Pengukur Linguistik yang Dimodelkan oleh Sugeno Integrals

Mingsheng Ying∗

Laboratorium Utama Negara Teknologi dan Sistem Cerdas,

Departemen Ilmu dan Teknologi Komputer,
Universitas Tsinghua, Beijing 100084,
China Email: yingmsh@tsinghua.edu.cn

Abstrak
Karena pembilang memiliki kemampuan meringkas properti dari suatu
kelas objek tanpa menyebutkannya, kuantifikasi linguistik adalah topik yang
sangat penting dalam bidang representasi dan penalaran pengetahuan
tingkat tinggi. Makalah ini memperkenalkan kerangka kerja baru untuk
pemodelan bilangan dalam bahasa alami di mana setiap pembilang linguistik
diwakili oleh keluarga ukuran fuzzy, dan nilai kebenaran dari proposisi
terukur dievaluasi dengan menggunakan integral Sugeno. Kerangka kerja ini
memungkinkan kita memiliki beberapa sifat logis yang elegan dari bilangan
linguistik. Kami membandingkan dengan hati-hati model baru penghitungan
dan pendekatan lain untuk pengukur linguistik. Serangkaian kriteria untuk
penghitungan linguistik telah diusulkan dalam literatur sebelumnya.
Hubungan antara kriteria ini dan hasil yang diperoleh dalam makalah ini
diklarifikasi. Beberapa aplikasi sederhana dari semantik integral bilangan
Sugeno disajikan.

Kata kunci: Representasi dan penalaran pengetahuan tingkat tinggi,

Pemahaman bahasa alami; Menghitung dengan kata-kata; Logika fuzzy;
Pembilang; Pengukuran fuzzy; Integral Sugeno

1. pengantar

Logika orde pertama meningkatkan banyak kekuatan ekspresif logika

proposisional melalui penambahan bilangan. Logika orde pertama klasik hanya
memiliki dua pembilang,
∀ pembilang universal () dan pembilang eksistensial ().
Namun, bilangan ini seringkali terlalu terbatas untuk mengekspresikan beberapa
properti dari struktur matematika tertentu dan untuk memodelkan pengetahuan
tertentu yang dinyatakan dalam bahasa alami. Ini mengarahkan ahli logika dan
ahli bahasa untuk memperkenalkan gagasan bilangan umum.
∗
Pekerjaan ini sebagian didukung oleh National Foundation of Natural Sciences of China (Grant
No: 60321002, 60496321) dan Proyek Hibah Utama Kementerian Pendidikan Cina (No Hibah:

1
10403)

2
 Pada awal tahun 1957, Mostowski [29] mengusulkan gagasan umum tentang
pembilang umum dan menunjukkan bahwa logika orde pertama dengan kelas
bilangan umum tidak dapat aksiomatizable. Pekerjaan ini bersama-sama dengan
orang lain memulai subjek logika teori model.
Barwise dan Cooper [2] memulai studi bilangan umum dalam bahasa alami.
Sejak itu, berbagai macam bilangan umum yang kaya dalam bahasa alamiah telah
ditemukan, dan kekuatan ekspresif serta sifat logisnya telah diselidiki dengan
cermat dari aspek semantik dan sintaksis. Secara khusus, van Benthem [36]
memandang pembilang umum sebagai hubungan pada himpunan bagian dari
alam semesta wacana, dan secara sistematis memeriksa berbagai perilaku
relasional dari bilangan umum seperti refleksivitas, simetri, transitivitas,
linearitas dan monotonisitas dan peran mereka dalam mewujudkan tertentu. pola
inferensi. Untuk review terbaru tentang teori bilangan umum dalam bahasa
alami, kami mengacu pada [24].
Telah dengan jelas disadari dalam komunitas kecerdasan buatan bahwa
bahasa alami cocok untuk representasi pengetahuan tingkat tinggi [26, 33]. Ini
memang salah satu motivasi utama komputasi dengan kata-kata [25, 50, 57].
Namun, logika klasik tidak cukup untuk menghadapi ketidakpastian esensial,
ketidakjelasan dan ambiguitas penalaran manusia yang diekspresikan dalam
bahasa alami. Akibatnya, perlakuan logis dan model matematika dari konsep
ketidakpastian, ketidakjelasan dan ambiguitas semakin penting dalam
kecerdasan buatan dan penelitian terkait, dan banyak ahli logika telah
mengusulkan sistem logika yang berbeda sebagai formalisasi penalaran di bawah
ketidakpastian, ketidakjelasan dan ambiguitas (lihat, misalnya, [3, 47, 44, 45, 46,
49], [11],
bab III.1, atau [19], bab 7).
Karena pembilang memiliki kemampuan meringkas properti kelas objek
tanpa menghitungnya, kuantifikasi linguistik adalah topik yang sangat penting
dalam bidang representasi dan penalaran pengetahuan. Pengukur dalam bahasa
alami biasanya tidak jelas dalam beberapa hal. Beberapa contoh perwakilan
bilangan linguistik dengan ketidakjelasan adalah [56]: beberapa, sebagian besar,
banyak, tidak banyak, sangat banyak, tidak sangat banyak, sedikit, cukup sedikit,
jumlah besar, jumlah kecil, mendekati lima, kira-kira sepuluh, sering. Jelas
bahwa logika dua nilai tidak cocok untuk mengatasi bilangan yang tidak jelas.
Oleh karena itu, ada peningkatan minat tentang perlakuan logis dari pengukur
dalam bahasa manusia dalam komunitas logika fuzzy. Memang, terkadang logika
fuzzy memungkinkan representasi yang lebih tepat dari jenis pembilang dalam
berbagai bahasa alami.
Pendekatan teori himpunan fuzzy pertama untuk bilangan linguistik
dijelaskan oleh Zadeh [55, 56]. Dalam pendekatannya, bilangan linguistik
diperlakukan sebagai bilangan fuzzy dan dapat dimanipulasi melalui penggunaan
aritmatika untuk bilangan fuzzy. Evaluasi kebenaran dari pernyataan yang
dikuantifikasi secara linguistik dilakukan dengan menghitung kardinalitas dari
himpunan fuzzy yang ditentukan oleh predikat linguistik dalam pernyataan
tersebut dan kemudian dengan menemukan sejauh mana kardinalitas ini
kompatibel dengan pembilang yang terlibat. Sejak itu, sejumlah besar literatur [1,
4, 5, 6, 7,
9, 10, 12, 15, 16, 17, 18, 30, 31, 32, 42, 43, 51, 52] telah dikhususkan untuk studi
bilangan linguistik dalam kerangka teori himpunan fuzzy. Misalnya, di a
serangkaian makalah [39, 40, 41], Yager mengusulkan metode substitusi untuk
mengevaluasi proposisi terkuantifikasi dan metode berdasarkan operator OWA.
Untuk survei, lihat [27, 28].
Di sisi lain, model kuantifikasi fuzzy digunakan dalam memecahkan berbagai
macam masalah dari berbagai bidang seperti query database [7, 23],
penambangan data dan penemuan pengetahuan [7, 25], fusi informasi [21, 25],
pengambilan keputusan kelompok dan pengambilan keputusan multi-objektif
[20, 40], pembelajaran induktif [21], dan optimasi dan kontrol [22].
Makalah ini memperkenalkan kerangka kerja baru untuk pemodelan bilangan
dalam bahasa alami. Dalam kerangka ini, bilangan linguistik diwakili oleh ukuran
fuzzy Sugeno [35]. Lebih tepatnya, pembilang Q dipandang sebagai kelompok
ukuran fuzzy yang diindeks oleh himpunan tidak kosong. Untuk setiap himpunan
tidak kosong X, pembilang Q terbatas pada alam semesta wacana X didefinisikan
sebagai ukuran fuzzy QX pada X, dan untuk setiap subset E dari X, kuantitas QX
(E) mengungkapkan nilai kebenaran dari pernyataan terkuantifikasi "Q Xs are As
”ketika A adalah predikat tajam dan himpunan elemen dalam X yang memenuhi
A adalah E. Seperti diketahui, predikat dalam pernyataan yang dikuantifikasi
secara linguistik seringkali juga tidak jelas. Dalam kasus umum ini, nilai
kebenaran dari proposisi terkuantifikasi kemudian dievaluasi dengan
menggunakan integral Sugeno [35].
Keuntungan dari kerangka kerja ini adalah memungkinkan kita untuk
memiliki beberapa sifat logis dari bilangan linguistik. Sebagai contoh, kita dapat
menetapkan teorema bentuk normal preneks untuk bilangan linguistik (lihat
Korolari 34). Harus ditunjukkan bahwa makalah ini hanya membahas
peningkatan bilangan karena pengukuran fuzzy mengasumsikan monotonisitas.
Jadi, bilangan seperti beberapa, sedikit, cukup sedikit, jumlah kecil, tidak banyak,
tidak terlalu banyak, mendekati lima, sekitar sepuluh tidak dapat dimodelkan
dalam pengaturan yang kami usulkan.
Makalah ini disusun sebagai berikut. Untuk kenyamanan pembaca, di Bagian
2 kami meninjau beberapa gagasan dan hasil dari teori pengukuran fuzzy dan
integral Sugeno. Dalam Bagian 3, bilangan (linguistik) secara formal
didefinisikan dalam istilah ukuran fuzzy, dan beberapa operasi bilangan
diperkenalkan. Di Bagian 4, kami membangun bahasa orde pertama dengan
bilangan linguistik dan semantik saat ini dari bahasa logis tersebut. Secara
khusus, penilaian kebenaran dari formula terkuantifikasi diberikan dengan
menggunakan integral Sugeno. Bagian 5 dikhususkan untuk memeriksa secara
menyeluruh sifat logis dari bilangan linguistik. Secara khusus, kami
membuktikan teorema bentuk normal preneks untuk rumus logis dengan
bilangan linguistik. Di Bagian 6, pengertian bilangan kardinal dan numerik
diperkenalkan sehingga kita dapat membangun hubungan erat antara semantik
integral Sugeno dan semantik bilangan linguistik berbasis kardinalitas Zadeh. Di
Bagian 7, kami menyajikan beberapa aplikasi sederhana untuk menggambarkan
kegunaan hasil yang diperoleh dalam makalah ini. Di Bagian 8, pendekatan
integral Sugeno kami untuk evaluasi pernyataan terkuantifikasi dibandingkan
dengan yang lain. Serangkaian kriteria untuk penghitungan linguistik telah
diusulkan dalam literatur sebelumnya. Hubungan antara kriteria ini dan hasil
yang diperoleh dalam makalah ini diperjelas. Kami menarik kesimpulan dan
menunjukkan beberapa masalah untuk studi lebih lanjut di Bagian 9. kami
menyajikan beberapa aplikasi sederhana untuk menggambarkan kegunaan dari
hasil yang diperoleh dalam makalah ini. Di Bagian 8, pendekatan integral Sugeno
kami untuk evaluasi pernyataan terkuantifikasi dibandingkan dengan yang lain.
Serangkaian kriteria untuk penghitungan linguistik telah diusulkan dalam
literatur sebelumnya. Hubungan antara kriteria ini dan hasil yang diperoleh
dalam makalah ini diperjelas. Kami menarik kesimpulan dan menunjukkan
beberapa masalah untuk studi lebih lanjut di Bagian 9. kami menyajikan
beberapa aplikasi sederhana untuk menggambarkan kegunaan dari hasil yang
diperoleh dalam makalah ini. Di Bagian 8, pendekatan integral Sugeno kami
untuk evaluasi pernyataan terkuantifikasi dibandingkan dengan yang lain.
Serangkaian kriteria untuk penghitungan linguistik telah diusulkan dalam
literatur sebelumnya. Hubungan antara kriteria ini dan hasil yang diperoleh
dalam makalah ini diperjelas. Kami menarik kesimpulan dan menunjukkan
beberapa masalah untuk studi lebih lanjut di Bagian 9. Hubungan antara kriteria
ini dan hasil yang diperoleh dalam makalah ini diperjelas. Kami menarik
kesimpulan dan menunjukkan beberapa masalah untuk studi lebih lanjut di
Bagian 9. Hubungan antara kriteria ini dan hasil yang diperoleh dalam makalah
ini diperjelas. Kami menarik kesimpulan dan menunjukkan beberapa masalah
untuk studi lebih lanjut di Bagian 9.
 2. Kabur Pengukuran dan Integral Sugeno

Ini adalah bagian pendahuluan. Pada bagian ini, kita akan mengulas beberapa
pengertian dan hasil fundamental yang diperlukan dalam sekuel dari teori
pengukuran fuzzy dan integral Sugeno. Untuk detailnya, kami merujuk ke [35]
atau [11], Bab 5.
Teori pengukuran fuzzy dan integral awalnya dikemukakan oleh Sugeno [35].
Pengukuran fuzzy adalah generalisasi dari pengertian pengukuran dalam analisis
matematis, dan ini melonggarkan kondisi aditif untuk pengukuran biasa dan
hanya mengasumsikan monotonisitas. Dengan demikian, pengukuran fuzzy
sangat umum, dan pengukuran probabilitas, pengukuran kemungkinan Zadeh,
fungsi kepercayaan Shafer antara lain [37] ditunjukkan sebagai kasus khusus dari
pengukuran fuzzy. Integral Sugeno dapat dianalogikan dengan integral Lebesgue.
Perbedaan di antara mereka adalah bahwa penjumlahan dan perkalian dalam
definisi integral Lebesgue diganti masing-masing oleh operasi "min" dan "max"
ketika integral Sugeno dipertimbangkan. Sejak awal, teori pengukuran dan
integral Sugeno telah diterapkan di bidang evaluasi subyektif,
Ukuran fuzzy pada himpunan X adalah fungsi yang didefinisikan pada
beberapa himpunan bagian X. Secara umum, domain dari ukuran fuzzy dapat
dianggap sebagai keluarga monoton∅ yang merupakan himpunan himpunan
bagian dari X yang mengandung dan X itu sendiri dan ditutup di bawah batas
sekuens monoton dari subset X. Namun dalam makalah ini kami memfokuskan
perhatian kami pada kelas khusus keluarga monoton yang disebut bidang Borel.

Definisi 1. ([35], halaman 10) Misalkan X adalah himpunan tidak kosong.

Bidang Borel di atas X adalah himpunan bagian ℘ dari 2 X memenuhi kondisi
selanjutnya:
(1) ∅ ∈ ℘;
(2) Jika E ∈ ℘, maka X - E ∈ ℘; dan
∞
(3) Jika En ∈ ℘ untuk 1 ≤ n < ∞, kemudian ∪ n= 1En ∈ ℘.

