初步
冒泡~早上下午一直在忙其他的事情...emmm....所以晚上只能学习一下（假装弥补），昨天写了SVD才发现之前理解错了一些概念，于是今天打算整理一下前几天学的一些关于模糊推理的知识。
模糊的概念和产生
模糊，也就是彼此之间边界不分明，从属于该概念、该集合或者不属于该概念、该集合没有很明确的界限。
因此，我们可以用属于程度，来代替属于或者不属于的概率。
比如，这个人发际线稀疏的可能为0.6，这个人不秃头的概率为0.3.
模糊集合
模糊集合就是是用来表达模糊性概念的集合。以下涉及到几个概念
1.隶属度
隶属度，指的是集合元素对集合的隶属程度。用μ表示。
注意：（完全属于时μ=1，不属于时μ=0，0<μ<1即为部分属于）
举例：假如用A表示年轻人这个集合，以20岁为阈值。则这个集合的隶属度函数可以表示如下：
它的图像如下：
可以看出图像为矩形分布，根据函数的不同还会出现梯形分布、曲线分布。
2.模糊集的一些运算
模糊集的并（取最大）
模糊集的交（取最小）
模糊集的补
模糊关系以及运算
1.模糊关系
以AXB为论域的一个模糊子集
定义为：（^表示取最小也就是交的运算）
2. 模糊关系的合成（涉及的运算和公式较多采用截图）
模糊矩阵的合成
举个栗子：
（题外话：很不合格的截图是小李本人了）
注意：（敲脑门！！）模糊矩阵的运算和以前接触的矩阵运算区别在于符号，也就是说原来的X乘号变为交运算，+加号变为并的运算。
截图的来源参考：https://wenku.baidu.com/view/22f96bb0f111f18583d05ac2.html
简单的模糊推理
1.模糊的规则
2.贴近度
举个栗子
3.简单的模糊推理
构造R的方法 以下只介绍扎徳算法
截图来源“：https://wenku.baidu.com/view/2c0276db9a89680203d8ce2f0066f5335a816786.html
插播一个模糊推理的运算例子
（又是瞎截图的小李了）
先理一下思维：首先求R（也就是若X小则Y大的模糊矩阵）运用了离散中的蕴含等值， P→Q <=> ┐P∨Q，之后就用交并补的规则去运算。
求出R之后记得还要和X1合成，才可以求出Y1！！
截图来源：https://wenku.baidu.com/view/a89c6ac8a58da0116c1749c3.html
zzzz终于结束啦~but学习是永无止境哦！
相关阅读
记一次couchdb模糊查询在使用fabric的过程中，避免不了使用couchdb，记录一次模糊匹配的使用记录，方便下次查找。在couchdb中存的数据
转载自：https://www.cnblogs.com/herenzhiming/articles/5276106.html 高斯函数以及在图像处理中的应用总结 1、一维高斯函数： a
2004年我刚接触网站没有多久的时候我就已经知道落伍论坛了，那时候我刚上大一，还是个对网站一无所知的矛毛头小伙子，而转眼间现在已经
通常，图像处理软件会提供”模糊”（blur）滤镜，使图
用微信视频聊天的小伙伴肯定不在少数，大部分用户应该都尝试过这个功能。当然，大家可能也发现了，视频的时候图像特别模糊，这是出于什么