模糊集




模糊集是模糊数学上的一个基本概念，是数学上普通集合的扩展。




目录






  • 1 定义


  • 2 表示


  • 3 和传统集合的关系


    • 3.1 截集与截积


    • 3.2 分解定理与表现定理




  • 4 模糊度


    • 4.1 模糊測度(Fuzzy measures)


    • 4.2 模糊量測(measures of fuzziness)




  • 5 模糊集的运算


    • 5.1 各种算子


    • 5.2 算子的性质




  • 6 模糊集之间的距离


    • 6.1 使用度量理论


    • 6.2 贴近度




  • 7 參見


  • 8 參考文獻





定义


给定一个论域U{displaystyle U}U ，那么从U{displaystyle U}U到单位区间[0,1]{displaystyle [0,1]}[0,1]的一个映射
μA:U↦[0,1]{displaystyle mu _{A}:Umapsto [0,1]}mu _{{A}}:Umapsto [0,1]
称为U{displaystyle U}U上的一个模糊集，或U{displaystyle U}U的一个模糊子集，
[1]



表示


模糊集可以记为A{displaystyle A}A。映射（函数）μA(⋅){displaystyle mu _{A}(cdot )}{displaystyle mu _{A}(cdot )}或简记为A(⋅){displaystyle A(cdot )}A(cdot )叫做模糊集A{displaystyle A}A的隶属函数。
对于每个x∈U{displaystyle xin U}xin U， μA(x){displaystyle mu _{A}(x)}{displaystyle mu _{A}(x)}叫做元素x{displaystyle x}x对模糊集A{displaystyle A}A的隶属度。


模糊集的常用表示法有下述几种：



  1. 解析法，也即给出隶属函数的具体表达式。

  2. Zadeh记法，例如A=1x1+0.5x2+0.72x3+0x4{displaystyle A={1 over x_{1}}+{0.5 over x_{2}}+{0.72 over x_{3}}+{0 over x_{4}}}A={1 over x_{1}}+{0.5 over x_{2}}+{0.72 over x_{3}}+{0 over x_{4}}。分母是论域中的元素，分子是该元素对应的隶属度。有时候，若隶属度为0，该项可以忽略不写。

  3. 序偶法，例如A={(x1,1),(x2,0.5),(x3,0.72),(x4,0)}{displaystyle A={(x_{1},1),(x_{2},0.5),(x_{3},0.72),(x_{4},0)}}A={(x_{1},1),(x_{2},0.5),(x_{3},0.72),(x_{4},0)}，序偶对的前者是论域中的元素，后者是该元素对应的隶属度。

  4. 向量法，在有限论域的场合，给论域中元素规定一个表达的顺序，那么可以将上述序偶法简写为隶属度的向量式，如A=(1,0.5,0.72,0){displaystyle A=(1,0.5,0.72,0)}{displaystyle A=(1,0.5,0.72,0)}。



和传统集合的关系


和傳統的集合一樣，模糊集也有它的元素，但可以談論每個元素屬於該模糊集的程度，其從低至高一般用 0 到 1 之間的數來表示。模糊集理論是由盧菲特·澤德（1965）所引進的，是經典集合論的一種推廣[2]。在經典的集合論中，所謂的二分條件規定每個元素只能屬於或不屬於某個集合（因此模糊集不是集合）；可以說，每個元素對每個集合的歸屬性（membership）都只能是 0 或 1。而每模糊集則擁有一個歸屬函數（membership function），其值允許取閉區間[0,1]{displaystyle [0,1]}[0,1]（單位區間）中的任何實數，用來表示元素對該集的歸屬程度。比如設某模糊集A{displaystyle A}A的歸屬函數為m{displaystyle m}m ，而a{displaystyle a}a、b{displaystyle b}b、c{displaystyle c}c為三個元素；如果M(a)=1{displaystyle M(a)=1}{displaystyle M(a)=1}，M(b)=0{displaystyle M(b)=0}{displaystyle M(b)=0}，M(c)=12{displaystyle M(c)={frac {1}{2}}}{displaystyle M(c)={frac {1}{2}}}，則可以說 「a{displaystyle a}a完全屬於A{displaystyle A}A」，「b{displaystyle b}b完全不屬於A{displaystyle A}A」，「c{displaystyle c}c對A{displaystyle A}A的歸屬度為12{displaystyle {frac {1}{2}}}{frac {1}{2}}」（注意没有說「c{displaystyle c}c有一半屬於A{displaystyle A}A」，因為尚未規定12{displaystyle {frac {1}{2}}}{frac {1}{2}}的歸屬度具有甚麼特殊含義）。作為特例，當歸屬函數的值只能取 0 或 1 時，就得到了傳統集合論常用的指示函数（indicator function）[3]。傳統集合在模糊集理論中通常稱作「明確集」（crisp set）。