Contoh umum bidang Borel di atas himpunan tidak kosong X adalah himpunan daya 2X
X. Memang, dalam makalah ini, kami terutama akan mempertimbangkan bidang Borel khusus
ini.

Definisi 2. ([35], Definisi 2.3) Jika X adalah himpunan tidak kosong dan ℘
adalah bidang Borel di atas X, maka (X, ℘) disebut ruang terukur.

Untuk mendefinisikan ukuran fuzzy, kita membutuhkan pengertian batas

sekuens
⊆⊆⊆⊆ himpunan. Jika E1 ... En En + 1 ..., maka urutan
{ En dikatakan meningkat
dan kita}tentukan
lim n→ ∞
 ∞
En = ∪ n= 1En ,
dan jika E1 ⊇ ... ⊇ En ⊇ En + 1 ⊇ ..., maka urutan {En} dikatakan menurun
dan kami
mendefinisik lim En = ∩ ∞
an n→ n= 1En .
∞
Baik urutan naik maupun turunnya set dikatakan monoton.

Definisi 3. ([35], Definisi 2.2 dan 2.4) Misalkan (X, ℘) menjadi ruang yang dapat diukur.
Jika fungsi himpunan m: ℘ → [0, 1] memenuhi properti
berikut: (1) m (∅) = 0 dan m (X) = 1;
(2) (Monotonicity) Jika E, F ∈ ℘ dan E ⊆ F, maka m (E) ≤ m (F); dan
(3) (Kontinuitas) Jika En ∈ ℘ untuk 1 ≤ n <∞ dan {En} monoton, maka
m(lim
n→ ∞ En) = lim m(En),
n→
∞

kemudian m disebut ukuran fuzzy atas (X, ℘), dan (X, ℘, m) disebut ruang ukuran
fuzzy.

Secara intuitif, m (E) mengungkapkan evaluasi subjektif seseorang atas

pernyataan "x ada di E" dalam situasi di mana dia menebak apakah x ada di E.
Kontinuitas ukuran fuzzy sering kali dibuang. Jelas, ukuran probabilitas
adalah ukuran fuzzy. Gagasan tentang ukuran masuk akal yang diperkenalkan
dalam [13, 14] atau [19] (Bagian 2.8) mirip dengan ukuran fuzzy. Satu-satunya
perbedaan di antara mereka adalah bahwa kisaran ukuran yang masuk akal dapat
berupa rangkaian yang diurutkan sebagian dengan elemen atas dan bawah
daripada interval satuan.
Mari kita perhatikan contoh pengukuran fuzzy yang akan digunakan untuk
menentukan pembilang eksistensial.

Contoh 4. Misalkan X menjadi himpunan tidak kosong. Jika π: X → [0, 1]

adalah
⊆∈ pemetaan dengan supx X π (x) = 1, maka itu disebut distribusi
kemungkinan, dan untuk setiap EX kita tentukan
Ππ (E) = sup π (x).
x∈E
Kemudian· Ππ () adalah ukuran fuzzy (X, 2X) dan ini disebut ukuran
kemungkinan yang diinduksi oleh π. Perlu dicatat bahwa ukuran kemungkinan
tidak kontinu dari atas, yaitu, ada urutan yang menurun {En} dengan
Ππ (lim
n→ ∞ En) <lim Ππ (En).
n→
(1) Misalkan x0 ∈ X dan ∞
1, jika x = x0,
πx (x) =.
0
0, jika tidak.
Maka πx0 adalah distribusi kemungkinan dan0Ππx adalah fungsi keanggotaan x0,
yaitu, untuk setiap E
⊆ X, . E x0 E,
1, jika
Ππx () = ∈
0, jika tidak.
0

(2) Jika kita mendefinisikan π (x) = 1 untuk semua x ∈ X, maka mudah untuk melihat
bahwa untuk E ⊆ X,
. ƒ ∅
1, jika πE =,
Π= 0, jika tidak.

Gagasan tentang pengukuran fuzzy ganda diperlukan saat berhadapan dengan

pembilang linguistik ganda. Kami memperkenalkan gagasan seperti itu dalam
definisi berikutnya.

Definisi 5. Misalkan (X, ℘, m) menjadi ruang ukur fuzzy. Kemudian fungsi

himpunan ganda m ∗: ℘ → [0, 1] dari m ditentukan oleh

m∗ ( E) = 1 - m(X - E)

untuk setiap E ∈ ℘.

Itu adalah mudah untuk Lihat bahwa m∗ adalah Sebuah kabur mengukur oveh (X, ℘) terlalu.
Contoh berikut memberikan dua ukuran kemungkinan, ukuran kebutuhan.
Ini akan digunakan dalam mendefinisikan pembilang universal.

Contoh 6. Misalkan π adalah distribusi kemungkinan atas X dan Ππ ukuran

kemungkinan yang diinduksi oleh π. Maka ukuran ganda Nπ = Π ∗ π dari Ππ
diberikan oleh
Nπ(E) = inf (1 - π(x))
x∈/E

untuk setiap E ⊆ X, dan ini disebut ukuran kebutuhan yang diinduksi oleh π.
∗
(1) Itu adalah menarik untuk catatan0 bahwa0 Nπx = 0Π πx = Ππx .
(2) Jika π (x) = 1 untuk setiap x ∈ X, maka

.N()
Eπ= 1, jika E = X,
0, jika tidak.

Sekarang kita beralih untuk mempertimbangkan integral Sugeno dari sebuah

fungsi. Tidak setiap fungsi dapat diintegrasikan. Fungsi-fungsi yang dapat
diintegrasikan tersebut diisolasi dengan definisi berikut.
 Definisi 7. ([35], Definisi 3.3) Misalkan (X, ℘) menjadi ruang yang dapat
diukur,→dan misalkan h: X [0, 1] menjadi pemetaan dari X ke dalam interval
satuan. Untuk λ [0, 1] apa saja, kita tulis
Hλ = {x ∈ X: h (x) ≥ λ}.
Jika Hλ ∈ ℘ untuk semua λ ∈ [0, 1], maka h dikatakan ℘ − terukur.

Lemma berikut menunjukkan keterukuran beberapa fungsi yang tersusun.

Memang, kita akan melihat nanti bahwa keterukuran ini menjamin bahwa nilai-
nilai kebenaran quan tifications negasi, konjungsi dan disjungsi didefinisikan
dengan baik dalam semantik integral Sugeno kami.

Lemma 8. ([35], Proposisi 3.1 dan 3.2) Jika h, h1 dan h2: X → [0, 1] semuanya
℘−fungsi terukur, maka 1 - h, min (h1, h2) dan max (h1, h2), dimana
(1 - h) (x) = 1 - h (x),
min (h1, h2) (x) = min (h1 (x), h2 (x))
dan
maks (h1, h2) (x) = max (h1 (x), h2 (x)).
untuk setiap x ∈
X. Q

Sekarang kami dapat menyajikan gagasan kunci di bagian ini.

Definisi 9. ([35], Definisi 3.1 dan Halaman 19) Misalkan (X, ℘, m) menjadi
ruang ukuran∈→ fuzzy. Jika A ℘ dan h: X- [0, 1] adalah ℘ fungsi terukur, maka
integral Sugeno dari h atas A ditentukan oleh
∫
h ◦ m = sup min [λ, m (A ∩ Hλ)],
SEBUAH

λ∈[0,1]
dimanaHλ = {x∫∈ X: h (x) ≥ λ} untuk setiap λ ∈ [0, 1]. Secara khusus, ∫ SEBUAH h ◦ m akan b e
disingkat h ◦ m setiap kali A =
X.
Lemma berikutnya memberikan definisi alternatif integral Sugeno untuk
kasus bahwa bidang Borel dalam ruang terukur dianggap sebagai himpunan daya
dari set yang mendasari.

Lemma 10. ([35], Teorema 3.1) Jika bidang Borel ℘ dalam ruang ukur fuzzy
(X, ℘, m) adalah himpunan daya 2X dari X, maka untuk fungsi apa pun h: X → [0,
1], kita memiliki: ∫

h ◦ m = sup SEBUAH F ∈2X

min [inf j (x), m (AF )]. Q ∩
x∈F
 Metode kalkulasi yang disederhanakan dari integral Sugeno atas himpunan
hingga disajikan dalam lemma berikut.

Lemma 11. ([35], Teorema 4.1) Misalkan X = {x1, ..., xn} adalah himpunan
berhingga, dan misalkan h: → [0, 1] sedemikian sehingga h (xi) ≤ h (xi + 1) untuk
1 ≤ i ≤ n - 1 (jika tidak jadi, susun kembali h (xi), 1 ≤ i ≤ n). Kemudian
n
∫ h ◦ m = maks min [j (x),
s m (A ∩ X)],
s
S sa a a
E ya
di mana Xi = {xj: i ≤ i ≤ n} untuk 1 ≤ i ≤ n. Q

Kami sekarang mengumpulkan beberapa properti integral Sugeno yang diperlukan dalam
hal berikut.

Lemma 12. ([35], Proposisi 3.4 dan 3.5, Teorema 3.2 dan 3.5) Misalkan (X,
℘, m) adalah ruang ukuran fuzzy.
(1) Misalkan ∈ [0, 1]. Kemudian memegang itu

∫ Sebuah ◦ m = a,

dimana "a" di sisi kiri dilihat sebagai fungsi konstanta a: X → [0, 1] sedemikian rupa
Sebuah(x) = a untuk setiap x ∈ X.
(2) Misalkan h, hj:
→ X- [0, 1]
menjadi dua ℘ fungsi yang dapat diukur. ≤ Jika h hJ, lalu ada
pegangan
∫ h ◦ m ≤ ∫ hJ ◦ m.
Selain itu, untuk setiap ℘ − fungsi terukur h1, h2: → [0, 1], kita memiliki:

∫ maks (h1, h2 ) ◦ m ≥ maks (∫ h1 ◦ m, ∫ h2 ◦ m),

∫ min (h1, h2 ) ◦ m ≤ min (∫ h1 ◦ m, ∫ h2 ◦ m).

Secara khusus, pertidaksamaan pertama menjadi sama jika m adalah ukuran kemungkinan.
(3) Membiarkan
∈ → Sebuah [0, 1] dan biarkan
- h: X [0, 1] menjadi ℘
fungsi terukur. Lalu di sana terus
∫ maks (a, h) ◦ m = maks (a, ∫ h ◦ m),
∫ min (a, h) ◦ m = min (a, ∫ h ◦ m),
di mana "a" di sisi kiri adalah seperti pada (1). Q
 Dapat diamati bahwa pengukuran fuzzy didefinisikan di atas set yang tajam
sebelumnya. Untuk menyimpulkan bagian ini, kami memperkenalkan gagasan
perluasan ukuran fuzzy atas himpunan fuzzy. Zadeh [54] memperkenalkan
perluasan alami dari ukuran probabilitas pada himpunan fuzzy. Dengan cara
yang sama, perluasan ukuran fuzzy pada himpunan fuzzy dapat didefinisikan.

Definisi 13. ([35], Definisi 3.7) Misalkan (X, ℘, m) menjadi ruang ukur fuzzy
dan misalkan ℘ adalah himpunan himpunan bagian fuzzy dari X dengan ℘ −
fungsi keanggotaan terukur.
Kemudian itu dari m on ℘ didefinisikan oleh
perpanjangan m˜ ˜ m˜ ( h) = ∫ h ◦ m

untuk semua h ∈ ℘˜.

3. Kabur Pengukur

Banyak versi definisi teoretis himpunan fuzzy dari pengukur linguistik telah
diperkenalkan dalam literatur sebelumnya. Dalam makalah ini, kami mengambil
titik awal yang berbeda, dan pengukur linguistik akan diwakili oleh keluarga
ukuran fuzzy. Kami pertama kali memberikan definisi formal dari pengukur fuzzy
dalam kerangka baru ini. Untuk melakukan ini, diperlukan notasi baru. Untuk
setiap ruang terukur (X, ℘), kita tulis M (X, ℘) untuk himpunan semua ukuran
fuzzy pada (X, ℘).

Definisi 14. Sebuah pembilang fuzzy (atau pembilang singkatnya) terdiri

dari dua item berikut:
(i) untuk setiap set X tidak kosong, bidang Borel ℘X di atas X dilengkapi; dan
(ii) fungsi pilihan

Q : (X, ℘X) ›→ Q(X, ℘X ) ∈ M (X, ℘X)

dari kelas (tepat) {M (X, ℘X): (X, ℘X) adalah ruang terukur}.

Secara intuitif, untuk wacana alam semesta X, jika himpunan objek di X

memenuhi properti (garing) A adalah E, maka kuantitas QX (E) dianggap
sebagai nilai kebenaran dari proposisi terkuantifikasi "Q Xs adalah As".
Untuk kesederhanaan, Q(X, ℘X ) sering disingkat QX jika bidang Borel ℘X
dapat dikenali dari konteksnya. Dalam beberapa aplikasi, QX diizinkan untuk
tidak ditentukan atau tidak ditentukan untuk beberapa set X.
Untuk menggambarkan definisi di atas, mari kita pertimbangkan beberapa
contoh. Bilangan paling sederhana adalah bilangan universal dan eksistensial.
 Contoh 15. Pembilang universal ∀ = "semua" dan pembilang eksistensial
∃ = "beberapa" didefinisikan sebagai berikut, masing-masing: untuk setiap set
X dan untuk setiap E ⊆ X,
.∀ EX
1, jika E = X,
() = 0, jika tidak;
. ƒ ∅
1,∃jika E =,
() = 0, jika tidak.
Itu universal dan eksistensial pembilangEadalah
X garing pembilang because ∀X (E), ∃X (E) ∈
{0, 1} untuk semua E ⊆ X.
Contoh ini menunjukkan bahwa bilangan universal dan eksistensial dapat
diakomodasi dalam definisi pengukur fuzzy kami. Namun, ketika wacana alam
semesta X tidak terbatas, pendekatan kardinalitas Zadeh terhadap bilangan tidak
dapat digunakan untuk memperlakukan bilangan universal karena ada
kemungkinan subset E yang tepat dari X memiliki kardinalitas yang sama dengan
X.
Kecuali bilangan universal dan eksistensial, beberapa bilangan yang sering
terjadi dalam bahasa alami juga dapat didefinisikan dengan baik dalam hal
ukuran fuzzy. Mari kita lihat contoh berikut ini.

