Fuzzy centroids APK

Como provavelmente na maioria dos campos de aplicação da matemática, a construção de métodos difusos não foi desenvolvido em uma linguagem natural. Por este motivo, é conveniente começar com a realização de uma tradução dos conceitos e princípios da lógica fuzzy básicos em uma linguagem coloquial.
Para modelar qualquer tipo de fenômeno social, a definição de seus domínios é um aspecto de importância fundamental. Em termos gerais, os domínios dos modelos são expressos como conjuntos; conjuntos entendidos na forma em que são vulgarmente discutidas na teoria dos conjuntos elementar, representados por diagramas de Venn.
Nos sets "normais", os elementos pertencem ou não pertencem ao conjunto; não há estados intermediários. Mas há outro tipo de conjuntos, que segue as regras de um outro tipo de lógica matemática: conjuntos fuzzy. A principal característica que distingue esta outro tipo de jogos é que se aceite que os membros dos seus elementos pode ser dado a um certo grau, não necessariamente totalmente ou categoricamente. Isto é, sob a lógica de conjuntos fuzzy, um elemento pode pertencer a um conjunto de, por exemplo, num grau de 0,75 (ou 75%). Isto contrasta com as regras categóricas de pertença que são realizadas para conjuntos tradicionais, onde um elemento só pode pertencer (isto é, 100% pertencente), ou não pertencem (ou seja, 0% pertencente).
Em termos matemáticos, escreve-se que um conjunto fuzzy X num espaço F associados com cada elemento x ⸦ X um grau de pertença F (x) ⸦ [0, 1], o que indica o grau em que o elemento x satisfaz o conceito de que F representa.
Se, por exemplo, o critério "relevância da empresa" está sendo modelada e se x é uma empresa, então, em lógica fuzzy F (x) representa o grau em que x satisfaz o conceito de "relevância da empresa".
Há uma ampla gama de aplicações de lógica difusa em todas as áreas do conhecimento. Em particular, é muito útil para representar as avaliações em escalas qualitativas, uma vez que este tipo de medições está geralmente com base em variáveis ​​nominais; isto é, modalidades de dimensionamento uma variável com palavras: grande, pequeno, grande, profunda, etc. A possibilidade de analisar termos difusos representados por expressões linguísticas é um dos campos em que a lógica fuzzy representa mais significativamente para a teoria dos sistemas.
Este aplicativo se concentra exclusivamente sobre a aplicação da lógica fuzzy para a metodologia de definição centroids. Assim, vamos nos limitar a finalidade de descrever analiticamente a forma tomada por modelos centroid sob a lógica fuzzy, isto é, reconhecendo o fato de que a pesquisa em ciências econômicas é feito por seres humanos, indivíduos com ideias e percepções complexas, geralmente não categórica .
O tipo de expressão da função de decisão irá expressar o perfil do tomador de decisão. Pretende-se que esta ser reflectida na estrutura do modelo.
Uma maneira simples, talvez o mais elementar, para modelar a função de decisão é considerar o operador mínimo, e aplicá-lo para o grau de pertinência de x em cada um dos conjuntos fuzzy; isso é:
D (x) = Minj [Cj (x)].
que pode resultar em um certo número de valores de x, uma vez que o mínimo pode não ser único. No entanto, podemos tomar como x * o valor de x que tem o maior D (x).
Com recursos matemáticos como o acima, uma vasta combinação de critérios para decisões já pode ser considerado. Você pode configurar muito diferentes maneiras de modelar o problema da determinação da centroids. As telas mostram como introduzir os parâmetros para determinar centroids difusos e suas vizinhanças.