc Gia

Chuyên ngành

Toán học

Người đăng

Ẩn danh

Thể loại

Luận văn Thạc sĩ
88
1
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI CẢM ƠN

1. CHƢƠNG 1 PHÉP KÉO THEO

1.1. Tập mờ và quan hệ mờ.

1.2. Các phép toán đại số trên tập mờ

1.3. Các phép toán cơ bản của logic mờ

1.4. Phép phủ định (negation)

1.5. Phép hội (conjunction)

1.6. Phép tuyển (disjunction)

1.7. Luật De Morgan

1.8. Quan hệ mờ. Quan hệ mờ và phép hợp thành.

1.9. Phép hợp thành.

1.10. Phép kéo theo (implication)

1.11. Định nghĩa phép kéo theo :

1.12. Các loại phép kéo theo mờ.

1.13. Sự phân lớp các phép kéo theo mờ.

2. CÁC LIÊN KẾT LOGIC

2.1. Phủ định trong các mệnh đề mờ.

2.2. Biểu biễn của luật mờ

2.3. Sự kết hợp giữa các luật mờ

2.4. Suy luận mờ

2.5. Luật hợp thành suy diễn

2.6. Sự suy rộng modus ponens và modus tollens

2.7. Tiêu chuẩn để suy rộng modus ponens

2.8. Suy diễn một luật dựa trên T-implication

3. T-CHUẨN CÓ NGƯỠNG VÀ PHÉP KÉO THEO CÓ NGƯỠNG

3.1. T- chuẩn có ngưỡng.

3.2. T-chuẩn và hàm sinh

3.3. t-chuẩn có ngưỡng

3.4. t-conorm có ngưỡng.

3.5. Bộ ba De Morgan

3.6. t-chuẩn có ngưỡng và các hàm sinh

3.7. Các phương pháp suy diễn mờ sử dụng t-chuẩn có ngưỡng

3.8. Phép kéo theo có ngưỡng

4. CƠ SỞ DỮ LIỆU MỜ VÀ LUẬT KẾT HỢP MỜ

4.1. Cơ sở dữ liệu mờ.

4.2. Đại số gia tử và lập luận xấp xỉ

4.3. Lập luận xấp xỉ dựa trên đại số gia tử.

4.4. Tính mờ của một giá trị ngôn ngữ

4.5. Xây dựng hàm định lượng ngữ nghĩa trên cơ sở độ đo tính mờ của gia tử.

4.6. Xây dựng quan hệ đối sánh trong miền trị của thuộc tính

4.7. Phân hoạch dựa trên độ đo mờ của các giá trị ngôn ngữ trong đại số gia tử.

4.8. Xấp xỉ các giá trị ngôn ngữ trong phân hoạch.

4.9. Một số cách tiếp cận mô hình cơ sở dữ liệu mờ.

4.10. Luật kết hợp mờ.

4.11. Luật kết hợp

4.12. Ý nghĩa của luật kết hợp

4.13. Một số hướng tiếp cận trong khai thác luật kết hợp

4.14. Khai thác luật kết hợp.

4.15. Thuật toán Apriori nhị phân để tìm kiếm các tập thường xuyên

4.16. Luật kết hợp có thuộc tính số và thuộc tính hạng mục

4.17. Phương pháp rời rạc hoá dữ liệu.

4.18. Luật kết hợp mờ.

4.19. Mô tả bài toán

4.20. Không gian tìm kiếm

5. BƯỚC ĐẦU ỨNG DỤNG PHÉP KÉO THEO VÀO TÍNH TOÁN LUẬT KẾT HỢP MỜ

5.1. t-chuẩn có ngưỡng và độ ủng hộ

5.2. Cài đặt thuật toán F-Apriori

6. Những vấn đề đã được giải quyết trong luận văn.

7. Công việc nghiên cứu trong tương lai

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Toán Tử Kéo Theo và CSDL Mờ Ứng Dụng

