如何确定模糊系统中需要多少规则和模糊集？ 通过增加规则和模糊集，系统会更好吗？ 我们如何确定实际需要多少规则和模糊集以获得更好的结果？ 感谢
答案 0 :(得分：1)
有许多不同的方法可以确定在特定应用程序中模拟模糊的位置。要记住的首要原则是：1）寻找连续处理序数或名义数据有利于的地方，即使是以不精确为代价，2）＆＃34; fuzz＆＃34;应该自然地存在于您试图解决的数据或问题中;它不是一个秘密的成分，可以让应用程序变得更好，就像过时的狂热爱好者所暗示的那样。只有在更高的准确性或其他实际用途方面证明增加的计算/数据收集/其他成本合理时，才添加模糊规则并设置它。
考虑到这些原则，以下是一些检测模糊规则和集合可能有用的地方的方法：
•如果您在软件开发环境中，可能通过行为驱动开发（BDD）流程进行自然语言建模。例如，您可以采访具有领域知识的人并寻找自然模糊的陈述，例如＆＃34;多云，＆＃34; ＆＃34;阴＆＃34;和＆＃34;晴天＆＃34;在气象学，或模糊数字，如＆＃34;约一半＆＃34;或者＆＃34;大多数。＆＃34;然后找到最准确匹配分配给这些术语的含义的成员函数。请注意，有时来自多个模糊集的术语可以一起出现;例如，你对陈述的真实性进行评分＆＃34;这些天大约有一半是阴天，＆＃34;这可能需要三个单独的隶属函数，一个用于真值，一个用于模糊数，另一个用于＆＃34;多云＆＃34;类别。语言分析是最简单的方法，因为人们每天自然地使用模糊语言;但要注意的是，多个模糊集合实际上可以组合起来模拟不经常以自然语言出现的模糊逻辑好奇心，例如“约翰高于他聪明”，“库存高于它低，“”咖啡至少和美味一样不健康，“并且”她的最后一部小说更具政治性，而不是忏悔。“这些例子来自p。 16，Bilgic，Taner和Turksen，I.B。 1994年8月，“模糊集理论中连接词的测量 - 理论证明”，模糊集和系统，1995年1月，第289-308页。 76，No.3。
•另一个重要的任务是整理出如何模拟＆＃34;语言连接词＆＃34;像模糊的AND和OR，或模糊语句之间的清晰连词。已经制定了一些指导原则，并可在Alsina，C。等来源中找到; Trillas E.和Valverde，L.，1983，“On Some Logical Connectives for Fuzzy Sets Theory，＆＃34;数学分析与应用杂志第15-26页。卷。 93; Dubois，Didier和Prade，Henri，1985，“模糊集合聚合连接的回顾，＆＃34;信息科学，第85-121页，1985年7月至8月。卷。 36，第1-2号。
•汇集专家意见（如在专家系统中）或其他人的主观分数（如在电影评级系统中）。评级本身将构成一个模糊性水平，而另一个级别可以加上每个专家或其他个人特定分数的重要性，如果他们特别具有权威性的话。
•另一种选择是使用神经网络来确定为模型添加各种模糊规则和集合是否实际上提高了准确性或与您的最终目标相关的其他指标。
•其他选项包括使用回归，最大似然估计（MLE），LaGrange插值等技术估计隶属函数以及T-范数和T-范数（经常在模糊补语，联合和交叉点中使用）的参数。曲线拟合和参数估计。所有这些都在我最喜欢的模糊集数学参考中讨论，Klir，George J.和Yuan，Bo，1995，Fuzzy Sets and Fuzzy Logic：Theory and Applications。 Prentice Hall：上萨德尔河，新泽西州
•同样，决定是否包含特定的模糊规则或集合可能取决于您是否能够找到其潜在的和可能未知的＆＃34;实际＆＃34;之间的良好匹配。会员功能和您的测试。大多数情况下，三角形，梯形或高斯函数就足够了，但在某些情况下，可能需要进行分布测试才能找到正确的分布函数。经验分布函数（EDF）可能在这里派上用场。
长话短说，可以应用许多不同的统计和机器学习技术来为这些问题提供答案。关键是始终保持在上述两个主要原则的范围内，并且只有在模拟集合为实际目标服务的情况下对事物进行建模，然后忽略其余部分。我希望有所帮助。