Contoh 16. Untuk setiap set X dan untuk setiap E ⊆ X, kami tentukan

setidaknya tigaX(E) =. 1, jika | E | ≥ 3,

0, jika tidak.
"Setidaknya tiga" adalah contoh pembilang umum yang tajam juga. Berikut ini
adalah tiga contoh tipikal bilangan fuzzy. Misalkan X adalah himpunan hingga
tidak kosong. Lalu kami definisikan
manyX (E) = | E | ,
|X|

mostX (E) = (| E |) 3 ,
2
|X|

hampir semuaX (E) = (| E |) 2

|X|
untuk setiap subset E dari X,|| di mana E adalah singkatan dari kardinalitas E.
Definisi bilangan di atas "banyak", "paling" dan "hampir semua" dapat
digeneralisasi untuk kasus alam semesta wacana tak terbatas X. Misalkan (X , ℘)
menjadi ruang terukur, dan misalkan µ menjadi ukuran berhingga pada (X, ℘),
yaitu pemetaan µ: ℘ → [0, ∞) sedemikian rupa sehingga
∞∞

µ([En) = Σ µ (En),
n= n=
1 1
kapanpunEn ∞n = 1 adalah subkelompok pemisah berpasangan yang dapat dihitung dari ℘. Lalu
{ }
kita mungkin
menetapkan
manyX(E) = µ(E)
µ(X),
 µ(E) 32
mostX(E) = ( ) ,
µ(X
)

hampir (E) = (µ (E)) 2

semuaX µ(X)
untuk setiap E
∈ ℘.

Definisi di atas untuk bilangan "banyak", "paling" dan "hampir semua"

tampaknya sebagian besar sewenang-wenang kecuali urutannya:
≤ hampir semuaX
(E) mostX⊆(E) manyX (E) untuk E X apa pun. Seseorang mungkin secara alami
mengajukan pertanyaan ini. : bagaimana kita dapat menghindari
kesimpangsiuran ini, atau lebih umum lagi, adakah metodologi umum untuk
mendefinisikan bilangan linguistik? Ini dalam arti setara dengan masalah
bagaimana menurunkan fungsi keanggotaan dari himpunan fuzzy, yang bisa
dibilang masalah terbuka terbesar dalam teori himpunan fuzzy. Pada tahun 1970-
an beberapa pendekatan untuk memperkirakan fungsi keanggotaan telah
diusulkan, termasuk analisis psikologis, statistik dan metode preferensi. Untuk
survei tentang karya awal ini, lihat [11], bab IV.1. Namun, tidak ada kemajuan
berarti yang dicapai lebih dari 30 tahun. Situasi saat ini adalah bahwa landasan
teoritis untuk estimasi fungsi keanggotaan masih hilang. Secara khusus, kami
tidak memiliki teorema matematika dalam teori himpunan fuzzy yang menjamin
bahwa fungsi keanggotaan himpunan fuzzy dapat didekati dalam beberapa cara,
seperti hukum bilangan besar dalam teori probabilitas.
Dua jenis bilangan fuzzy adalah minat khusus, dan mereka didefinisikan
dalam definisi berikutnya. Kita akan melihat nanti bahwa mereka menikmati
beberapa sifat logis yang sangat bagus.

Definisi 17. Sebuah pembilang Q disebut pembilang kemungkinan

(penghitung kebutuhan resp.) Jika untuk setiap set nonempty X, dan untuk
setiap E1, E2 ∈ ℘X,
QX(E1 ∪ E2) = maks (QX (E1), QX (E2))
(resp. QX (E1 ∩ E2) = min (QX (E1), QX
(E2))).

Jelas bahwa pembilang universal () dan ∀ pembilang eksistensial () masing-

masing adalah pembilang kebutuhan dan pembilang kemungkinan. Lebih umum
lagi, jika untuk setiap himpunan X, QX adalah suatu ukuran kemungkinan (resp.
Perlu) yang diinduksi oleh suatu distribusi kemungkinan pada X, maka Q adalah
suatu pengukur kemungkinan (resp. Perlu).
Definisi berikut memperkenalkan urutan parsial antara bilangan fuzzy dan
tiga operasi bilangan fuzzy.
 Definisi 18. Misalkan Q, Q1 dan Q2 menjadi bilangan. Kemudian
(1) Kita katakanlah bahwa Q1 lebih kuat dari Q2, ditulis Q1 ± Q2, jika untuk
himpunan tidak kosong X dan untuk E ∈ ℘X apapun, kita memiliki Q1X (E) ≤
Q2X (E).
 (2) Ganda Q ∗ dari Q, dan memenuhi Q1 H Q2 dan penyatuan Q1 H Q2 dari Q1 dan Q2
didefinisikan masing-masing sebagai berikut: untuk setiap himpunan tidak kosong X dan untuk
setiap E ∈ ℘X,

Q∗ (E) d = ef 1 -
QX X (X - E),

(Q H. Q ) (E) d = ef min (Q (E), Q (E)),

12 X 1X
H. Q 2X
(Q12 )X(E) d = ef max (Q
1X (E), Q (E)).
2X

Dapat diamati bahwa operasi pertemuan dan penyatuan bilangan adalah

persis persimpangan teori-himpunan dan operasi penyatuan, masing-masing,
ketika bilangan dibayangkan sebagai subset fuzzy dari bidang Borel yang
diberikan ℘X di atas alam semesta X wacana. Perpotongan dan penyatuan
himpunan fuzzy pertama kali didefinisikan oleh Zadeh [53] dalam istilah operasi
“min” dan “max” pada fungsi keanggotaan. Setelah itu, banyak operasi
perpotongan dan gabungan yang berbeda dari himpunan fuzzy telah diusulkan
dalam literatur (lihat contoh [11], bagian II.1.B). Memang, semua operasi ini
dapat disatukan dalam kerangka t-norm dan t-conorm, dua gagasan awalnya
diperkenalkan dalam teori ruang metrik probabilistik [34]. Pengamatan ini
menunjukkan
H. kemungkinan untuk mengganti operasi "min" dan "max" dalam
persamaan yang menentukan Q1 Q2 dan Q1 Q2 dengan masing-masing t-norm
dan t-conorm. Ketika operasi bilangan yang lebih umum diadopsi, sifat logis
pembilang linguistik yang terkait dengan operasi pertemuan dan penyatuan
bilangan yang diperoleh dalam makalah ini secara alami harus diperiksa ulang
(lih. Komentar setelah Proposisi 31). Di sisi lain, dalam aplikasi praktis, masalah
penting adalah bagaimana memilih t-norms dan t-conorms yang sesuai. Ada
beberapa percobaan yang memverifikasi keakuratan berbagai operasi himpunan
fuzzy yang dilaporkan dalam literatur. Untuk survei singkat tentang pekerjaan
awal dalam arah ini, lihat [11], bagian IV.1.C. sifat logis pembilang linguistik
terkait dengan operasi pertemuan dan penyatuan pembilang yang diperoleh
dalam makalah ini secara alami harus diperiksa ulang (lih. komentar setelah
Proposisi 31). Di sisi lain, dalam aplikasi praktis, masalah penting adalah
bagaimana memilih t-norms dan t-conorms yang sesuai. Ada beberapa percobaan
yang memverifikasi keakuratan berbagai operasi himpunan fuzzy yang
dilaporkan dalam literatur. Untuk survei singkat tentang pekerjaan awal dalam
arah ini, lihat [11], bagian IV.1.C. sifat logis dari pembilang linguistik terkait
dengan operasi pertemuan dan penyatuan pembilang yang diperoleh dalam
makalah ini secara alami harus dikaji ulang (lih. komentar setelah Proposisi 31).
Di sisi lain, dalam aplikasi praktis, masalah penting adalah bagaimana memilih t-
norms dan t-conorms yang sesuai. Ada beberapa percobaan yang memverifikasi
keakuratan berbagai operasi himpunan fuzzy yang dilaporkan dalam literatur.
Untuk survei singkat tentang pekerjaan awal dalam arah ini, lihat [11], bagian
IV.1.C. Ada beberapa percobaan yang memverifikasi keakuratan berbagai operasi
himpunan fuzzy yang dilaporkan dalam literatur. Untuk survei singkat tentang
pekerjaan awal dalam arah ini, lihat [11], bagian IV.1.C. Ada beberapa percobaan
yang memverifikasi keakuratan berbagai operasi himpunan fuzzy yang
dilaporkan dalam literatur. Untuk survei singkat tentang pekerjaan awal dalam
arah ini, lihat [11], bagian IV.1.C.

Contoh 19. (1) Bilangan universal dan eksistensial adalah bilangan ganda
satu sama lain: ∀ ∗ = ∃ dan ∃ ∗ = ∀.
(2) Untuk himpunan terbatas tidak kosong X dan untuk setiap E ⊆ X,

(hampir semua) ∗ (E) = 2 | E | - (| E |) 2,

X
|X|| X|
|E|
() ( ) =. , jika | E | ≥ 3,
||
setidaknya tiga H. banyak XE X
 0, jika tidak.
1, jika| |E≥ 3,
2
|| , jika|E| = 2,
(setidaknya
(E) = tiga H banyak) X
 X1
|X|, jika | E | = 1,
0, jika E = ∅.
 Beberapa hukum aljabar untuk operasi pembilang disajikan di lemma
berikutnya. Mereka menunjukkan bahwa pembilang bersama dengan operasi
yang ditentukan di atas membentuk aljabar De Morgan.

Lemma 20. (1) Untuk pembilang Q, kami memiliki

∀ ± ∃ Q. Dengan kata lain,
pembilang universal∀() adalah pembilang terkuat, dan pembilang eksistensial ()
adalah yang terlemah.
(2) Untuk semua pembilang Q1 dan Q2, memegang bahwa Q1 H Q2 ± Q1 dan Q1 ± Q1 H Q2.
(3) Untuk semua pembilang Q1 dan Q2, kami memiliki:
(Komutatifitas) Q1 H Q2 = Q2 H Q1, Q1 H Q2 = Q2 H Q1.
(Asosiatif) Q1 H (Q2 H Q3) = (Q1 H Q2) H Q3, Q1 H (Q2 H Q3) = (Q1 H Q2) H
Q3. (Penyerapan) Q1 H (Q1 H Q2) = Q1, Q1 H (Q1 H Q2) = Q1.
∗ ∗
(De Morgan hukum) (Q 1 H. Q2) = Q ∗ 1 H. Q∗2 , (P1 H. Q2) = Q ∗1 H. Q∗2 .

Bukti. Langsung dari Definisi 18. Q

4. Bahasa Orde Pertama dengan Pengukur Linguistik dan

Semantiknya

Kami pertama membangun bahasa logis urutan pertama Lq dengan bilangan linguistik.
Alfabet bahasa kita Lq diberikan sebagai berikut:
(1) Satu set variabel individual yang tak terhitung banyaknya: x0, x1, x2, ...;
∞
(2) SEBUAH set F = ∪ n= 0Fn dari predikat simbol, dimana F n adalah itu
set dari semua n-predikat tempat simbol untuk setiap n ≥ 0. Diasumsikan bahwa
∞
∪ n= 1Fn ƒ = ∅;
(3) Penghubung proposisional: ∼, ∧; dan
(4) Tanda kurung: (,).
Sintaks bahasa Lq kemudian disajikan dengan definisi berikut.

Definisi 21. Himpunan Wff dari rumus yang dibentuk dengan baik adalah
himpunan string simbol terkecil yang memenuhi kondisi berikut:
(i) Jika≥∈n 0, F Fn, dan y1, ..., yn adalah variabel individual, maka F
(y1, ..., yn) Wff; ∈
(ii) Jika Q adalah pembilang, x adalah variabel individu, dan
∈ ϕ Wff, lalu
(Qx) ϕ Wff; dan
(iii) Jika ϕ, ϕ1, ϕ2 ∈ Wff, maka ∼ ϕ, ϕ1 ∧ ϕ2 ∈ Wff.

Demi kesederhanaan, kami memperkenalkan beberapa singkatan:

ϕ∨ψ d
=ef∼ (∼ ϕ∧ ∼ ψ),
 def
ϕ → ψ = ∼ ϕ ∨ ψ,
def
ϕ ↔ ψ = (ϕ → ψ) ∧ (ψ → ϕ).
Pengertian variabel terikat dan variabel bebas dapat diperkenalkan dengan
cara standar. Kami menghilangkan definisi terperinci mereka di sini tetapi
menggunakannya secara bebas dalam sekuelnya.
Semantik bahasa kita Lq diberikan oleh dua definisi berikutnya.

Definisi 22. Interpretasi I dari bahasa logis kami terdiri dari item berikut:
(i) Sebuah ruang terukur (X, ℘), disebut domain I;
(ii) Untuk setiap n ≥ 0, kita mengasosiasikan variabel individu xi dengan elemen
s xI
di X; dan a

(iii) Untuk sembarang n ≥ 0 dan untuk setiap F ∈ Fn, ada fungsi ℘n − terukur
FI : Xn → [0, 1].

Untuk kesederhanaan, berikut ini kita asumsikan bahwa bidang Borel ℘

dalam domain (X, ℘) dari interpretasi I selalu dianggap sebagai set daya 2X
dari X, dan bidang Borel ℘X yang dilengkapi dengan himpunan tidak kosong
X juga 2X untuk pembilang apapun Q. Ini sering mempersingkat presentasi
dan bukti hasil kami.

Definisi 23. Biarkan saya menjadi interpretasi. Kemudian nilai kebenaran TI

(ϕ) dari rumus ϕ di bawah I didefinisikan secara rekursif sebagai berikut:
(i) Jika ϕ = F (y1, ..., yn), maka
TI(ϕ) = FI (yI, ..., yI).
1 n

(ii) Jika ϕ = (Qx) ψ, maka

TI(ϕ) = ∫ Tsaya{./x}(ψ) ◦ QX,

dimana X adalah domain dari I, T saya{./x}(ψ): X → [0, 1] adalah pemetaan sedemikian

rupa
Tsaya{./x}(ϕ) (u) = Tsaya{u / x}(ϕ)

untuk semua
∈ u { } X, dan saya u / x adalah interpretasi yang berbeda
dari I hanya dalam penetapan variabel individu x, yaitu, xI {u / x} = u; dan
(iii) Jika ϕ = ∼ ψ, maka
TI(ϕ) = 1 - TI (ψ),
dan jika ϕ = ϕ1 ∧ ϕ2, maka
TI(ϕ) = min (TI (ϕ1), TI (ϕ2)).
 Proposisi berikut menetapkan hubungan dekat antara evaluasi kebenaran
pernyataan terkuantifikasi dan perluasan ukuran fuzzy pada himpunan fuzzy.

Proposisi 24. Misalkan Q menjadi pembilang dan x variabel individu, dan biarkan
ϕ ∈ Wff. Kemudian untuk interpretasi apa punsaya,
TI((Qx) ϕ) = Q˜ X (TI(ϕ),

dimana Q˜ X adalah itu perpanjangan dari Q X di kabur set.