Luận văn Thạc sĩ về Toán tử kéo theoCơ sở dữ liệu mờ (CSDL mờ) đang trở thành một lĩnh vực nghiên cứu quan trọng, đặc biệt trong bối cảnh xử lý thông tin không chắc chắn ngày càng phổ biến. Luận văn này tập trung vào việc tìm hiểu các loại toán tử kéo theo trong logic mờ và ứng dụng của chúng trong việc giải quyết các bài toán thực tế liên quan đến CSDL mờ. Mục tiêu chính là cung cấp một cái nhìn tổng quan về lý thuyết và ứng dụng, đồng thời khám phá những thách thức và hướng nghiên cứu tiềm năng trong tương lai. Theo tài liệu gốc, các phép kéo theo là công đoạn chốt nhất của quá trình suy diễn trong mọi lập luận xấp xỉ, bao gồm cả suy luận mờ. Hơn nữa một trong những vấn đề trọng tâm của suy luận mờ là thông tin lập luận biểu thị bằng các điều kiện “IF…THEN”. Vì vậy toán tử implication là một đối tượng nghiên cứu quan trọng. Luận văn này sẽ trình bày chi tiết các khái niệm cơ bản về logic mờ, tập mờ, quan hệ mờ, các phép toán đại số trên tập mờ, và đặc biệt là đi sâu vào các loại toán tử kéo theo khác nhau. Nghiên cứu này cũng sẽ đề cập đến các mô hình CSDL mờ, ngôn ngữ truy vấn, và các phương pháp suy diễn trong môi trường dữ liệu không chắc chắn.

1.1. Khái niệm Cơ Bản về Toán Tử Kéo Theo và Logic Mờ

Toán tử kéo theo là một thành phần cốt lõi trong logic, đặc biệt là logic mờ. Trong logic cổ điển, nó thể hiện mối quan hệ 'nếu...thì...' giữa hai mệnh đề. Tuy nhiên, trong logic mờ, khái niệm này được mở rộng để xử lý các tình huống không chắc chắn và không rõ ràng. Logic mờ cho phép các mệnh đề có giá trị chân lý nằm trong khoảng [0, 1], thay vì chỉ là đúng (1) hoặc sai (0) như trong logic cổ điển. Toán tử kéo theo trong logic mờ có nhiều dạng khác nhau, như toán tử kéo theo Godel, toán tử kéo theo Goguen, và toán tử kéo theo Lukasiewicz, mỗi loại có những đặc điểm và ứng dụng riêng. Việc lựa chọn đúng loại toán tử kéo theo là rất quan trọng để đảm bảo tính chính xác và hiệu quả của hệ thống suy luận mờ.

1.2. Vai Trò của Toán Tử Kéo Theo trong CSDL Mờ

CSDL mờ là một loại CSDL được thiết kế để lưu trữ và xử lý dữ liệu không chắc chắn, không đầy đủ, hoặc không rõ ràng. Trong CSDL mờ, toán tử kéo theo đóng vai trò quan trọng trong việc thực hiện các truy vấn, suy diễn, và ra quyết định dựa trên dữ liệu mờ. Ví dụ, khi truy vấn một CSDL mờ, toán tử kéo theo có thể được sử dụng để đánh giá mức độ phù hợp của một bản ghi với các tiêu chí truy vấn mờ. Ngoài ra, toán tử kéo theo cũng có thể được sử dụng để xây dựng các quy tắc suy diễn mờ, cho phép hệ thống tự động suy luận ra các thông tin mới từ dữ liệu hiện có.

