隶属函数的确定方法有哪些

模糊数据库

指能够处理模糊数据的数据库。一般的数据库都是以二直逻辑和精确的数据工具为基础的，不能表示许多模糊不清的

事情。随着模糊数学理论体系的建立，人们可以用数量来描述模糊事件并能进行模糊运算。这样就可以把不完全性、不确定性、模糊性引入数据库系统中，从而形成模糊数据库。模糊数据库研究主要有两方面，首先是如何在数据库中存放模糊数据；其次是定义各种运算建立模糊数据上的函数。模糊数的表示主要有模糊区间数、模糊中心数、模糊集合数和隶属函数等。

统计数据库

管理统计数据的数据库系统。这类数据库包含有大量的数据记录，但其目的是向用户提供各种统计汇总信息，而不是提供单个记录的信息。

网状数据库

处理以记录类型为结点的网状数据模型的数据库。处理方法是将网状结构分解成若干棵二级树结构，称为系。系类型

是二个或二个以上的记录类型之间联系的一种描述。在一个系类型中，有一个记录类型处于主导地位，称为系主记录类

型，其它称为成员记录类型。系主和成员之间的联系是一对多的联系。网状数据库的代表是DBTG系统。1969年美国的

CODASYL组织提出了一份“DBTG报告”，以后，根据DBTG报告实现的系统一般称 为DBTG系统。现有的网状数据库系统大都是采用DBTG方案的。DBTG系统是典型的三级结构体系：子模式、模式、存储模式。相应的数据定义语言分别称为子模式定义语言SSDDL，模式定义语言SDDL，设备介质控制语言DMCL。另外还有数据 *** 纵语言DML。

演绎数据库

是指具有演绎推理能力的数据库。一般地，它用一个数据库管理系统和一个规则管理系统来实现。将推理用的事实数据存放在数据库中，称为外延数据库；用逻辑规则定义要导出的事实，称为内涵数据库。主要研究内容为，如何有效地计

算逻辑规则推理。具体为：递归查询的优化、规则的一致性维护等。

经验分布函数的优缺点：

1、经验分布函数的优点，每个观测值都能直接可视化，这意味着不需要调整化分块数或平滑参数。也有助于直接“比较多个变量的分布情况”。

2、经验分布函数的缺点，图的外观和分布的基本属性(如其中心趋势、方差)之间的关系不是那么直观。

拟合方法应该都是一样的，用最小二乘就行，你查找一下原理自己写程序。偏大还是偏小取决于你的

隶属函数

所要表征的对象特点，偏大的和偏小的隶属情况有差别，你看表达式就能明白。5131

从一道国赛题说起···

2004年的全国大学生数学数模D题——公务员招聘（附试题链接： 2004年全国大学生数学建模竞赛赛题 - 豆丁网 ）

如下图，复试成绩（专家组对应聘者特长的等级评分）是以ABCD四个等级给出的

建模中，将等级量化是至关重要的一步那么如何将这四个等级量化呢？这需要用到模糊数学中隶属度方法

不妨设相应评语集为{A(很好）,B(好）,C（一般）,D（差）}，对应的数值为5,4,3,2根据实际情况选取如下所示偏大型柯西分布隶属函数

由已知条件有

于是求得 将其带入(1)式可得隶属函数

经计算得 则专家组对应应聘者各单项指标的评价{A(很好）,B(好）,C（一般）,D（差）}的量化值为

由此，评价就被量化出来了值得一提的是，这个结果具有普适性

这里用到的工具是隶属函数(membership function)，也称为归属函数或模糊元函数，是模糊集合中会用到的函数，是一般集合中指示函数的一般化

一元素的指示函数的值可能是0或是1

一元素的隶属函数是0到1之间的数值，表示元素属于某模糊集合的“真实程度”（degree of truth）

EXX: 如果集合S={体重超过120kg}那么小明123kg，属于集合S中，其指示函数为1；小甘体重100kg（ 在此自欺欺人 ），不属于集合S中，其指示函数为0但针对模糊集合，可能不会有如此明确的定义假设微胖是一个模糊集合，可能体重120kg的人的隶属函数值为09，体重100公斤的人其隶属函数为08

下面，给出数学上隶属函数的定义：

DEF: 针对集合X，集合X上的隶属函数是将集合X映射到单位实数区间[0,1]的函数

上面求解过程中，用到的是偏大型柯西分布隶属函数事实上，除了偏大型柯西分布隶属函数，还有偏小型和中间型

QAQ: 这个和柯西或者柯西分布有什么联系？

QAQ: 为什么选择偏大型柯西分布隶属函数？