Bukti. Langsung dari Definisi 13 dan 23 (ii). Q

Untuk mengilustrasikan lebih jauh mekanisme evaluasi proposisi

terkuantifikasi, mari kita periksa beberapa contoh sederhana.

Contoh 25. Kami pertama kali mempertimbangkan kasus kuantifikasi paling

sederhana. Untuk setiap pembilang Q dan untuk setiap ϕ ∈ Wff, jika I adalah
interpretasi dengan domain menjadi singleton X = {u}, maka untuk setiap
pembilang Q, maka

TI((Qx) ϕ) = TI (ϕ).

Ini berarti bahwa kuantifikasi merosot di alam semesta wacana tunggal.

Contoh 26. Kita sekarang pertimbangkan bilangan terkuat dan terlemah.

Contoh ini menunjukkan bahwa evaluasi integral Sugeno dari pernyataan yang
dikuantifikasi secara universal dan eksistensial bertepatan dengan cara standar,
dan dengan demikian memberikan kesaksian untuk kewajaran semantik integral
Sugeno dari kuantifikasi linguistik. Misalkan Q∈adalah pembilang dan x variabel
individu, dan misalkan ϕ Wff. Kemudian untuk interpretasi I dengan domain X,
kami punya
TI((∃x) ϕ) = ∫ Tsaya{u / x}(ϕ) ◦ ∃X
= sup min [inf Tsaya{u / x}(ϕ), ∃X (F)]
F ⊆X u∈F
= sup inf Tsaya{u / x}(ϕ)
∅ƒ=F ⊆X u∈F
= sup Tsaya{u / x}(ϕ).
u∈X

Demikian pula, yang

dipegangnya
∀ ϕ) = inf Tsaya{u / x}(ϕ).
TI((x)
u∈X
 Untuk simpulkan bagian ini, dalam kasus alam semesta wacana terbatas kami
memberikan kondisi yang diperlukan dan cukup di mana nilai kebenaran dari
proposisi terkuantifikasi terikat oleh nilai ambang yang diberikan dari atas atau
bawah. Kondisi ini sangat berguna dalam beberapa aplikasi nyata (lihat Contoh
43 di bawah).

Proposisi 27. Misalkan X adalah himpunan berhingga, misalkan saya

interpretasi dengan X sebagai domainnya, dan misalkan λ ∈ [0, 1]. Kemudian
untuk setiap pembilang Q dan ϕ ∈ Wff, kami memiliki:
(i) TI((Qx) ϕ) ≥ λ jika dan hanya jika
QX({u ∈ X : Tsaya{u / x}(ϕ) ≥ λ}) ≥ λ.

(ii) TI((Qx) ϕ) ≤ λ jika dan hanya jika

QX({u ∈ X: Tsaya{u / x}(ϕ)> λ}) ≤ λ.

Bukti. (i) Jika QX ({u ∈ X: Tsaya{u / x}(ϕ) ≥ λ}) ≥ λ, maka diperoleh

TI((Qx) ϕ) = sup
µ∈[0,1] min (µ, QX ({u ∈ X: Tsaya{u / x}(ϕ) ≥ µ}))
≥ min (λ, QX({u ∈ X: Tsaya{u / x}(ϕ) ≥ λ})) ≥ λ.

Sebaliknya jika
TI((Qx) ϕ) = sup min (inf Tsaya{u / x}(ϕ), QX (F)) ≥ λ,
F ⊆X u∈F

lalu ada F0 ⊆ X sedemikian rupa

min (inf
u∈F0 Tsaya{u / x}(ϕ), QX (F0)) ≥ λ

karena X terbatas. Kemudian memegang informasi itu 0 Tsaya{u / x}(ϕ) ≥ λ dan

QX (F0)) ≥ λ. Selanjutnya, kami memiliki T saya{u / x}(ϕ) ≥ λ untuk
setiap u ∈ F0 dan {u ∈ X: Tsaya{u / x}(ϕ) ≥ λ} ⊇ F0. Ini hasil

QX({u ∈ X: Tsaya{u / x}(ϕ) ≥ λ}) ≥ QX (F0) ≥ λ.

(ii) Pertama-tama kami membuktikan bagian "jika". Jika µ ≤

λ, maka jelaslah bahwa min [µ, QX ({u ∈ X:
Tsaya{u / x}(ϕ) ≥ µ})] ≤ λ,

dan jika µ> λ, maka {u ∈ X: T saya{u / x}(ϕ) ≥ µ} ⊆ {u ∈ X: Tsaya{u / x}(ϕ)> λ},

QX({u ∈ X: Tsaya{u / x}(ϕ) ≥ µ}) ≤ QX ({u ∈ X: Tsaya{u / x}(ϕ)> λ}) ≤ λ,

dan kami juga punya

min [µ, QX ({u ∈ X: Tsaya{u / x}(ϕ) ≥ µ})] ≤ λ.
Jadi,
TI((Qx) ϕ) = sup min [µ, QX ({u ∈ X: Tsaya{u / x}(ϕ) ≥ µ})] ≤ λ.
µ∈[0,1]

Untuk bagian "hanya jika", anggap saja

µ0 = inf{Tsaya{u / x}(ϕ): Tsaya{u / x}(ϕ)> λ}.

Karena X terbatas, ia menyatakan bahwa µ0> λ dan {u ∈ X: T saya{u / x}(ϕ)> λ} = {u ∈

X:
Tsaya{u / x}(ϕ) ≥ µ0}. Karena itu,
min [µ0, QX ({u ∈ X: Tsaya{u / x}(ϕ)> λ})] = min [µ0, QX ({u ∈ X: Tsaya{u / x}(ϕ) ≥ µ0})]
≤ sup min [µ, QX ({u ∈ X: Tsaya{u / x}(ϕ) ≥ µ})]
µ∈[0,1]
= TI ((Qx) ϕ) ≤ λ.
Akhirnya, dari µ0> λ kita mengetahui bahwa QX ({u ∈ X: T saya{u / x}(ϕ)> λ}) ≤ λ. Q

5. Properti Logis Pengukur Linguistik

Tujuan utama dari bagian ini adalah untuk menetapkan berbagai sifat logis
bilangan linguistik. Untuk menyajikan properti ini dengan cara yang ringkas,
diperlukan beberapa pengertian meta-logis.

Definisi 28. Misalkan ϕ ∈ Wff dan Σ ⊆ Wff.

(1) Jika untuk interpretasi I, TI (ϕ) ≥ 1 ,2maka ϕ dikatakan valid secara kabur dan
kami menulis | =F uz ϕ.
(2) Jika ada interpretasi saya,
inf TI (ψ)≤ TI(ϕ),
ψ∈Σ

maka ϕ disebut konsekuensi dari Σ dan kita menulis | ∅ Σ = ϕ. Secara khusus,

|
jika = ϕ, yaitu, TI (ϕ) = 1 untuk setiap interpretasi I, maka ϕ dikatakan
(mutlak) valid dan kami menulis | = ϕ.
(3) Jika ϕ | = ψ dan ψ | = ϕ, yaitu, untuk interpretasi I, TI (ϕ) = TI (ψ),
maka kita katakan bahwa ϕ dan equivalent ekivalen dan tuliskan ϕ ≡ ψ.

Kita pertama pertimbangkan pertanyaan bagaimana hubungan konsekuensi

dipertahankan oleh bilangan dan pertanyaan kapan bilangan dapat
didistribusikan melalui konjungsi dan disjungsi. Proposisi berikut menjawab dua
pertanyaan ini.

Proposisi 29. (1) Misalkan ϕ1, ϕ2 Wff. Maka

∈ ϕ1 = ϕ2 jika dan hanya jika
untuk suatu pembilang Q dan untuk setiap variabel
| x, (Qx) ϕ1 |= (Qx) ϕ2 selalu
berlaku.
 (2) Untuk setiap pembilang Q dan untuk ϕ1, ϕ2 ∈ Wff, kami memiliki:

(Qx) (ϕ1 ∧ ϕ2) | = (Qx) ϕ1 ∧ (Qx) ϕ2,

(Qx) ϕ1 ∨ (Qx) ϕ2 | = (Qx) (ϕ1 ∨ ϕ2).

(3) Jika Q adalah pembilang kemungkinan, maka untuk ϕ1, ϕ2 ∈

Wff, kita memiliki: (Qx) (ϕ1 (x) ∨ ϕ2 (x)) ≡ (Qx) ϕ1 (x)
∨ (Qx) ϕ2 (x).

Bukti. (1) Bagian "hanya jika" merupakan konsekuensi langsung dari Lemma
12 (2). Untuk bagian "jika", biarkan saya menjadi interpretasi dan X menjadi
domain I. Kami ingin menunjukkan
bahwaTI
ke x, (ϕ1) ≤ TI (ϕ2). Kami menetapkan QX = Ππxsaya , dimana x adalah penugasan dari I
saya
dan Ππ I adalah ukuran fuzzy yang diinduksi oleh distribusi kemungkinan
x
tunggal πxsaya (lihat Contoh 4 (1)). Kemudian
| dari (Qx) ϕ1 = (Qx) ϕ2 dan
perhitungan sederhana kita tahu itu
TI(ϕ1 ) = ∫ Tsaya {./x} (ϕ1 ) ◦ Ππxsaya
= TI ((Qx) ϕ1) ≤ TI ((Qx) ϕ2)
∫
= Tsaya {./x} (ϕ2 ) ◦ Ππxsaya = TI(ϕ2) .

(2) langsung dari (1).

(3) Untuk interpretasi apapun I, misalkan X adalah domain I, maka mengikuti itu

TI((Qx) (ϕ1 ∨ ϕ2) = sup min [λ, QX({u ∈ X : maks (Tsaya u / x (ϕ1) , Tsaya u / x (ϕ2 ))
{ } { }
λ∈[0,1]
= sup ≥ λ})] mnt [λ, QX({u ∈ X : T
saya {u / x} (ϕ1 ) ≥ λ}
λ∈[0,1]

∪ {u ∈ X : Tsaya {u / x} (ϕ2 )) ≥ λ})]

= sup
λ∈[0,1] min [λ, maks (QX ({u ∈ X : Tsaya {u / x} (ϕ1 )
≥ λ}),
= sup
λ∈[0,1] QX({u ∈ X : Tsaya {u / x} (ϕ2 )) ≥ λ}))]
maks {mnt [λ, QX({u ∈ X : Tsaya {u / x} (ϕ1 )
≥ λ})],

min [λ, QX({u ∈ X : Tsaya {u / x} (ϕ2 )) ≥ λ}))]}

= max {sup min [λ, QX({u ∈ X : Tsaya {u / x} (ϕ1 ) ≥ λ})],
λ∈[0,1]
sup min [λ, QX({u ∈ X : Tsaya u / x (ϕ2 )) ≥ λ}))]}
{ }
λ∈[0,1
]
= TI ((Qx) ϕ1 ∨ (Qx) ϕ2). Q
 Kedua, kita melihat bagaimana hubungan konsekuensi antara dua proposisi
terkuantifikasi tergantung pada kekuatan bilangan yang terlibat.

Proposisi 30. Misalkan Q1 dan Q2 menjadi dua bilangan. Maka Q1 ± Q2 jika

dan hanya jika untuk ∈ Wff, (Q1x) ϕ | = (Q2x) ϕ selalu berlaku.

Bukti. Bagian "hanya jika" sudah jelas. Untuk bagian "jika", kita hanya perlu
menunjukkannya untuk setiap set X dan untuk E ⊆ X, Q1X (E) ≤ Q2X (E) apa
pun. Kita dapat menemukan beberapa P ∈ Fn dengan n> 0 karena diasumsikan
∞n = 1Fn =. Misalkan ϕ = P (x, ..., x)∪ƒdan pertimbangkan interpretasi I di mana
domainnya adalah X dan ∅
∈
. saya 1, jika
P. u1 =u ... = uun E,
, ...,
( )= 0, jika tidak. 1

Kemudian n

TI((Q1x) ϕ) = sup min [inf PI (u, ... u), QX (F)]

F ⊆X u∈F
= sup QX (F)
F ⊆E
= Q1X (E)

karena inf PI (u, ... u) =. 1, jika F ⊆ E,

Perhitungan serupa mengarah

u∈ ke TI ((Q2x) 0,
ϕ)jika tidak.
= Q2X (E). Karena (Q1x) ϕ | =
(Q2x) ϕ, kita memiliki TI ((Q1x) ϕ) ≤ TI ((Q2x) ϕ), dan ini melengkapi
F
pembuktiannya. Q

Ketiga, kami menunjukkan bahwa proposisi dengan pertemuan atau

penyatuan dua bilangan dapat diubah menjadi konjungsi atau disjungsi, masing-
masing, dari proposisi dengan bilangan komponen.

Proposisi 31. Untuk bilangan Q1, Q2, variabel individual x dan ϕ Wff,∈kami
memiliki:
(1) ((Q1 H Q2) x) ϕ ≡ (Q1x) ϕ ∧ (Q2x) ϕ;
(2) ((Q1 H Q2) x) ϕ ≡ (Q1x) ϕ ∨ (Q2x) ϕ.

Bukti. (1) Untuk interpretasi I dengan domain X, jelas bahwa

TI(((Q1 H Q2) x) ϕ)) ≤ TI ((Q1x) ϕ ∧ (Q2x) ϕ).

Sebaliknya, kami punya
TI((Q1x) ϕ ∧ (Q2x) ϕ) = min [TI ((Q1x) ϕ), TI ((Q2x) ϕ)]
= min [sup min (inf Tsaya{u / x}(ϕ), Q1X (F1)), min (inf Tsaya{u / x}(ϕ), Q2X (F2))]
F1⊆X u∈F1 u∈F2
sup
F2⊆X
= sup min (inf TSaya u / x (ϕ), Tsaya{u / x}(ϕ), Q1X (F1)), Q2X (F2))
F1, F2⊆X u∈F1 inf
{ }
u∈F2
= sup min (inf Tsaya{u / x}(ϕ), Q1X (F1)), Q2X (F12))
F1, F2⊆X u∈F1∪F2

≤ sup min (inf Tsaya{u / x}(ϕ), Q1X (F1 ∪ F2)), Q2X(F1 ∪ F2))
F1, F2⊆X u∈F1∪F2
≤ sup min (inf Tsaya{u / x}(ϕ), Q1X (F)), Q2X (F))
F u∈F
⊆X
= sup min (inf Tsaya{u / x}(ϕ), (Q1 H Q2) X (F))
F u∈F
⊆X
= TI (((Q1 H Q2) x)
ϕ).
(2) Membiarkan FX, λ = {u ∈ X: Tsaya{u / x}(ϕ) ≥ λ}.