1.3. Ứng Dụng Thực Tiễn của CSDL Mờ Sử Dụng Toán Tử Kéo Theo

CSDL mờ kết hợp với toán tử kéo theo có nhiều ứng dụng thực tiễn trong các lĩnh vực như quản lý rủi ro tài chính, chẩn đoán y tế, điều khiển hệ thống tự động, và phân tích dữ liệu khách hàng. Ví dụ, trong quản lý rủi ro tài chính, CSDL mờ có thể được sử dụng để đánh giá mức độ rủi ro của các khoản đầu tư dựa trên các yếu tố không chắc chắn như biến động thị trường và tình hình kinh tế. Trong chẩn đoán y tế, CSDL mờ có thể được sử dụng để hỗ trợ bác sĩ trong việc đưa ra quyết định chẩn đoán dựa trên các triệu chứng không rõ ràng và kết quả xét nghiệm không chắc chắn. Trong điều khiển hệ thống tự động, CSDL mờ có thể được sử dụng để điều khiển các thiết bị và quy trình dựa trên các cảm biến và thông tin đầu vào không chính xác.

II. Thách Thức Xử Lý Dữ Liệu Mờ và Lựa Chọn Toán Tử

Một trong những thách thức lớn nhất trong việc sử dụng CSDL mờ là xử lý sự không chắc chắn và mơ hồ inherent trong dữ liệu. Việc lựa chọn đúng loại toán tử kéo theo để sử dụng trong một ứng dụng cụ thể có thể là một nhiệm vụ khó khăn, vì mỗi loại có những ưu điểm và nhược điểm riêng. Ngoài ra, việc đảm bảo tính nhất quán và chính xác của dữ liệu mờ cũng là một vấn đề quan trọng cần được giải quyết. Theo tài liệu gốc, một trong những vấn đề trọng tâm của suy luận mờ là thông tin lập luận biểu thị bằng các điều kiện “IF…THEN”. Vì vậy toán tử implication là một đối tượng nghiên cứu quan trọng. Việc xử lý thông tin dạng này trong CSDL mờ đặt ra nhiều thách thức, đòi hỏi các giải pháp hiệu quả để đảm bảo tính tin cậy của hệ thống.

2.1. Các Vấn Đề về Độ Tin Cậy và Tính Nhất Quán Trong CSDL Mờ

Độ tin cậytính nhất quán là những yếu tố quan trọng trong bất kỳ CSDL nào, nhưng chúng đặc biệt quan trọng trong CSDL mờ, nơi dữ liệu vốn đã không chắc chắn. Việc đảm bảo rằng dữ liệu mờ được lưu trữ và xử lý một cách nhất quán và chính xác là rất quan trọng để đảm bảo tính đúng đắn của các kết quả truy vấn và suy diễn. Các phương pháp như kiểm soát truy cập, xác thực dữ liệu, và kiểm tra tính nhất quán có thể được sử dụng để cải thiện độ tin cậytính nhất quán của CSDL mờ.

2.2. Khó Khăn Trong Việc Lựa Chọn Toán Tử Kéo Theo Phù Hợp

Việc lựa chọn toán tử kéo theo phù hợp là một quyết định quan trọng có thể ảnh hưởng đến hiệu suất và độ chính xác của CSDL mờ. Không có một toán tử kéo theo nào phù hợp cho tất cả các ứng dụng, và việc lựa chọn phải dựa trên các yếu tố như loại dữ liệu, yêu cầu hiệu suất, và mức độ chấp nhận rủi ro. Các phương pháp như thử nghiệm, mô phỏng, và phân tích độ nhạy có thể được sử dụng để giúp lựa chọn toán tử kéo theo phù hợp.

2.3. Các Phương Pháp Đánh Giá Hiệu Năng CSDL Mờ

Đánh giá hiệu năng của CSDL mờ là một thách thức, vì các phương pháp truyền thống thường không phù hợp. Các phương pháp đánh giá hiệu năng CSDL mờ cần phải xem xét các yếu tố như độ chính xác, độ tin cậy, thời gian phản hồi, và khả năng mở rộng. Các chỉ số như độ chính xác, độ phủ, và độ đo F1 có thể được sử dụng để đánh giá độ chính xác của các truy vấn và suy diễn mờ.