截集与截积


设 A∈F(U){displaystyle Ain {mathcal {F}}(U)}Ain {mathcal {F}}(U)，任取 λ∈[0,1]{displaystyle lambda in [0,1]}lambda in [0,1]，则



Aλ={u∈U∣A(u)≥λ}{displaystyle A_{lambda }={uin Umid A(u)geq lambda }}A_{lambda }={uin Umid A(u)geq lambda }，


称Aλ{displaystyle A_{lambda }}{displaystyle A_{lambda }}为A{displaystyle A}A的λ{displaystyle lambda }lambda 截集，而λ{displaystyle lambda }lambda 称为阈值或置信水平。将上式中的≥{displaystyle geq }geq替换为>{displaystyle >}>，记为ASλ{displaystyle A_{Slambda }}{displaystyle A_{Slambda }}，称为强截集。


截集和强截集都是经典集合。此外，显然A1{displaystyle A_{1}}A_{1}为A{displaystyle A}A的核，即ker⁡A{displaystyle ker A}{displaystyle ker A}；如果ker⁡A≠∅{displaystyle ker Aneq varnothing }{displaystyle ker Aneq varnothing }，则称A{displaystyle A}A为正规模糊集，否则称为非正规模糊集。


截积是数与模糊集的积：

设λ∈[0,1]{displaystyle lambda in [0,1]}{displaystyle lambda in [0,1]}，A∈F(U){displaystyle Ain F(U)}{displaystyle Ain F(U)}，则∀u∈U{displaystyle forall uin U}{displaystyle forall uin U}，λ{displaystyle lambda }lambda 与A{displaystyle A}A的截积（或称为λ{displaystyle lambda }lambda 截集的数乘，记为λA{displaystyle lambda A}{displaystyle lambda A}）定义为：


(λA)(u)=λ∧A(u)={A(u),λ≥A(u),λ,λ<A(u).{displaystyle (lambda A)(u)=lambda wedge A(u)={begin{cases}A(u),&lambda geq A(u),\lambda ,&lambda <A(u).end{cases}}}(lambda A)(u)=lambda wedge A(u)={begin{cases}A(u),&lambda geq A(u),\lambda ,&lambda <A(u).end{cases}}

根据定义，截积仍是U{displaystyle U}U上的模糊集合。



分解定理与表现定理


分解定理：

设A∈F(U){displaystyle Ain F(U)}{displaystyle Ain F(U)}，则



A=⋃λ∈[0,1]λAλ{displaystyle A=bigcup limits _{lambda in [0,1]}lambda A_{lambda }}A=bigcup limits _{{lambda in [0,1]}}lambda A_{lambda }


即任一模糊集A{displaystyle A}A都可以表达为一族简单模糊集{λaλ}{displaystyle left{lambda a_{lambda }right}}{displaystyle left{lambda a_{lambda }right}}的并。也即，一个模糊集可以由其自身分解出的集合套而“拼成”。


表现定理：

设H{displaystyle H}H为U{displaystyle U}U上的任何一个集合套，则



A=⋃λ∈[0,1]λH(λ){displaystyle A=bigcup limits _{lambda in [0,1]}lambda H(lambda )}A=bigcup limits _{{lambda in [0,1]}}lambda H(lambda )


是U{displaystyle U}U上的一个模糊集，且∀λ∈[0,1]{displaystyle forall lambda in [0,1]}{displaystyle forall lambda in [0,1]}，有

（1）ASλ=∪α>λH(α){displaystyle A_{Slambda }=cup _{alpha >lambda }H(alpha )}{displaystyle A_{Slambda }=cup _{alpha >lambda }H(alpha )}