Kemudian mengikuti
itu
TI(((Q1 H Q2) x) ϕ) = sup min [λ, (Q1 H Q2) X (FX, λ)]
λ
= sup min [λ, maks (Q1X (FX, λ), Q2X (FX, λ))]
λ
= sup max [min (λ, Q1X (FX, λ)), min (λ, Q2X (FX, λ))]
λ
= maks [sup min (λ, Q1X (FX, λ)), sup min (λ, Q2X (FX, λ))]
λλ
= maks (TI ((Q1x) ϕ), TI ((Q2x) ϕ))
= TI ((Q1x) ϕ ∨ (Q2x) ϕ). Q

Kita ditunjukkan dalam pernyataan setelah Definisi 18 bahwa operasi meet

dan union yang lebih umum dari pembilang dapat didefinisikan dengan
menggunakan t-norm dan t-conorm di tempat masing-masing "min" dan "max".
Proposisi di atas dapat digeneralisasikan untuk pertemuan umum dan penyatuan
bilangan seperti itu. Untuk tujuan ini, kita harus mempertimbangkan generalisasi
integral Sugeno, yang diperoleh dengan mengganti "min" dalam Definisi 9
dengan norma-t (lihat [38] untuk pembahasan rinci tentang integral Sugeno yang
digeneralisasi).
Skema inferensi dengan bilangan linguistik yang dibahas dalam [25, Bagian 7]
adalah sebagai berikut:
(Q1x) ϕ1,....., (Qnx) ϕn
(Qx) ϕ =?
Proposisi di atas memungkinkan kami memberikan solusi untuk masalah
inferensi ini. Memang dari proposisi di atas kita mengetahui bahwa inferensi
berikut ini valid:
(Q1x) ϕ1,....., (Qnx) ϕn
((Q1 H ... H Qn) x) (ϕ1 ∨∨ ϕn)
Namun, harus diperhatikan bahwa solusi seperti itu biasanya tidak optimal; lebih
tepatnya, mungkin ada beberapa rumus logika ψ dari bentuk (Qx) ϕ sedemikian
rupa

| = ψ → ((Q1 H. ... H. Qn) x) (ϕ1 ∨ ... ∨ ϕn),

tapi

| = ((Q1 H. ... H. Qn) x) (ϕ1 ∨ ... ∨ ϕn) → ψ

tidak tahan.
Proposisi berikutnya menunjukkan bahwa pembilang tidak memberikan
pengaruh apa pun pada variabel terikat.

Proposisi 32. Untuk pembilang Q dan untuk any apa pun,∈ψ Wff, jika
variabel individu x tidak bebas di ψ, maka kita memiliki:

(Qx) ϕ ∧ ψ ≡ (Qx) (ϕ ∧ ψ);

(Qx) ϕ ∨ ψ ≡ (Qx) (ϕ ∨ ψ).

Bukti. Kami hanya mendemonstrasikan relasi kesetaraan yang pertama, dan

yang kedua serupa. Untuk interpretasi apa pun, saya berpendapat itu

TI((Qx) (ϕ ∧ ψ)) = ∫ TI, x (ϕ ∧ ψ) ◦ QX

= ∫ menit [Tsaya{u / x}(ϕ), Tsaya{u / x}(ψ)] ◦ QX,

di mana X adalah domain I. Karena x tidak gratis di ψ, mudah untuk melihat bahwa TI {u /
x} (ψ) =
TI(ψ) untuk setiap u ∈ X. Dengan Lemma 12 (3), kami memperoleh

TI((Qx) (ϕ ∧ ψ)) = min [∫ Tsaya {u / x} (ϕ) ◦ QX), TI(ψ)]

= min [TI ((Qx) ϕ), TI (ψ)]

= TI ((Qx) ϕ ∧ ψ). Q

Untuk menyimpulkan bagian ini, kita mengamati fungsi bilangan ganda. Perlu
dicatat bahwa validitas fuzzy | = F uz dalam proposisi berikut tidak dapat
diperkuat oleh validitas yang lebih ketat | =.

Proposisi 33. Untuk setiap pembilang Q dan untuk setiap ϕ ∈ Wff, ini berlaku
|=F uz∼ (Qx)ϕ ↔ (Q∗ x) ∼ ϕ,
dengan Q ∗ adalah rangkap dari Q.
 Bukti. Kami
ψ1 =∼ (Qx)ϕ → (Q∗ x) ∼ ϕ
mengatur dan
ψ2 = (Q ∗ x) ∼ ϕ → ∼

(Qx)ϕ.
Kemudian untuk setiap interpretasi I dengan domain X, kami punya

TI(∼ (Qx)ϕ ↔ (Q∗ x) ∼ ϕ) = min [TI (ψ1), TI(ψ2 )],

dan cukup untuk menunjukkan bahwa TI (ψ1) ≥ 1 dan TI (ψ2) ≥ 1. Lebih jauh lagi, itu
berlaku
22

TI(ψ1 ) = maks [TI ((Qx) ϕ), TI(Q ∗ x) ∼ ϕ)]

= maks [∫ Tsaya {u / x} (ϕ) ◦ QX, ∫ (1 - Tsaya {u / x} (ϕ)) ◦ Q∗X ].
Jika
1
∫ Tsaya{u / x} (ϕ) ◦ ≥2,
QX
maka jelas bahwa TI (ψ1) ≥ 1. Jika tidak, dengan Lemma 10 kita dapatkan
2
1
sup min [inf Tsaya{ (ϕ), QX(F)] = ∫ T (ϕ) ◦ Q
x∈
saya{ X< .
F u / x} u / x} 2
⊆X F
Untuk setiap s> 0, misalkan F (s) = {u ∈ X: T saya{u / x}(ϕ)
2 < 1 }. Kemudian untuk semua u ∈ F
(s),
1 - Tsaya{u / x}(ϕ) 2≥ 1 - s, dan
inf (1 - T (ϕ)) 1 s.
u∈F (s) saya{ ≥2-
u / x}

Di sisi lain, karena X - F (s) = {u ∈ X: T saya{u / x}(ϕ) ≥ 1 + s}, berikut itu

2
(ϕ) ≥ 1 + s.
inf Tsaya{
u∈X-F (s) 2
u / x}
Catat itu
1
min [inf saya{ (ϕ),
(X - F (s))] ≤ ∫ T saya{ (ϕ) ◦ Q
X< .
T u / x} Q X u / x} 2
x∈X-F (s)
∗
We tahu bahwa QX (X - F (s)) < 1 . Ini menghasilkan QX (F (s)) = 1 - QX(X - F (s)) > 1
dan ∫ (1 - T saya{u / ≥ (ϕ)) ◦ 2 min [inf
x} u∈F (s)
Q∗X
(1 - T
 saya{ (ϕ)), Q∗X (F 1 - s.
u / x} ≥2
(s)]
Misalkan s → 0. Maka itu berlaku

∫ (1 - T 1
saya{ (ϕ)) ◦ Q∗X ≥
u / x} 2
 dan TI (ψ1) ≥21 .
Sekarang kita beralih ke ψ2. Jelas itu
∗
TI(ψ2 ) = maks [1 - ∫ (1 - Tsaya {u / x} (ϕ)) ◦ QX , 1 - ∫ Tsaya {u / x} (ϕ) ◦ QX]
∗
= 1 - min [∫ (1 - Tsaya {u / x} (ϕ)) ◦ QX , ∫ Tsaya {u / x} (ϕ) ◦ QX].

Untuk menunjukkan bahwa TI (ψ2) ≥ 1 sudah cukup untuk dibuktikan

2
] ≤ 1.
min [∫ (1 - T saya{ (ϕ)) ◦ Q∗X , ∫ saya{
(ϕ) ◦
2
u / x} u / x} QX
Jika
T
∫ T 1
saya{
(ϕ) ◦ ≤2,
kita selesai. Jika tidak, kami
u / x} QX
punya
(F)] = ∫ T 1
sup min [inf saya{ (ϕ), saya{ (ϕ) ◦ QX> .
T u∈
u / x} Q X u / x} 2
F F
⊆X
Oleh karena itu, terdapat F0 ⊆ X sedemikian rupa

inf Tsaya{ (ϕ)> 1

u∈F0 2
u / x}

dan QX (F0)> 1. Sekarang, untuk u ∈ F0, Tsaya{u / x}(ϕ) > 1 , 1 - Tsaya{u / x}(ϕ) < 1 , dan
Q∗X (X - F0 ) = 12 - QX(F0 ) < 1 .2 Kami akan menunjukkan
2
itu 2

∫ (1 - T saya{
(ϕ)) ◦ Q X
∗ = sup min [inf (1 - T saya{
(ϕ)), QX∗ (F)] ≤ 1.
F u∈ 2
u / x} u / x}
⊆X F
THai ini akhir, we hanya perlu untuk mendemonstrasikan bahwa untuk setiap
2
F ⊆ X, Q ∗ X (F )
≤ 1 atau
(ϕ)) ≤ 1.
inf (1 - saya{
u / x}
T
u∈F
2
∗
Di fakta, jika F ⊆ X - F0 , kemudian Q ∗ X (F ) ≤ Q X (X - F0 ) < 1 , dan jika F ƒ⊆ X - F0 ,
2
kemudian
ada u0 ∈ F ∩ F0 dan I engkapi
n buktiny
inf (1 - i a. Q saya{
(ϕ saya{u / x}
0
m u / x}
))
T e ≤1
u∈F l -T
 (ϕ) 1
< .
2

Menggabungkan hasil di atas kita mendapatkan teorema bentuk normal

preneks untuk rumus logika dengan bilangan linguistik.
 Akibat wajar 34. (Prenex Normal Form) Untuk semua
∈ ϕ
Wff, disana ada ψ Wff
memenuhi dua kondisi berikut:
(i) ψ dalam bentuk
(Q1y1) ... (Qnyn) M,
dimana n≥ 0, Q1, ..., Qn adalah bilangan, dan M Wff tidak mengandung pembilang
apapun; dan
(ii) | =F uz ϕ ↔ ψ.

Bukti. Langsung dari Proposisi 31-33. Q

6. Pengukur Kardinal

Studi tentang bilangan umum secara tradisional didasarkan pada kardinalitas

[2, 29, 36]. Alasannya adalah ketika proposisi terkuantifikasi dipertimbangkan,
yang sebenarnya menjadi perhatian kita adalah berapa banyak individu yang
memenuhi proposisi tersebut, dan biasanya tidak relevan untuk mengetahui
secara konkret apa saja mereka. Akibatnya, sebagian besar metode evaluasi
kuantifikasi linguistik dalam literatur sebelumnya didasarkan pada kardinalitas
himpunan fuzzy juga. Pengukuran fuzzy kami dan pendekatan integral Sugeno
untuk quan- tifier linguistik dalam arti disajikan dalam kerangka yang lebih luas
di mana tidak diperlukan kondisi kardinalitas. Bagian ini bertujuan untuk
memperjelas hubungan antara semantik yang diusulkan dalam Bagian 4 dan
semantik berbasis kardinalitas dari bilangan linguistik. Untuk tujuan ini, kita
harus memperkenalkan kelas bilangan khusus.

Definisi 35. SEBUAH pembilang Q disebut pembilang kardinal jika untuk

dua himpunan tidak kosong X dan Xj, untuk setiap bijection f: X → Xj, dan untuk
sembarang E ∈ ℘X dengan f (E) ∈ ℘jX J ,
QX(E) = QXJ (f (E)),
dengan f (E) = {f (x): x ∈ E}.

Di itu atas definisi,Syarat f: X Xj adalah bijection mengimplikasikan

→ bahwa X
dan Xj mempunyai kardinalitas yang sama, dan E dan f (E) juga berkarakteristik
sama. Pertimbangkan dua pernyataan terkuantifikasi berikut dengan pembilang
yang sama Q: ϕ = "Q Xs are As" dan ϕj = "Q Xjs are Ajs". Misalkan E adalah
himpunan elemen di X yang memenuhi properti A, yaitu, E = x X: x memenuhi A.
Demikian pula, misalkan Ej = x Xj: x memenuhi{ Aj.∈Maka kondisi pada } definisi di
atas berarti bahwa ϕ dan ϕj adalah ekuivalen asalkan X dan Xj memiliki
{ ∈ yang sama demikian
kardinalitas } juga A dan Aj, tidak peduli apa itu unsur X, Xj,
A dan Aj.
Gagasan tentang pembilang umum yang diperkenalkan dalam [45] mirip
dengan pembilang kardinal dengan satu-satunya perbedaan bahwa himpunan
nilai kebenaran diizinkan untuk menjadi kisi lengkap apa pun di [45].
 Pengertian bilangan kardinal memiliki definisi yang setara dan
disederhanakan yang diberikan dalam hal bilangan kardinal. Untuk bilangan
pokok α apa pun, kami menulis m (α) untuk himpunan semua fungsi (meningkat)

f : {bilangan pokok β: β ≤ α} → [0, 1]

sedemikian sehingga β1 ≤ β2 menyiratkan f (β1) ≤ f (β2).

Definisi 36. Sebuah pembilang numerik adalah fungsi pilihan

q : α ›→ qα ∈ m
(α) dari kelas {m (α): α adalah bilangan pokok}.

Untuk setiap pembilang utama Q, kami mendefinisikan:

|Q| :α ›→ |Q|α untuk bilangan pokok α,

def
|Q|α(β) = QX (E) untuk β ≤ α,
dimana X adalah beberapa | || himpunan dengan X = α dan E adalah | himpunan
bagian dari X dengan E = β. Dari Definisi 35 kita tahu bahwa Q terdefinisi dengan
baik, dan ini adalah pembilang numerik. Jadi, pembilang| utama
| Q diwakili oleh
pembilang numerik Q. Sebaliknya, untuk setiap pembilang numerik q, kami
masukkan

[q] X(E) d = ef q (| E |)
|X|

untuk setiap set X tidak kosong, dan untuk

⊆ semua E X. Sangat mudah untuk
melihat bahwa [q] adalah pembilang utama, dan dengan demikian pembilang
numerik q menginduksi pembilang utama [q].

Contoh 37. Bilangan universal (∀) bukan bilangan pokok karena untuk
himpunan tak hingga X, ada kemungkinan X memiliki himpunan bagian E yang
tepat dengan | E | = | X |. Bilangan eksistensial (∃) adalah bilangan kardinal, dan
untuk bilangan pokok apa pun
.
α, β dengan α ≤ 1, jika β> 0,
β,
| ∃ |α(β) = 0, jika tidak.