III. Phương Pháp Ứng Dụng Giải Thuật Tối Ưu Toán Tử Mờ

Luận văn này tập trung vào việc áp dụng các giải thuật tối ưu để cải thiện hiệu suất và độ chính xác của CSDL mờ sử dụng toán tử kéo theo. Các giải thuật tối ưu có thể được sử dụng để tự động lựa chọn toán tử kéo theo phù hợp, điều chỉnh các tham số của CSDL mờ, và tối ưu hóa các truy vấn mờ. Theo tài liệu gốc, việc áp dụng các giải thuật có thể cải thiện truy vấn CSDL mờ sử dụng toán tử kéo theo tối ưu. Nghiên cứu này sẽ khám phá các phương pháp tối ưu hóa khác nhau và đánh giá hiệu quả của chúng trong các tình huống thực tế.

3.1. Giới Thiệu về Các Giải Thuật Tối Ưu Hóa Trong CSDL Mờ

Có nhiều loại giải thuật tối ưu hóa khác nhau có thể được sử dụng trong CSDL mờ, bao gồm giải thuật di truyền, giải thuật mô phỏng luyện kim, và giải thuật đàn kiến. Các giải thuật di truyền là một loại giải thuật tiến hóa được sử dụng để tìm kiếm các giải pháp tối ưu cho các vấn đề phức tạp. Giải thuật mô phỏng luyện kim là một loại giải thuật tìm kiếm địa phương được sử dụng để tìm kiếm các giải pháp gần tối ưu cho các vấn đề phức tạp. Giải thuật đàn kiến là một loại giải thuật dựa trên quần thể được sử dụng để tìm kiếm các đường đi ngắn nhất trong một đồ thị.

3.2. Ứng Dụng Toán Tử Di Truyền để Tối Ưu Toán Tử Kéo Theo

Giải thuật di truyền có thể được sử dụng để tự động lựa chọn toán tử kéo theo phù hợp cho một ứng dụng cụ thể. Giải thuật di truyền hoạt động bằng cách tạo ra một quần thể các toán tử kéo theo ngẫu nhiên, đánh giá hiệu suất của mỗi toán tử kéo theo trên một tập dữ liệu thử nghiệm, và sau đó sử dụng các toán tử di truyền như lai ghépđột biến để tạo ra một quần thể mới các toán tử kéo theo với hiệu suất tốt hơn. Quá trình này được lặp lại cho đến khi tìm thấy một toán tử kéo theo có hiệu suất chấp nhận được.

3.3. Các Phương Pháp Đánh Giá và So Sánh Hiệu Quả Các Giải Thuật

Việc đánh giá và so sánh hiệu quả của các giải thuật tối ưu khác nhau là rất quan trọng để xác định giải thuật nào phù hợp nhất cho một ứng dụng cụ thể. Các phương pháp như phân tích độ phức tạp thời gian, phân tích độ phức tạp không gian, và so sánh hiệu suất trên các tập dữ liệu thử nghiệm có thể được sử dụng để đánh giá và so sánh hiệu quả của các giải thuật tối ưu.

IV. Phân Tích Ảnh Hưởng của Toán Tử Kéo Theo đến Truy Vấn

Phân tích ảnh hưởng của toán tử kéo theo đến kết quả truy vấn trong CSDL mờ là một phần quan trọng của luận văn. Mỗi toán tử có đặc tính riêng, tác động đến độ chính xác, độ tin cậy của thông tin. Từ đó đưa ra kết quả có tính ứng dụng thực tế cao. Theo tài liệu gốc, một số yếu tố như hiệu quả, độ chính xác nên cần được xem xét trong luận văn.

4.1. Phân Tích Độ Chính Xác và Độ Phủ của Truy Vấn

Độ chính xác, là số lượng bản ghi phù hợp và được trả về trong kết quả truy vấn. Độ phủ là số lượng bản ghi phù hợp nhưng không được trả về trong kết quả truy vấn. Độ đo F1 để đánh giá kết quả truy vấn và toán tử.

