模糊化：
它是将清晰数量转换为模糊数量的方法。这可以通过将各种已知的清晰和确定性数量识别为本质上完全不确定的并且非常不确定的方式来实现。这种不确定性可能是由于模糊性和不精确性而出现的, 因为它们本质上是模糊的, 因此导致变量由隶属函数表示。
例如, 当我说温度为摄氏45度时, 观看者会将清晰的输入值转换为语言变量, 例如对人体有利的温度(冷热)。
模糊化：
这是模糊化的反演, 在那里进行了映射以将清晰结果转换为模糊结果, 但是在这里进行了映射以将模糊结果转换为清晰结果。
该过程能够产生非模糊控制动作, 该非模糊控制动作示出了推断的模糊控制动作的可能性分布。
模糊化过程也可以看作是舍入过程, 其中模糊集在单位间隔上具有一组隶属度值减少为单个标量。
模糊化和反模糊化之间的区别：
| 序号 | 比较方式 | 模糊化 | 模糊化 |
|---|---|---|---|
| 1. | 基本的 | 精确数据将转换为不精确数据。 | 不精确的数据将转换为精确的数据。 |
| 2. | 定义 | 模糊化是将清晰数量转换为模糊数量的方法。 | 反模糊化是模糊化的逆过程, 在该过程中, 进行了映射以将模糊结果转换为清晰的结果。 |
| 3. | 例子 | 电压表 | 像步进电机和数模转换器 |
| 4. | 方法 | 直觉, 推理, 等级排序, 角度模糊集, 神经网络等。 | 最大隶属度原则, 质心法, 加权平均法, 总和中心等。 |
| 5. | 复杂 | 这很简单。 | 这很复杂。 |
| 6. | 采用 | 它可以使用IF-THEN规则来模糊清晰值。 | 它使用重心方法查找集合的质心。 |