Contoh di atas menunjukkan bahwa pembilang universal tidak dapat

diperlakukan dengan pendekatan biasa berdasarkan kardinalitas ketika alam
semesta wacana tidak terbatas. Ini memang memperlihatkan salah satu
keuntungan dari pendekatan pengukuran fuzzy kami untuk bilangan linguistik.
Untuk memberikan cara lain untuk mengevaluasi nilai kebenaran dari suatu
proposisi dengan bilangan kardinal dan untuk membandingkan semantik ukuran
fuzzy dari bilangan linguistik dengan yang lain, kita membutuhkan pengertian
tentang konsistensi antara dua himpunan fuzzy.
 Definisi 38. Misalkan X adalah himpunan tidak kosong, dan misalkan A, B adalah dua
himpunan fuzzy dari
X. Kemudian indeks konsistensi A dan B didefinisikan sebagai

Menipu(A, B) = sup min [A (x), B (x)].

x∈X

Gagasan konsistensi awalnya diperkenalkan oleh Zadeh di [55], dan itu juga
telah digunakan oleh penulis lain untuk berfungsi sebagai ukuran kesamaan
antara dua set fuzzy [58]. Selain itu,
- kuantitas 1 Con (A, B) diperkenalkan sebagai
kelas inklusi dari himpunan fuzzy A dalam himpunan fuzzy B (lihat [11], halaman
25), di mana B adalah komplemen dari B, yaitu B (x) = 1 - B (x) untuk setiap x ∈
X.
Konsep kardinalitas fuzzy dari himpunan fuzzy juga diperlukan.

Definisi 39. Misalkan X adalah himpunan tidak kosong, dan misalkan A himpunan
tak jelas dari
X. Kemudian kardinalitas fuzzy dari A didefinisikan sebagai subset fuzzy FC (A) dari
{bilangan pokok α : α ≤ | X |} dengan
FC(A) (α) = sup {λ ∈ [0, 1]: | Aλ | = α}
untuk α ≤ | X |, di mana Aλ = {x ∈ X: A (x) ≥ λ} adalah potongan λ − dari A.

Kami memberikan contoh sederhana untuk menggambarkan pengertian kardinalitas fuzzy.

Contoh 40. Kita mengadopsi notasi Zadeh untuk himpunan fuzzy, yaitu
himpunan fuzzy A dari himpunan X dilambangkan dengan
Σ
SEBUAH = SEBUAH(x) / x.
x∈X

Misalkan X = {a1, a2, ..., a10}. Kami mempertimbangkan subset fuzzy A dari X berikut:
SEBUAH = 0.9 / a1 + 0.4 / a2 + 0.7 / a4 + 0.1 / a5 + 0.82 / a6 + 0.83 / a7 +
0.9 / a8 + 1 / a9 + 1 / a10.
Kemudian hasil perhitungan rutin

F C (SEBUAH) = 1/2 + 0,9 / 4 + 0.83 / 5 + 0.82 / 6 + 0,7 / 7 + 0,4 / 8 + 0,1 / 9.

Sangat mudah untuk melihat bahwa jika A| adalah

| himpunan yang tajam
dan A = α maka FC (A) = 1 / α (dalam notasi Zadeh). Sebaliknya, jika X
adalah himpunan berhingga, A adalah |himpunan
| fuzzy dari X dan FC (A) =
1 / α, maka A adalah himpunan yang tajam dan A = α. Ini menunjukkan
bahwa FC () adalah generalisasi fuzzy yang masuk akal dari konsep
kardinalitas untuk himpunan yang tajam.
Dalam literatur, ada dua cara untuk mendefinisikan kardinalitas himpunan
fuzzy. Yang pertama memberikan bilangan real (non-fuzzy) sebagai kardinalitas
dari himpunan fuzzy A;
misalnya, jika A adalah himpunan bagian fuzzy dari himpunan hingga X, maka
jumlah sigma-nya ditentukan oleh Σ
ΣHitung (A) = SEBUAH(x)
x∈X

(lihat [56]). Dengan cara kedua, kardinalitas dari himpunan fuzzy A didefinisikan
sebagai himpunan bagian fuzzy dari bilangan bulat nonnegatif, dan contoh tipikal·
adalah FGCount
· …… (), FLCount () dan FECount () [56] dan Ralescu milik Zadeh ()
[31] . Jelas, FC () dalam Definisi
· 39 juga diberikan dengan cara kedua, tetapi di
sini kita prihatin tidak hanya himpunan hingga dan kardinalitas tak hingga yang
diperbolehkan juga. Selain itu, bahkan untuk kasus · kardinalitas terbatas, mudah
untuk mengamati
·… bahwa FC () berbeda dari FGCount (), FLCount (), FECount ()
dan card (). Kami tidak· akan memberikan perbandingan yang cermat tentang
mereka.
Sekarang kami dapat menyajikan hasil utama dari bagian ini. Ini menjelaskan
hubungan antara semantik integral Sugeno kami dari bilangan linguistik dan
pendekatan biasa berdasarkan kardinalitas.

Proposisi 41. Jika Q adalah pembilang utama, maka untuk

∈ Wff dan untuk
interpretasi I, kita punya

TI((Qx) ϕ) = Con (FC (TI (ϕ)), | Q || X |),

di mana TI (ϕ) dianggap sebagai himpunan bagian fuzzy dari X dengan TI (ϕ) (u) = T saya{u /
x}(ϕ) untuk semua
u ∈ X, dan | Q | adalah bilangan numerik yang diinduksi oleh Q.

Bukti.

TI((Qx) ϕ) = sup min [λ, QX ({u ∈ X: T

saya{u / x}(ϕ) ≥ λ})]
λ∈[0,1]
= sup min [λ, | Q || X | (| {u ∈ X: Tsaya{u / x}(ϕ) ≥ λ} |)]
λ∈[0,1]
= sup min [λ, | Q || X | (| (TI (ϕ)) λ |)]
λ∈[0,1]
= sup sup min [λ, | Q || X | (α)]
α≤ |X| λ∈[0,1] s.t |(Tsaya (ϕ))λ |=α
= sup min [sup λ, |Q||X| (α)]
α≤ |X| λ∈[0,1] s.t |(Tsaya (ϕ))λ |
=α
= sup min [FC (TI (ϕ)) (α), | Q || X | (α)]
λ≤ |X|
= Con (FC (TI (ϕ)), | Q || X |). Q

7. Beberapa Aplikasi Sederhana

 Untuk mengilustrasikan kegunaan semantik integral Sugeno dari bilangan
linguistik, di bagian ini kami menyajikan tiga contoh sederhana.
Contoh pertama berkaitan dengan cuaca dalam seminggu.

Contoh 42. Ingat dari Contoh 16 bahwa pembilang Q = "banyak"

didefinisikan pada himpunan terbatas X sebagai berikut:
QX(E) = | E |
|X|
untuk setiap⊆ EX,
| di mana
| E adalah kardinalitas dari E. Misalkan P1 = "menjadi
mendung" dan P2 = "menjadi dingin" adalah dua predikat linguistik (kabur).
Pertimbangkan interpretasi I di mana domain tersebut berada
X = {Minggu, Senin, Selasa, Rabu, Kamis, Jumat, Sabtu} dan nilai
kebenaran P1 dan P2 diberikan pada Tabel 1 berikut:

Ming Senin Selasa Rabu Kamis Jum Sabtu

gu at
P 0.1 0 0,5 0.8 0.6 1 0.2
.as
y
a
1
P 1 0.9 0.4 0.7 0.3 0.4 0
.as
y
a
2

Meja 1: Tabel kebenaran predikat linguistik P1 dan P2

Kemudian rumus
logisnya
ϕ = (Qx) (P1 (x) ∧ ∼ P2 (x))
berarti bahwa “banyak hari (dalam minggu ini) berawan tapi tidak dingin”, dan nilai
kebenarannya
di bawah
3
saya TI(ϕ) = maks [min min (PI (u), 1 - PI ≈ 0.43.
(u))] = 7
E⊆X u∈E 12

Contoh berikutnya menunjukkan penerapan Proposisi 27 dalam peringkasan

data kesehatan.

Contoh 43. Pertimbangkan himpunan

{ X = s1, }s2, ..., s10 yang terdiri dari 10
siswa. Kondisi kesehatan masing-masing peserta didik ditunjukkan oleh Tabel 3
berikut:
 s1 s2 s3 s s5 s6 s s s s1
4 7 8 9 0
H. 0. 0 0. 1 0. 0. 0 0 1 0.
(x) 73 . 95 84 67 .7 . 81
1 9
Tabel 2: Kondisi kesehatan 10 siswa

dimana lambang H adalah singkatan dari linguistik predikat “sehat”. Kami ingin
menemukan pembilang linguistik yang sesuai dari Q1 = "beberapa", Q2 =
"setidaknya tiga", Q3 = "banyak", Q4 = "paling", Q5 = "hampir semua" dan Q6 =
"semua" untuk meringkas data di atas (lihat Contoh 15 dan 16 untuk definisi
bilangan ini). Dengan kata lain, kami berharap mendapatkan gambaran yang
tinggi tentang kondisi kesehatan seluruh kelompok pelajar ini. Peringkasan
semacam itu diharuskan memiliki nilai kebenaran yang tinggi, misalnya ≥ 0,7.
Dari tabel di atas, kami punya
def
E = {x ∈ X: H (x) ≥ 0.7} = {s1, s3, s4, s5, s7, s8, s9, s10}
dan
Q4X (E) = (| E
3
4
) 2= ( )32 > 0,7> (4) = (E).
| 5 Q5X
2
|X| 5
Dengan Proposisi 27 kita tahu itu

TI((Q4x) H (x))> 0,7> TI ((Q5x) H (x)),

dimana I adalah interpretasi yang diberikan sesuai tabel di atas. Jadi, yang bisa
kami katakan adalah “sebagian besar siswa sehat”.

Kita akhirnya pertimbangkan masalah kueri database lunak. Masalah

semacam ini ditangani di [23] dengan menggunakan pendekatan Zadeh [56]
untuk bilangan linguistik. Namun, di sini kami mengadopsi semantik integral
Sugeno yang dikembangkan di bagian sebelumnya.

Contoh 44. Misalkan record atau entitas adalah daftar atribut, file adalah
kumpulan record dengan tipe yang sama, dan database adalah kumpulan file dari
berbagai tipe. Secara formal, tipe adalah tupel T = (x1, x2, ..., xk) dari nama
atribut. Untuk
≤ setiap ik, kami berasumsi bahwa himpunan nilai yang mungkin
dari atribut xi adalah Vi. Kemudian catatan tipe T dapat ditulis sebagai

R = (x1: a1, x2: a2, ..., xk: ak),

dimana ai∈ V.saya adalah nilai atribut xi dalam catatan ini untuk setiap saya k.
Di sisi lain, kueri (lunak) tipe T dapat dirumuskan sebagai berikut:
q = ”Temukan semua record sedemikian rupa sehingga Q atributnya keluar

{x1 adalah F1, x2 adalah F2, ..., xk adalah Fk} pertandingan",

di mana Q adalah pembilang linguistik, dan untuk
≤ ik lainnya, Fi adalah predikat
linguistik tertentu yang mewakili batasan (lunak) pada atribut xi dan yang dapat
didefinisikan sebagai subset fuzzy dari Vi. Kita biasanya menulis tipe record R
dan query q sebagai Type (R) dan Type (q). Kueri di atas dapat diekspresikan
sebagai rumus di file
bahasa logis Lq:
ϕ = (Qx) (nilai (x) ∈ kendala (x)),
di mana x adalah variabel individual, baik "nilai" dan "kendala" adalah fungsi
yang bersatu,
∈ dan merupakan predikat biner. Kita dapat membayangkan bahwa
record R dan query q memberikan interpretasi I dari rumus ϕ: alam semesta
wacana adalah tipe T = {x1, x2, ..., xk}, dan
nilaiI(xi) = ai,
kendalaI(xi) = Fi,
∈saya (ai, Fi) = Fi (ai)
untuk ik apa
≤ pun, untuk ai Vi dan untuk subset Fi fuzzy apa pun dari Vi. Sekarang
sejauh mana catatan R cocok dengan kueri q dihitung sebagai nilai kebenaran
rumus ϕ:
Pertandingan(q, R) = TI (ϕ) = ∫ h ◦ QT,
dimana h (xi) = Fi (ai) untuk setiap i ≤ k. Selanjutnya, database dapat didefinisikan sebagai
m
[
D= Fj,
j= 1

di mana Fj adalah file bertipe Tj, yaitu sekumpulan beberapa record dengan tipe
Tj≤ untuk setiap j m. Misalkan λ menjadi ambang batas yang ditentukan
sebelumnya. Jika derajat kecocokan suatu record R dan query q melebihi λ, maka
R dimasukkan ke dalam file output q. Oleh karena itu, file keluaran dari query q
diberikan sebagai
KELUARAN (q) = {R ∈ D: Jenis (R) = Jenis (q) dan Cocok (q, R) ≥ λ}.
Sekarang mari kita pertimbangkan pertanyaan konkret
q = ”Temukan semua record sedemikian rupa sehingga hampir semua atribut
keluar
{x1 kecil, x2 kecil, x3 besar, x4 ada di sekitar 4, x5 besar, x6 sangat besar,
x7 kecil, x8 kecil, x9 sangat kecil, x10 sangat besar} cocok ”,
dimana jenis q adalah T = {x1, x2, ..., x10}. Asumsikan bahwa V1 = V2 = ... = V10 =
{1, 2, ..., 8} dan
"kecil" = 1/1 + 0.8 / 2 + 0,3 / 3,
”sangat kecil” = 1/1 + 0,64 / 2 + 0,09 /
3,
"besar" = 0,3 / 6 + 0,8 / 7 + 1/8,
"sangat besar” = 0,09 / 6 + 0,64 / 7 + 1/8,
”sekitar 4 ” = 0,3 / 2 + 08/3 + 1/4 + 0,8 / 5 + 0,3 / 6.
Selanjutnya, kami perhatikan catatan berikut

R = (x1: 7, x2: 2, x3: 8, x4: 3, x5: 6, x6: 6, x7: 1, x8: 2, x9: 2, x10: 7).

Interpretasi I ditentukan oleh record R dan query q kemudian diberikan oleh

Tabel 3 berikut:

x x x x x x6 x x x9 x1
1 2 3 4 5 7 8 0
h(xi) = Fi 0 0 1 0 0 0, 1 0 0. 0.
(ai) .8 . . 09 . 64 64
8 3 8
Tabel 3: Interpretasi yang saya tentukan dengan record R dan query q

Menggunakan Lemma 11 adalah rutin untuk menghitung tingkat pencocokan dari

catatan R ke kueri q:
Pertandingan(q, R) = ∫ h ◦ hampir semuaT
= min [0,64, hampir semua T ({x2, x3, x4, x7, x8, x9,
x10})] = 0,49, di mana pembilang "hampir semua" ditentukan menurut
Contoh 16.

