云模型：
云是用语言值描述某个定性概念与其数值表示的不确定性转换的模型。简单地说，云模型是定性定量间转换的不确定性模型。该模型用期望Ex，熵En，超熵He三个数值来表示，把模糊性和随机性完全集成到一起，构成定性和定量间的映射，作为表示的基础。
期望值Ex是概念在论域中的中心值；熵En是定性概念模糊度的度量，反映了在论域中可被这个概念所接受的数值范围熵越大，概念所接受的数值范围也越大，概念越模糊。超熵He是熵的不确定性度量，即熵的熵，由熵的随机性和模糊性共同决定。超熵He反映了云滴的离散程度，超熵越大，离散度越大，隶属度的随机性越大。
设U是一个用精确数值表示的论域（一维的、二维的或多维的），U上对应着定性概念?，对于论域中的任意一个元素x，都存在一个有稳定倾向的随机数y=μA(x)，叫作x对概念?的确定度，x在U上的分布称为云模型，简称为云。云由许许多多个云滴组成，一个云滴是定性概念在数量上的一次实现，单个云滴可能无足轻重，在不同的时刻产生的云的细节可能不尽相同，但云的整体形状反映了定性概念的基本特征。云的“厚度”是不均匀的，腰部最分散，“厚度”最大，而顶部和底部汇聚性好，“厚度”小。云的“厚度”反映了确定度的随机性的大小，靠近概念中心或远离概念中心处，确定度的随机性较小，而离概念中心不近不远的位置确定度的随机性大，这与人的主观感受相一致。
云的数字特征用期望Ex、熵En和超熵He来表征，它们反映了定性概念?整体上的定量特征。
期望Ex：是概念在论域中的中心值，在数域空间最能够代表定性概念?的点，即这个概念量化的最典型样本点，通常是云重心对应的x值，它应该百分之百地隶属于这个定性概念。Ex反映了相应的定性知识的信息中心值。
熵En：熵反映定性概念?的不确定性。一方面，熵反映了在数域空间可以被语言值?接受的云滴群的范围的大小，即模糊度，是定性概念亦此亦彼性的度量；另一方面，熵还反映了代表定性概念的云滴出现的随机性；此外，熵还揭示了模糊性和随机
性的关联性。熵可以用来代表一个定性概念的粒度。通常，熵越大，概念越宏观，模糊性和随机性也越大，确定性量化越难。
超熵He：超熵是熵的不确定性的度量，即熵的熵，反映了云滴的离散程度。超熵越大，云滴离散度越大，确定度的随机性越大，云的“厚度”也越大。
正态云是一种很典型的云模型，被应用于多种现实的模拟，十分具有代表性，因此，一下着重介绍一下与模型的建立方法。
正态云模型既不是一个确定的概率密度函数，也不是一条明晰的隶属函数曲线，而是由两次串接的正态发生器[5]生成的许多云滴组成的、一对多的泛正态数学映射图像，是一朵可伸缩、无确定边沿、有弹性的云图，完成定性和定量之间的相互映射。正态云模型的期望曲线是一个正态型曲线。当正态云模型概念对应的论域为一维时，定性定量的不确定性转换通过正态云发生器算法实现。具体算法如下：
输入：表示定性概念?的3个数字特征值Ex，En，He，云滴数N。
输出：N个云滴的定量值，以及每个云滴代表概念?的确定度。
Step1：生成以En为期望值，He为标准差的一个正态随机数E′n；
Step2：生成以Ex为期望值，abs（E′n）为标准差的正态随机数x；
Step3：令x为定性概念?的一次具体量化值，称为云滴；
Step4：计算y=exp(-(x-Ex)2/2(E′n)2)；
Step5：令y为x属于定性概念?的确定度；
Step6：{x，y}完整地反映了这一次定性定量转换的全部内容；
Step7：重复Step1~Step6，直到产生N个云滴。
用该算法生成的云自然地具有不均匀厚度的特性，云的腰部、顶部、底部等并不需要精确地定义，三个数字特征值足以很好地描述整个云的形态。
云模型的应用相当广泛，下面仅就其在军事中的一个应用做一描述。在《基于正态云模型的方法求解目标可能位置域》这篇论文当中，作者利用云模型模拟目标可能出现的位置，通过一系列计算，确定一个区域，从而为鱼雷发射提供数据支持。
潜艇使用导弹攻击对方水面舰艇已经成为越来越重要的作战方式。由于潜艇对隐蔽性的要求，攻击前很难实时获得友方兵力的目标指示通报，因此需要根据此前某一时刻通报的目标位置、速度、航向推测出当前的目标可能位置。
模型中已知的前提条件：1．发现目标时刻；2．时刻目标概略中心位置和误差分布椭圆的方向、半轴和；3．时刻目标速度V、航向H及其标准偏差，。模型运行的目的是求出时刻T时的目标概略中心位置(，)以及误差分布椭圆的方向、半轴和。
确定目标可能位置域模型的建模思路：按模型中的前提条件，产生M个时刻目标随机位置点；对这M个点中的任一个点，按照目标速度、航向误差分别取N1、N2个随机速度、航向，在时刻T时产生N1×N2个随机位置点。这样最终产生M×N1×N2个随机位置点。最后对M×N1×N2个随机位置点进行数据分析得T时刻的目标位置概率椭圆。该椭圆就是鱼雷发射的目标区域。
云南白癜风医院如何根治白癜风