4.2. Nghiên Cứu Ảnh Hưởng đến Thời Gian Thực Thi Truy Vấn

Thời gian thực thi, là thời gian để hệ thống trả về kết quả truy vấn. Một số toán tử có độ phức tạp cao sẽ làm tăng thời gian truy vấn đáng kể. Giải pháp: tối ưu hóa truy vấn, sử dụng index.

4.3. Thử Nghiệm và So Sánh với Các Bộ Dữ Liệu Khác Nhau

Sử dụng các bộ dữ liệu có cấu trúc, kích thước, loại dữ liệu mờ khác nhau để đánh giá một cách khách quan và toàn diện hiệu quả của từng toán tử. Chọn bộ dữ liệu thử nghiệm hợp lý, đại diện cho các ứng dụng CSDL mờ trong thực tế.

V. Kết Luận Hướng Nghiên Cứu và Phát Triển CSDL Mờ

Luận văn đã trình bày một cái nhìn tổng quan về toán tử kéo theoCSDL mờ, đồng thời khám phá các thách thức và hướng nghiên cứu tiềm năng trong tương lai. Việc áp dụng các giải thuật tối ưu có thể cải thiện hiệu suất và độ chính xác của CSDL mờ, mở ra những cơ hội mới cho các ứng dụng trong nhiều lĩnh vực khác nhau. Theo tài liệu gốc, công việc nghiên cứu trong tương lai có thể tập trung vào việc phát triển các mô hình CSDL mờ mới, các phương pháp tối ưu hóa hiệu quả hơn, và các ứng dụng thực tế sáng tạo hơn.

5.1. Tóm Tắt Những Kết Quả Nghiên Cứu Quan Trọng

Tóm tắt các kết quả nghiên cứu chính, như các phương pháp tối ưu hóa toán tử, cải thiện độ chính xác, độ tin cậy của truy vấn, đánh giá ảnh hưởng của các toán tử đến hệ thống CSDL mờ.

5.2. Đề Xuất Các Hướng Nghiên Cứu Tiềm Năng Trong Tương Lai

Nghiên cứu các mô hình CSDL mờ mới, kết hợp các kỹ thuật học máy, khai thác dữ liệu để cải thiện độ tin cậy, khả năng thích ứng và mở rộng của hệ thống.

5.3. Ứng Dụng Thực Tế và Ảnh Hưởng Đến Các Lĩnh Vực

Phân tích tiềm năng ứng dụng trong các lĩnh vực như y tế, tài chính, quản lý rủi ro, điều khiển hệ thống tự động và phân tích dữ liệu. Thúc đẩy nghiên cứu để hiện thực hóa các ứng dụng tiềm năng.

24/09/2025

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TÌM HIỂU MỘT SỐ LỚP TOÁN TỬ KÉO THEO VÀ ỨNG DỤNG MỘT VÀI BÀI TOÁN CỦA CƠ SỞ DỮ LIỆU MỜ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TSKH BÙI CÔNG CƯỜNG HỌC VIÊN THỰC HIỆN: NGUYỄN THỊ HUYỀN 1 TIEU LUAN MOI download : skknchat@gmail.com 2 MỤC LỤC LỜI CẢM ƠN. 5 PHÉP KÉO THEO. Tập mờ và quan hệ mờ. Các phép toán đại số trên tập mờ.

Các phép toán cơ bản của logic mờ. Phép phủ định. Luật De Morgan. Quan hệ mờ.

Quan hệ mờ và phép hợp thành. Phép hợp thành. Phép kéo theo. Định nghĩa phép kéo theo :.

Các loại phép kéo theo mờ. Sự phân lớp các phép kéo theo mờ. Suy luận mờ với phép kéo theo. Các liên kết logic .2 Phủ định trong các mệnh đề mờ.1 Biểu biễn của luật mờ.