8. Diskusi

Tujuan utama dari bagian ini adalah untuk memperjelas lebih lanjut
hubungan antara hasil yang diperoleh dalam makalah ini dan karya terkait.
Zadeh [56] membedakan dua jenis bilangan fuzzy, bilangan mutlak dan
bilangan relatif. Pembilang absolut mengacu pada angka (yang didefinisikan
secara kabur) seperti "setidaknya tiga", "sedikit" dan "tidak terlalu banyak",
sedangkan pembilang relatif mengacu pada proporsi seperti "paling banyak" dan
"paling banyak setengah". Kemudian evaluasi kebenaran dari pernyataan yang
dikuantifikasi dilakukan dengan menghitung kardinalitas (absolut dan relatif)
dari himpunan fuzzy. Namun, dalam makalah ini, evaluasi kuantifikasi dilakukan
secara langsung atas subset (bukan kardinalitasnya) dari alam semesta wacana.
Ini berbeda dari cara yang dipertimbangkan dalam [56] dan memungkinkan kita
tidak perlu membedakan bilangan absolut dan relatif.
Dalam [25], pembilang linguistik didefinisikan sebagai batasan pada nilai
probabilitas, dan dapat dilihat sebagai bentuk alternatif dari probabilitas yang
tidak tepat. Dari sudut representasi matematis, bilangan linguistik yang dibahas
dalam [25] dapat diidentifikasi dengan bilangan relatif dalam [56], keduanya
didefinisikan sebagai himpunan bagian fuzzy dari interval satuan. Lebih penting
lagi, bagaimanapun, interpretasi bilangan dan mekanisme penalaran dengan
bilangan di [56, 25] sangat berbeda: di [25], a
pembilang diperlakukan secara probabilistik dan menggunakan model
pemungutan suara, dan penalaran dengan pembilang dilakukan dengan metode
Bayesian.
Ide merepresentasikan bilangan linguistik dengan pengukuran fuzzy dan
integral Sugeno awalnya diperkenalkan oleh penulis di [42], di mana beberapa
sifat dasar logika dari bilangan linguistik disajikan, termasuk versi Proposi 33.
Makalah ini merupakan kelanjutan dari [ 42], dan memang beberapa bagian dari
makalah ini dapat dilihat sebagai penjabaran dari [42]. Pada tahun 1994, Bosc
dan Lietard [4, 5, 6, 7] mengajukan secara independen gagasan untuk
mengevaluasi proposisi yang dikuantifikasi secara linguistik dengan integral
Sugeno. Namun, motivasi [42] dan [4, 5, 6, 7] sangat berbeda: tujuan utama [42]
adalah untuk membuat logika orde pertama dengan bilangan fuzzy, sedangkan
pada [4, 5, 6, 7 ], hubungan erat antara pendekatan Prade dan Yager untuk
evaluasi pernyataan terkuantifikasi fuzzy dan integral Sugeno dan Choquet
ditemukan. Motivasi yang berbeda menyebabkan beberapa perbedaan besar
antara [42] (dan makalah ini) dan [4, 5, 6, 7]. Pertama, wacana alam semesta
dipertimbangkan dalam [4, 5, 6, 7]
harus terbatas. Memang, di hampir semua pendekatan sebelumnya [1, 4, 5, 6, 7, 9,
10, 12, 15, 16, 17, 18, 20, 21, 22, 23, 25, 27, 28, 30, 31, 32, 33, 39, 40, 41, 56] menjadi kabur
kuantifikasi, hanya alam semesta terbatas yang dipertimbangkan karena mereka
terutama berorientasi pada aplikasi dan biasanya dalam aplikasi nyata alam
semesta terbatas sudah cukup. Namun, dalam makalah saat ini, wacana alam
semesta yang tak terbatas diperbolehkan. Ini memungkinkan kita untuk memiliki
beberapa sifat logis yang lebih dalam dari bilangan fuzzy. Kedua, dalam [4, 5, 6,
7] suatu pengukur fuzzy (mutlak) Q atas alam semesta X masih didefinisikan
sebagai himpunan fuzzy dari bilangan bulat menurut Zadeh [56]. Kemudian
ukuran fuzzy mQ pada X diinduksi oleh
mQ(E) = Q (| E |)
untuk setiap
⊆ | EX, di mana
| E adalah kardinalitas dari E, dan integral Sugeno
sehubungan dengan mQ digunakan untuk mengevaluasi proposisi yang
dikuantifikasi oleh Q. (Sebenarnya, proses di mana mQ diinduksi dari Q adalah
kebalikan dari proses setelah Definisi 36 yang suatu bilangan numerik diinduksi
dari bilangan kardinal Q.) Jadi, bilangan fuzzy yang dibahas dalam [4, 5, 6, 7]
semuanya kardinal dalam pengertian Definisi 36.
Biasanya dua Jenis pernyataan terkuantifikasi fuzzy diidentifikasi yaitu,
proposisi tipe I bentuk “Q Xs are As” dan pernyataan tipe II berupa “Q Ds are As”, di
mana X adalah semesta wacana, Q adalah pengukur fuzzy, dan A dan D adalah dua
predikat fuzzy atas X [56, 27, 28]. Dalam makalah ini, untuk teori logis yang elegan
dari bilangan fuzzy, kami hanya mempertimbangkan proposisi tipe I, dan setiap
proposisi tipe II dapat diterjemahkan ke proposisi tipe I dengan cara standar:
"Q Ds adalah As" ⇔ "Q Xs (Xs adalah Ds berarti Xs adalah As)"
atau
"Q Ds adalah As" ⇔ "Q Xs adalah Ds dan As".
Pilihan metode penerjemahan ditentukan oleh kekuatan bilangan Q. Secara
umum, untuk bilangan yang lebih kuat seperti bilangan universal () kami
∀
mengadopsi metode pertama, dan untuk bilangan yang lebih lemah seperti
∃
bilangan eksistensial () kami menggunakan yang kedua.
 Daftar properti yang diinginkan untuk kuantifikasi fuzzy disajikan dalam [1, 9,
15, 16, 17, 18]. Di sini, kami secara singkat memeriksa hubungan antara yang
paling relevan dan hasil yang diperoleh dalam makalah ini. Kemandirian
keteraturan dalam elemen-elemen referensial [1, 15] mirip dengan definisi
pengukur kardinal (Definisi 35). Jelas bahwa banyak bilangan yang tidak
menyukai sifat ini. Contoh 25 menunjukkan bahwa semantik integral Sugeno dari
bilangan memenuhi properti operator yang diinduksi [1, 15]. Lebih lanjut, Contoh
26 menunjukkan bahwa semantik ini juga memenuhi koherensi dengan logika
fuzzy dan sifat generalisasi yang benar [1, 9, 15, 32]. Delgado, Sanchez dan Vila
[9] mengusulkan bahwa evaluasi kuantifikasi tidak boleh terlalu “ketat”. Tepat,
kriteria ini mensyaratkan bahwa untuk setiap pembilang Q ada predikat fuzzy A
sedemikian rupa sehingga nilai evaluasi kalimat "Q Xs are As" tidak 0 atau 1
asalkan Q bukan pembilang yang tajam. Mudah untuk melihat bahwa kriteria
seperti itu dipenuhi oleh semantik integral bilangan Sugeno.
⊆ Memang, misalkan
Q menjadi pembilang dan X himpunan sedemikian rupa sehingga ada E0 X
dengan 0 <QX (E0) <1. Untuk simbol predikat uner P, kami menganggap
interpretasi I dengan X sebagai
Pu domainnya
. sehingga
∈( ) =
saya λ, jika u E0,
0, jika tidak,
dimana 0 <λ <1. Maka 0 <TI ((Qx) P (x)) = min (λ, QX (E0)) <1. Proposisi 29
(1) dan 30 menunjukkan bahwa kedua pengukur monotonitas [1, 9, 15, 32]
dan monotonisitas lokal berlaku dalam kerangka kerja yang disajikan dalam
makalah ini. Konveksitas [1, 15]. kemudian merupakan akibat langsung dari
monotonisitas lokal. Transformasi tipe I ke tipe II [1,15, 32]. sudah dibahas di
paragraf di atas. Properti dekomposisi
[1] diberikan dalam Proposisi 31 (1). Properti negasi eksternal [16] tidak dapat
dipertimbangkan dalam semantik integral Sugeno dari bilangan karena
komplemen Q dari pembilang Q, yang didefinisikan
- oleh QX (E) = 1 QX (E) untuk
EX apa pun, tidak memenuhi monotonisitas dalam Definisi 3 dan itu bukan
pembilang. Properti antonim [16] tidak benar secara umum. Proposisi 33
menyajikan versi dualitas yang lebih lemah dari yang dibutuhkan dalam [16].
Untuk membuat penerapan praktisnya menjadi mungkin, ditunjukkan dalam [9,
32] bahwa metode evaluasi kuantifikasi harus efisien dalam arti kompleksitas
komputasi. Misalkan domain interpretasi I adalah himpunan berhingga dan
kardinalitasnya adalah n. Pada pandangan pertama, kita mungkin berpikir bahwa
evaluasi nilai kebenaran TI ((Qx) ϕ) dari rumus terkuantifikasi (Qx) ϕ di bawah I
akan berjalan dalam waktu eksponensial dengan kompleksitas O (2n) (cf. Definisi
9 dan 23 (ii) dan Lemma 10). Untungnya, Lemma 11 memberi kita algoritma
evaluasi kuantifikasi dengan kompleksitas O (n log n).
Kontinuitas atau kelancaran perilaku [1, 18] berarti bahwa gangguan kecil
dalam nilai keanggotaan properti fuzzy D atau A tidak menimbulkan perubahan
drastis pada evaluasi proposisi terkuantifikasi fuzzy. Properti ini menjamin
ketidakmampuan kuantifikasi fuzzy terhadap kebisingan. Masalah serupa untuk
aturan komposisi inferensi fuzzy telah dibahas oleh penulis di [48, 52] di mana
bilangan linguistik tidak terlibat. Untuk memberikan properti seperti itu,
pertama-tama kita perlu memperkenalkan pengertian jarak antar himpunan
fuzzy. Misalkan A dan B adalah dua himpunan bagian fuzzy dari X.
Maka jarak antara A dan B didefinisikan sebagai
d(A, B) = sup |A-(x) B(x).
x∈X
|
Proposisi berikut memaparkan kontinuitas mekanisme evaluasi kami atas
pernyataan terkuantifikasi fuzzy.

Proposisi 45. Untuk pembilang Q, untuk ϕ apa∈pun, ψ Wff, dan untuk

interpretasi I, kami memiliki:

|TI((Qx) ϕ) - TI ((Qx) ψ) | ≤ d (TI (ϕ), TI (ψ)).

Bukti. Perhatikan bahwa untuk setiap a, b, c, ai, bi ∈ [0, 1] (i ∈ J), dinyatakan bahwa
| mnt (a, c) - min (b, c) | ≤ | a - b |,
| infai - inf dua| ≤ inf |ai - dua
say say saya∈J
a∈ a∈
dan J J
| supai - sup dua| ≤ sup |ai - dua.
say say saya∈J
a∈ a∈
Kemudian
J J
mengikuti itu
|TI((Qx) ϕ) - TI((Qx) ψ) | =| sup min [infTsaya{u / x}(ϕ), QX (F)] - sup min [inf Tsaya{u / x}
(ψ), QX (F )] |
F ⊆X u∈ F ⊆X u∈F
F

≤ |sup
- sup Tsaya{u / x}(ϕ) Tsaya{u / x}(ψ)
F ⊆X u∈F
|
| - {u / x}(ϕ) Tsaya{u / x}(ψ)
= sup Tsaya
x∈X
|
= d (TI (ϕ), TI (ψ)). Q

Kontinuitas yang diberikan dalam proposisi di atas berkaitan dengan

perubahan nilai kebenaran pernyataan yang terikat oleh pembilang yang sama.
Memang, kami juga memiliki kontinuitas sehubungan dengan gangguan bilangan
bulat. Misalkan Q1 dan Q2 adalah dua bilangan dan X adalah himpunan tidak
kosong. Jarak Q1 dan Q2 pada X didefinisikan sebagai

dX(Q1, Q2) = sup|Q1X - (E.) Q2X(E) .

E⊆X
|
Perlu dicatat bahwa definisi jarak antara bilangan ini mirip dengan variasi jarak
antara ukuran probabilitas [19] (halaman 108).

Proposisi 46. Untuk pembilang Q1 dan Q2, untuk ϕ Wff apa

∈ pun, dan untuk
interpretasi I, kami memiliki:

|TI((Q1x) ϕ) - TI ((Q2x) ϕ) | ≤ dX (Q1, Q2),

dengan X adalah domain I.

Bukti. Mirip dengan Proposisi 45. Q

Harus ditunjukkan bahwa kontinuitas tidak dapat diungkapkan dalam bahasa

logis Lq yang diberikan di Bagian 4.