Sự kết hợp giữa các luật mờ. Suy luận mờ. Luật hợp thành suy diễn. Sự suy rộng modus ponens và modus tollens.

Tiêu chuẩn để suy rộng modus ponens. Suy diễn một luật dựa trên T-implication. 30 T-CHUẨN CÓ NGƯỠNG VÀ PHÉP KÉO THEO CÓ NGƯỠNG. T- chuẩn có ngưỡng.

T-chuẩn và hàm sinh. t-chuẩn có ngưỡng. t-conorm có ngưỡng. Bộ ba De Morgan.

t-chuẩn có ngưỡng và các hàm sinh. Các phương pháp suy diễn mờ sử dụng t-chuẩn có ngưỡng. Phép kéo theo có ngưỡng. 40 TIEU LUAN MOI download : skknchat@gmail.com 3 CƠ SỞ DỮ LIỆU MỜ VÀ LUẬT KẾT HỢP MỜ .Cơ sở dữ liệu mờ.

Đại số gia tử và lập luận xấp xỉ. Lập luận xấp xỉ dựa trên đại số gia tử. Tính mờ của một giá trị ngôn ngữ .Xây dựng hàm định lượng ngữ nghĩa trên cơ sở độ đo tính mờ của gia tử. Xây dựng quan hệ đối sánh trong miền trị của thuộc tính.

Phân hoạch dựa trên độ đo mờ của các giá trị ngôn ngữ trong đại số gia tử. Xấp xỉ các giá trị ngôn ngữ trong phân hoạch. Một số cách tiếp cận mô hình cơ sở dữ liệu mờ. Luật kết hợp mờ.

Luật kết hợp. Ý nghĩa của luật kết hợp .2 Một số hướng tiếp cận trong khai thác luật kết hợp. Khai thác luật kết hợp. Thuật toán Apriori nhị phân để tìm kiếm các tập thường xuyên.

Luật kết hợp có thuộc tính số và thuộc tính hạng mục .6 Phương pháp rời rạc hoá dữ liệu. Luật kết hợp mờ. Mô tả bài toán. Không gian tìm kiếm.

72 BƯỚC ĐẦU ỨNG DỤNG PHÉP KÉO THEO VÀO TÍNH TOÁN LUẬT KẾT HỢP MỜ. t-chuẩn có ngưỡng và độ ủng hộ. Cài đặt thuật toán F-Apriori. 78 Những vấn đề đã được giải quyết trong luận văn.

78 Công việc nghiên cứu trong tương lai. 78 TÀI LIỆU THAM KHẢO. 82 TIEU LUAN MOI download : skknchat@gmail.com 5 CHƢƠNG 1 PHÉP KÉO THEO 1. Tập mờ và quan hệ mờ.

Tập mờ (Fuzzy set) A là tập mờ trên không gian nền U nếu A được xác định bởi hàm: A là hàm thuộc(membership function), A(x) xác định mức độ thuộc của x vào tập mờ A Ví dụ 1: Xét một tập à bao gồm những người TRẺ, như vậy ở đây sẽ không có ranh giới rõ ràng để khẳng định một người có là phần tử của à hay không, ranh giới đó là mờ. Ta chỉ có thể nói một người sẽ thuộc tập hợp à ở một mức độ nào đó. Chẳng hạn chúng ta đồng ý với nhau một người 35 tuổi thuộc về tập hợp à với độ thuộc là 60% hay 0. Ta có hình vẽ sau: Young Old 25 50 Chúng ta cũng sẽ ký hiệu : A = {(A(x) / x) : x  U}; Ví dụ 2: A0 = một vài quả cam = {(0/0),(0/1) (0.