9. Kesimpulan

Dalam makalah ini, kami menyajikan semantik integral Sugeno dari bilangan
linguistik di mana pembilang diwakili oleh keluarga ukuran fuzzy [35] dan nilai
kebenaran dari proposisi terkuantifikasi dihitung dengan menggunakan integral
Sugeno [35]. Beberapa sifat logis elegan dari bilangan linguistik diturunkan,
termasuk teorema bentuk normal prenex. Semantik ini dibandingkan dengan
pendekatan berbasis kardinalitas biasa (lihat contoh [9, 12, 31, 56]) untuk
bilangan linguistik.
Tiga aplikasi sederhana untuk meringkas data dan query database telah
disajikan di Bagian 7. Namun demikian, lebih banyak aplikasi diantisipasi di
bidang lain seperti fusi informasi [21, 25], pengambilan keputusan [20, 40] dan
pembelajaran induktif
[21].
Untuk studi teoritis lebih lanjut, kami ingin memeriksa dengan hati-hati
berbagai model sifat teoritis dari logika dengan bilangan linguistik dan ingin
melihat apakah itu aksioma. Alat matematika yang digunakan dalam makalah ini
untuk menjumlahkan nilai kebenaran adalah integral Sugeno. Seperti disebutkan
setelah Definisi 18 dan Proposisi 31, generalisasi integral Sugeno diusulkan dalam
literatur sebelumnya dengan mengganti operasi "min" dalam Definisi 9 dengan
norma-t umum, dan integral Sugeno yang digeneralisasi ini juga dapat digunakan
dalam semantik quan- tifier linguistik. Tampaknya kuantifikasi yang ditafsirkan
dalam kaitannya dengan integral Sugeno dengan norma-t memungkinkan kita
untuk menggabungkan data, informasi, dan pengetahuan dengan cara yang
"lebih lembut" dan "lebih fleksibel". Begitu, pemeriksaan yang cermat terhadap
bilangan linguistik yang dimodelkan oleh integral Sugeno tergeneralisasi akan
menjadi topik menarik lainnya. Selain itu, integral Choquet banyak digunakan
sebagai operator agregasi di bidang ekonomi, teori permainan, dan pengambilan
keputusan multi-kriteria. Masuk akal untuk mengharapkan bahwa integral
Choquet juga dapat digunakan untuk mengevaluasi nilai kebenaran dari proposisi
yang dikuantifikasi secara linguistik. Memang, seperti yang ditunjukkan di bagian
terakhir, Bosc dan Lietard [4, 5, 6, 7] telah memperhatikan hubungan antara
metode representasi linguistik Prade dan Yager [30, 39, 41] dan integral Choquet.
Dengan demikian, pengembangan sistematis semantik integral Choquet dari
bilangan linguistik juga akan menjadi topik yang menarik. integral Choquet
secara luas digunakan sebagai operator agregasi di bidang ekonomi, teori
permainan, dan pengambilan keputusan multi-kriteria. Masuk akal untuk
mengharapkan bahwa integral Choquet juga dapat digunakan untuk
mengevaluasi nilai kebenaran dari proposisi yang dikuantifikasi secara linguistik.
Memang, seperti yang ditunjukkan di bagian terakhir, Bosc dan Lietard [4, 5, 6,
7] telah memperhatikan hubungan antara metode representasi linguistik Prade
dan Yager [30, 39, 41] dan integral Choquet. Dengan demikian, pengembangan
sistematis semantik integral Choquet dari bilangan linguistik juga akan menjadi
topik yang menarik. integral Choquet secara luas digunakan sebagai operator
agregasi di bidang ekonomi, teori permainan, dan pengambilan keputusan multi-
kriteria. Masuk akal untuk mengharapkan bahwa integral Choquet juga dapat
digunakan untuk mengevaluasi nilai kebenaran dari proposisi yang dikuantifikasi
secara linguistik. Memang, seperti yang ditunjukkan di bagian terakhir, Bosc dan
Lietard [4, 5, 6, 7] telah memperhatikan hubungan antara metode representasi
linguistik Prade dan Yager [30, 39, 41] dan integral Choquet. Dengan demikian,
pengembangan sistematis semantik integral Choquet dari bilangan linguistik juga
akan menjadi topik yang menarik. seperti yang ditunjukkan di bagian terakhir,
Bosc dan Lietard [4, 5, 6, 7] telah memperhatikan hubungan antara metode
representasi linguistik Prade dan Yager [30, 39, 41] dan integral Choquet. Dengan
demikian, pengembangan sistematis semantik integral Choquet dari bilangan
linguistik juga akan menjadi topik yang menarik. seperti yang ditunjukkan di
bagian terakhir, Bosc dan Lietard [4, 5, 6, 7] telah memperhatikan hubungan
antara metode representasi linguistik Prade dan Yager [30, 39, 41] dan integral
Choquet. Dengan demikian, pengembangan sistematis semantik integral Choquet
dari bilangan linguistik juga akan menjadi topik yang menarik.

Ucapan Terima Kasih: Penulis sangat berterima kasih kepada wasit

anonim atas komentar dan saran mereka yang tak ternilai.
Referensi
[1] S. Barro, AJ Bugarin, P. Carinena dan F. Diaz-Hermida, Sebuah kerangka
untuk analisis model kuantifikasi fuzzy, Transaksi IEEE pada Sistem
Fuzzy, 11 (2003) 89-99

[2] J. Barwise dan R. Cooper, bilangan umum dan bahasa alam, Lin- guistics
and Philosophy, 4 (1981) 159-219

[3] L. Biacino, G. Gerla dan MS Ying, Perkiraan penalaran berdasarkan

kesamaan, Mathematical Logic Quarterly, 46 (2000)

[4] P. Bosc dan L. Lietard, Kuantifikasi monotonik dan integral fuzzy Sugeno,
di: Proc. Konferensi IPMU ke-5, 1994, hlm: 1281-1286

[5] P. Bosc dan L. Lietard, Pernyataan terkuantifikasi monotonik dan integral

fuzzy, di: Proc. dari NAFIPS / IFIS / NASA '94, Konferensi Bersama
Internasional Pertama dari Konferensi Dua Tahunan Masyarakat
Pemrosesan Informasi Fuzzy Amerika Utara, Konferensi Kontrol Fuzzy
Industri dan Sistem Cerdas, dan NASA Joint Technolo, 1994, hlm: 8-12

[6] P. Bosc dan L. Lietard, Kuantifikasi monotonik dan integral fuzzy Sugeno,
dalam: B.Bouchon-Meunier, RR Yager dan LA Zadeh (eds.), Fuzzy Logic
and Soft Computing, World Scientific, Singapura, 1995, hlm: 337-344

[7] P. Bosc dan L. Lietard, integral Fuzzy dan kueri fleksibel database, di: Proc.
Konferensi Internasional IEEE Kelima tentang Sistem Fuzzy, 1996, hlm:
100 - 106

[8] G. Choquet, Theory of capacities, Annales de l'Institut Fourier, 5 (1955)

131-295.

[9] M. Delgado, D. Sanchez dan MA Vila, evaluasi berdasarkan kardinalitas

Fuzzy dari kalimat-kalimat terkuantifikasi, International Journal of
Approximate Reasoning, 23 (2000) 23-66

[10] F. Diaz-Hermida, A. Bugarin dan S. Barro, Definisi dan klasifikasi bilangan

semi-fuzzy untuk evaluasi kalimat terkuantifikasi fuzzy, Jurnal
Internasional Approximate Reasoning, 34 (2003) 49-88

[11] D.Dubois dan H. Prade, Kumpulan dan Sistem Fuzzy: Teori dan Aplikasi,
Academic Press, New York, 1980

[12] D. Dubois dan H. Prade, Kardinalitas Fuzzy dan pemodelan kuantifikasi

tidak tepat, Fuzzy Sets and Systems, 16 (1985) 199-230
[13] N. Friedman dan JY Halpern, Ukuran masuk akal: panduan pengguna, di:
Proc. Konferensi ke-11 tentang Ketidakpastian dalam Kecerdasan Buatan
(UAI'95), 1995, hlm: 175-184

[14] N.Friedman dan JY Halpern, Tindakan masuk akal dan penalaran default,
Jurnal ACM, 48 (2001) 648-685

[15] I. Glockner, DFS - Sebuah pendekatan aksiomatik untuk kuantifikasi fuzzy, Tech.
Reputasi.
TR97-06, Univ. Bielefeld, 1997

[16] I.Glockner, Sebuah kerangka kerja untuk mengevaluasi pendekatan untuk kuantifikasi
fuzzy,
Tech. Rep. TR99-03, Univ. Bielefeld, 1999

[17] I.Glockner, Evaluasi proposisi terkuantifikasi dalam model umum dari

kuantifikasi fuzzy, International Journal of Approximate Reasoning, 37
(2004) 93-126

[18] I.Glockner dan A. Knoll, Teori formal quan- tification bahasa alami fuzzy
dan perannya dalam komputasi granular, di: W. Pedrycz (ed.), Granular
Computing: An Emerging Paradigm, Physica-Verlag, Heidelberg, 2001,
hlm. 215-256

[19] JY Halpern, Reasoning about Uncertainty, The MIT Press, Cambridge,

Massachusetts, 2003

[20] J. Kacprzyk, M. Fedrizzi dan H. Nurmi, Pengambilan keputusan kelompok

dengan mayoritas fuzzy diwakili oleh bilangan linguistik, di: JL Verdegay
dan M. Delgado (eds.), Perkiraan Alat Penalaran untuk Kecerdasan
Buatan, TUV,
Rheinland, 1990, hlm.126-145

[21] J. Kacprzyk dan C. Iwanski, Pembelajaran induktif dari contoh yang tidak
lengkap dan tidak tepat, di: B. Bouchon-Meunier, RR Yager dan LA Zadeh
(eds.), Ketidakpastian dalam Basis Pengetahuan, LNCS 521, Springer,
Berlin, 1991, hlm. 424-430

[22] J.Kacprzyk dan RR Yager, Model optimasi dan kontrol yang lebih lembut
melalui pengukur linguistik fuzzy, Ilmu Informasi, 34 (1984) 157-178

[23] J. Kacprzyk dan A. Ziolkowski, Kueri database dengan bilangan linguistik,

Transaksi IEEE pada Sistem, Manusia dan Sibernetika, 16 (1986) 474-478

[24] EL Keenan, Beberapa sifat pembilang bahasa alami: Teori pembilang

umum, Linguistik dan Filsafat, 25 (2002) 627-654

[25] J.Lawry, Metodologi untuk komputasi dengan kata-kata, International

Journal of Approximate Reasoning, 28 (2001) 51-8
[26] J. Lawry, Kerangka untuk pemodelan linguistik, Artificial Intelligence, 155
(2004) 1-39 9
[27] Y. Liu dan EE Kerre, Ikhtisar bilangan fuzzy (I): Interpretasi,
Set dan Sistem Fuzzy, 95 (1998) 1-21

[28] Y. Liu dan EE Kerre, Gambaran umum dari bilangan fuzzy (II): Penalaran
dan aplikasi, Fuzzy Sets and Systems, 95 (1998) 135-146

[29] A. Mostowski, Tentang generalisasi bilangan, Fundamenta Mathematicae,

44 (1957) 17-36

[30] H.Prade, Prosedur pencocokan pola fuzzy dua lapis untuk evaluasi kondisi
yang melibatkan bilangan samar, Journal of Intelligent and Robotic
Systems, 3 (1990) 93-101

[31] AL Ralescu, Kardinalitas, pembilang, dan agregasi kriteria fuzzy,

Set dan Sistem Fuzzy, 69 (1995) 355-365

[32] D. Sanchez, Adquisicion de Relaciones entre Atributos en Bases de Datos

Relacionales, tesis Ph. D., Univ. de Granada ETS de Ingenieria Infor-
matica, 1999

[33] DG Schwartz, Dynamic reasoning dengan silogisme yang berkualitas,

Artificial Intelligence, 93 (1997) 103-167

[34] B. Schweizer dan A. Sklar, Probabilistic Metric Spaces, North-Holland,

Amesterdam, 1983

[35] M. Sugeno, Teori Fuzzy Integrals dan Aplikasinya, Ph. D. Skripsi,

Institut Teknologi Tokyo, 1974

[36] J. van Benthem, Pertanyaan tentang bilangan, Journal of Symbolic Logic,

49 (1984) 443C466.

[37] P. Walley, Ukuran ketidakpastian dalam sistem pakar, Artificial

Intelligence, 83 (1996) 1-58

⊥
[38] S. Weber, ukuran -decomposable dan integral untuk Archimedean t-
conorms, Journal
⊥ of Mathematical Analysis and Applications, 101 (1984)
114-138

[39] RR Yager, proposisi terkuantifikasi dalam logika linguistik, International

Journal of Man-Machine Studies, 19 (1983) 195-227

[40] RR Yager, Fungsi keputusan tujuan ganda umum dan pernyataan

kuantitatif secara linguistik, Jurnal Internasional Studi Manusia-Mesin, 21
(1984) 389-400

[41] RR Yager, Menafsirkan proposisi yang dikuantifikasi secara linguistik,

International Journal of Intelligent Systems, 9 (1994) 541-569
[42] MS Ying, Logika fuzzy orde pertama (I), di: Proc. IEEE Int. 16 Sympo-
sium on Multiple-Valued Logic, Virginia, 1986, hlm. 242-247

[43] MS Ying, Pendekatan On Zadeh untuk menafsirkan proposisi yang

dikuantifikasi secara linguistik, dalam: Proc. IEEE Int. 18 Simposium
tentang Logika Berharga Ganda,
Palma de Marlloca, 1988, hlm.248-254

[44] MS Ying, Teorema deduksi untuk inferensi bernilai banyak, Zeitschrift fur
Mathematische Logik und Grundlagen der Mathematik, 37 (1991)

[45] MS Ying, Teorema fundamental ultraproduct dalam logika Pavelka,

Zeitschrift fur Mathematische Logik und Grundlagen der Mathematik, 38
(1992) 197-201

[46] MS Ying, Kekompakan, properti Lowenheim-Sklom dan produk langsung

dari kisi nilai kebenaran, Zeitschrift fur Mathematische Logik und
Grundlagen der Mathematik, 38 (1992) 521-524

[47] MS Ying, Logika untuk perkiraan penalaran, The Journal of Symbolic

Logic, 59 (1994) 830-837

[48] MS Ying, Perturbation of fuzzy reasoning, IEEE Transactions on Fuzzy

Systems, 7 (1999) 625-529

[49] MS Ying, Operator implikasi dalam logika fuzzy, Transaksi IEEE pada
Sistem Fuzzy, 10 (2002) 88-91

[50] MS Ying, Model komputasi formal dengan kata-kata, IEEE Transactions

on Fuzzy Systems, 10 (2002) 640-652

[51] MS Ying dan B.Bouchon-Meunier, Quantifier, modifier and qualifier in

fuzzy logic, Journal of Applied Non-Classical Logics, 7 (1997) 335-342

[52] MS Ying dan B.Bouchon-Meunier, Perkiraan penalaran dengan pengubah

linguistik, International Journal of Intelligent Systems, 13 (1998)

[53] LA Zadeh, Kumpulan Fuzzy, Informasi dan Kontrol, 8 (1965) 338-353

[54] LA Zadeh, Pengukuran probabilitas peristiwa fuzzy, Jurnal Analisis dan

Aplikasi Matematika, 23 (1968) 421-427

[55] LA Zadeh, PRUF - bahasa representasi makna untuk bahasa alami,

Jurnal Internasional Studi Manusia-Mesin, 10 (1978) 395-460

[56] LA Zadeh, Pendekatan komputasi untuk pengukur fuzzy dalam bahasa

alami, Komputer dan Matematika dengan Aplikasi, 9 (1983) 149-184

[57] LA Zadeh, logika Fuzzy = komputasi dengan kata-kata, Transaksi IEEE

pada Sistem Fuzzy, 4 (1996) 103-111
[58] R. Zwick, E. Carlstein dan DV Budescu, Pengukuran kesamaan di antara
konsep-konsep fuzzy: Analisis komparatif, International Journal of
Approxi- mate Reasoning, 1 (1987) 221-242