Số mờ Tập mờ M trên đường thẳng số thực R1 là một số mờ nếu: a. M chuẩn hoá, tức là có điểm x‟ sao cho M(x‟) = 1 b. Ứng với mỗi   R1 , tập mức {x: M(x)   } là đoạn đóng trên R1 Số mờ có 3 dạng phổ biến: 1/ Dạng tam giác. 0 Nếu z < a 1 z – a Nếu a  z  b b–a M(z) = 1 Nếu z = b 0 z – a Nếu b  z  c a b c c–b 0 Nếu z > c TIEU LUAN MOI download : skknchat@gmail.com 6 2/ Dạng hình thang 0 Nếu z < a z – a Nếu a  z  b 1 b–a M(z) = 1 Nếu b  z  c d – z Nếu c  z  d 0 d–c a b c d 0 Nếu z > d 3/ Dạng hàm Gauss 1 (z – zo)2 /2 Nếu z-z0  d0 e M(z) = 0 0 Nếu z-z0 > d0 Z0 Hình 1 1.

Các phép toán đại số trên tập mờ Cho A và B là hai tập mờ trên không gian nền U Phép hợp: Phép hợp của hai tập mờ A và B, kí hiệu là A  B là một tập mờ có hàm thuộc: AB(x) = max{A(x), B(x)} Phép giao: Phép giao của hai tập mờ A và B, kí hiệu là A  B là một tập mờ có hàm thuộc: AB(x) = min{A(x), B(x)} Phép lấy phần bù của tập mờ A ký hiệu là Ac là tập mờ có hàm thuộc: Ac (x) = 1- A(x) 1. Các phép toán cơ bản của logic mờ Như các toán tử được định nghĩa trong tập hợp cổ điển, các toán tử tương tự như thế cũng được định nghĩa trên tập hợp mờ. Đó là phép hội, phép tuyển của hai tập hợp mờ và phép phủ định của một tập hợp mờ, các phép toán này được suy ra từ định lý của tập hợp cổ điển. Giá trị chân lý của phép hội, phép tuyển, phép phủ định được định nghĩa duy nhất trong tập hợp cổ điển như sau: TIEU LUAN MOI download : skknchat@gmail.com 7 A B AB AB A 0 0 0 0 1 0 1 0 1 1 1 0 0 1 0 1 1 1 1 0 Bảng 1 Ở trong lý thuyết tập mờ giá trị chân lý của các phép toán này không chỉ lấy hai giá trị 0 và 1 mà nó là tập hợp các giá trị trong khoảng [0,1].

Các toán tử này không được định nghĩa duy nhất. Trong phần này trình bày chi tiết các định nghĩa về phép tuyển, phép hội của các tập mờ và phép lấy phủ định của một tập mờ. Phép phủ định (negation) Phủ định là một trong những phép toán logic cơ bản, để suy rộng cần tới toán tử v(NOT P) xác định giá trị chân lý của NOT P đối với mỗi mệnh đề NOT P. Ta sẽ xét tới một số tiên đề diễn đạt những tính chất quen thuộc trong logic cổ điển: 1/ v(NOT P) chỉ phụ thuộc vào v(P) 2/ Nếu v(P) = 1 thì v(NOT P) = 0 3/ Nếu v(P) = 0 thì v(NOT P) = 1 4/ Nếu v(P1)  v(P2) thì v(NOT P1)  v(NOT P2) Định nghĩa 1.1 [4] Hàm n: [0,1]  [0,1] không tăng thoả mãn các điều kiện n(0) = 1, n(1) = 0 gọi là hàm phủ định hay phép phủ định.2 [4] 1/ Hàm phủ định n là chặt nếu nó là hàm liên tục và giảm chặt.

2/ Hàm phủ định n là mạnh nếu n giảm chặt và n(n(x)) = x với mỗi x 1. Phép hội (conjunction) Phép hội (vẫn quen gọi là phép AND) cũng là một trong những phép toán logic cơ bản. Nó là cơ sở để định nghĩa phép giao của hai tập mờ. Ở đây ta cũng xét các tiên đề từ logic cổ điển.

TIEU LUAN MOI download : skknchat@gmail.com 8 1/ v(P1 AND P2) chỉ phụ thuộc vào các giá trị v(P1), v(P2) 2/ Nếu v(P1) = 1 thì v(P1 AND P2) = v(P2), với mọi mệnh đề P2 3/ Giao hoán: v(P1 AND P2) = v(P2 AND P1) 4/ Nếu v(P1) v(P2) thì v(P1 AND P3)  v(P2 AND P3) với mọi mệnh đề P3 5/ Kết hợp: v(P1 AND (P2 AND P3)) = v((P1 AND P2 ) AND P3) Nếu diễn đạt phép hội mờ (fuzzy conjunction) như một hàm T: [0,1] x [0,1]  [0,1] thì ta có định nghĩa [4] như sau: Hàm T: [0,1] x [0,1]  [0,1] là phép hội hay là t-chuẩn (t-norm) nếu thoả mãn các điều kiện sau: 1/ T(1,x) = x với mọi 0  x  1 2/ T có tính giao hoán, tức là T(x,y) = T(y,x) với mọi 0  x,y  1 3/ T không giảm theo nghĩa T(x,y)  T(u,v) với mọi x  u, y  v 4/ T có tính kết hợp : T(x, T(y,z)) = T(T(x,y),z) với mọi 0  x,y,z  1 Từ những tiên đề trên ta suy ra T(0,x), hơn nữa tiên đề 4/ đảm bảo tính thác triển duy nhất cho hàm nhiều biến. Một số ví dụ về t-chuẩn: 1/ Min (Zadeh 1965) T(x,y) = min(x,y) 2/ Dạng tích: T(x,y) = x.y 3/ t-chuẩn Lukasiewiez T(x,y) = max{x+y-1, 0} min(x,y) nếu x+y > 1 4/ min nipotent (Fodor 1993) T(x,y) = 0 nếu x+y  1 min(x,y) nếu max(x,y) = 1 5/ T-chuẩn yếu nhất Z(x,y) = 0 nếu max(x,y) <1 Ta thấy rằng Z(x,y)  T(x,y)  min(x,y) với mọi 0  x,y  1 TIEU LUAN MOI download : skknchat@gmail. Phép tuyển (disjunction) Giống như phép hội, phép tuyển hay toán tử logic OR thông thường cần thoả mãn các tiên đề sau: 1/ v(P1 OR P2) chỉ phụ thuộc vào các giá trị v(P1), v(P2) 2/ Nếu v(P1) = 0 thì v(P1 OR P2) = v(P2), với mọi mệnh đề P2 3/ Giao hoán: v(P1 OR P2) = v(P2 OR P1) 4/ Nếu v(P1)  v(P2) thì v(P1 OR P3)  v(P2 OR P3) với mọi mệnh đề P3 5/ Kết hợp: v(P1 OR (P2 OR P3)) = v((P1 OR P2 ) OR P3) Định nghĩa [4] Hàm S: [0,1] x [0,1]  [0,1] gọi là phép tuyển hay là t-đối chuẩn (t- conorm) nếu thoả mãn các tiên đề sau: 1/ S(0,x) = x với mọi 0  x  1 2/ S có tính giao hoán, tức là S(x,y) = S(y,x) với mọi 0  x,y  1 3/ S không giảm S(x,y)  S(u,v) với mọi x  u, y  v 4/ S có tính kết hợp : S(x, S(y,z)) = S(S(x,y),z) với mọi 0  x,y,z  1 1. Luật De Morgan Cho A và B là hai tập con của U, khi đó (A  B)C = AC  BC (A  B)C = AC  BC Định nghĩa 1.

Cho T là t-chuẩn, S là t-đối chuẩn, n là phép phủ định chặt. Chúng ta nói bộ ba (T,S,n) là một bộ ba De Morgan nếu: n(S(x,y) = T(nx,ny) 1. Quan hệ mờ. Quan hệ mờ và phép hợp thành.

Cho X, Y là hai không gian nền.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