（2）Aλ=∩α<λH(α){displaystyle A_{lambda }=cap _{alpha <lambda }H(alpha )}{displaystyle A_{lambda }=cap _{alpha <lambda }H(alpha )}

即任一集合套都能拼成一个模糊集。



模糊度


一个模糊集A{displaystyle A}A的模糊度衡量、反映了 A 的模糊程度，一个直观的定义是这样的：


设映射D:F(U)→[0,1]{displaystyle D:F(U)rightarrow [0,1]}{displaystyle D:F(U)rightarrow [0,1]}满足下述5条性质：



  1. 清晰性：D(A)=0{displaystyle D(A)=0}{displaystyle D(A)=0}当且仅当A∈P(U){displaystyle Ain P(U)}{displaystyle Ain P(U)}。（经典集的模糊度恒为0。）

  2. 模糊性：D(A)=1{displaystyle D(A)=1}{displaystyle D(A)=1}当且仅当∀u∈U{displaystyle forall uin U}{displaystyle forall uin U}有A(u)=0.5{displaystyle A(u)=0.5}{displaystyle A(u)=0.5}。（隶属度都为0.5的模糊集最模糊。）

  3. 单调性：∀u∈U{displaystyle forall uin U}{displaystyle forall uin U}，若A(u)≤B(u)≤0.5{displaystyle A(u)leq B(u)leq 0.5}{displaystyle A(u)leq B(u)leq 0.5}，或者A(u)≥B(u)≥0.5{displaystyle A(u)geq B(u)geq 0.5}{displaystyle A(u)geq B(u)geq 0.5}，则D(A)≤D(B){displaystyle D(A)leq D(B)}{displaystyle D(A)leq D(B)}。

  4. 对称性：∀A∈F(U){displaystyle forall Ain F(U)}{displaystyle forall Ain F(U)}，有D(Ac)=D(A){displaystyle D(A^{c})=D(A)}{displaystyle D(A^{c})=D(A)}。（补集的模糊度相等。）

  5. 可加性：D(A∪B)+D(A∩B)=D(A)+D(B){displaystyle D(Acup B)+D(Acap B)=D(A)+D(B)}{displaystyle D(Acup B)+D(Acap B)=D(A)+D(B)}。


则称D{displaystyle D}D是定义在F(U){displaystyle F(U)}{displaystyle F(U)}上的模糊度函数，而D(A){displaystyle D(A)}D(A)为模糊集A{displaystyle A}A的模糊度。


可以证明符合上述定义的模糊度是存在的[4]，一个常用的公式（分别针对有限和无限论域）就是
Dp(A)=2n1/p(∑i=1n|A(ui)−A0.5(ui)|p)1/pD(A)=∫−∞+∞|A(u)−A0.5(u)|du{displaystyle {begin{aligned}D_{p}(A)&={frac {2}{n^{1/p}}}left(sum limits _{i=1}^{n}left|A(u_{i})-A_{0.5}(u_{i})right|^{p}right)^{1/p}\D(A)&=int _{-infty }^{+infty }|A(u)-A_{0.5}(u)|{mbox{d}}uend{aligned}}}{begin{aligned}D_{p}(A)&={frac {2}{n^{{1/p}}}}left(sum limits _{{i=1}}^{n}left|A(u_{i})-A_{{0.5}}(u_{i})right|^{p}right)^{{1/p}}\D(A)&=int _{{-infty }}^{{+infty }}|A(u)-A_{{0.5}}(u)|{mbox{d}}uend{aligned}}

其中p>0{displaystyle p>0}p>0是参数，称为 Minkowski 模糊度。特别地，当p=1{displaystyle p=1}p=1的时候称为 Hamming 模糊度或 Kaufmann 模糊指标，当p=2{displaystyle p=2}p=2的时候称为 Euclid 模糊度。



模糊測度(Fuzzy measures)


B{displaystyle {mathfrak {B}}}{mathfrak {B}}是輿集X{displaystyle mathrm {X} }{mathrm {X}}的一種。


用g{displaystyle g}g函數定義B{displaystyle {mathfrak {B}}}{mathfrak {B}}，包含下列3項特性稱為模糊測度:


①g(0)=0,g(X)=1{displaystyle g(0)=0,g(mathrm {X} )=1}g(0)=0,g({mathrm {X}})=1


---g{displaystyle g}g函數代0值，表示沒有值為空值，用數學0來表示。g{displaystyle g}g函數代X{displaystyle X}X表示輿集全部帶進去了塞滿了，用1表示塞滿。


②若A,B∈B{displaystyle A,Bin {mathfrak {B}}}{displaystyle A,Bin {mathfrak {B}}}和A⊆B{displaystyle Asubseteq B}{displaystyle Asubseteq B}, 則g(A)≤g(B){displaystyle g(A)leq g(B)}{displaystyle g(A)leq g(B)}.


---A,B{displaystyle A,B}A,B是屬於B{displaystyle {mathfrak {B}}}{mathfrak {B}}的一部分，A{displaystyle A}A在B{displaystyle B}B裡面也可能跟B{displaystyle B}B一樣大，則g(A)≤g(B){displaystyle g(A)leq g(B)}{displaystyle g(A)leq g(B)}


③If An{displaystyle A_{n}}A_{{n}}∈B{displaystyle {mathfrak {B}}}{mathfrak {B}}, A1{displaystyle A_{1}}A_{1}⊆A2{displaystyle A_{2}}A_{2}⊆…,then limn→∞g(An)=g(limn→∞An){displaystyle lim _{nto infty }g(A_{n})=g(lim _{nto infty }A_{n})}lim _{{nto infty }}g(A_{n})=g(lim _{{nto infty }}A_{n})


---當An{displaystyle A_{n}}A_{{n}}屬於B{displaystyle {mathfrak {B}}}{mathfrak {B}}同時A1{displaystyle A_{1}}A_{1}包含於A2⊆…{displaystyle A_{2}subseteq ldots }{displaystyle A_{2}subseteq ldots }，則將An{displaystyle A_{n}}A_{n}代入g{displaystyle g}g函數趨小所得的值等同於先趨小An{displaystyle A_{n}}A_{n}再代入g{displaystyle g}g函數所求得的值。



模糊量測(measures of fuzziness)



模糊集的运算



各种算子


  • Zadeh 算子，max{displaystyle max }{displaystyle max }即为并，min{displaystyle min }min 即为交

a∨b=max{a,b}a∧b=min{a,b}{displaystyle {begin{aligned}avee b&=max{a,b}\awedge b&=min{a,b}end{aligned}}}{begin{aligned}avee b&=max{a,b}\awedge b&=min{a,b}end{aligned}}


  • 代数算子（概率和、代数积）

a+∧b=a+b−aba⋅b=ab{displaystyle {begin{aligned}a{stackrel {wedge }{+}}b&=a+b-ab\acdot b&=abend{aligned}}}{begin{aligned}a{stackrel {wedge }{+}}b&=a+b-ab\acdot b&=abend{aligned}}


  • 有界算子

a⊕b=min{1,a+b}a⊙b=max{0,a+b−1}{displaystyle {begin{aligned}aoplus b&=min{1,a+b}\aodot b&=max{0,a+b-1}end{aligned}}}{begin{aligned}aoplus b&=min{1,a+b}\aodot b&=max{0,a+b-1}end{aligned}}


  • Einstein 算子

aϵ+b=a+b1+abaϵ⋅b=ab1+(1−a)(1−b){displaystyle {begin{aligned}a{stackrel {+}{epsilon }}b&={frac {a+b}{1+ab}}\a{stackrel {cdot }{epsilon }}b&={frac {ab}{1+(1-a)(1-b)}}end{aligned}}}{begin{aligned}a{stackrel {+}{epsilon }}b&={frac {a+b}{1+ab}}\a{stackrel {cdot }{epsilon }}b&={frac {ab}{1+(1-a)(1-b)}}end{aligned}}


  • Hamacher 算子，其中ν∈[0,+∞){displaystyle nu in [0,+infty )}{displaystyle nu in [0,+infty )}是参数，等于1时转化为代数算子，等于2时转化为 Einstein 算子

aν+b=a+b−ab−(1−ν)abν+(1−ν)(1−ab)aν⋅b=abν+(1−ν)(a+b−ab){displaystyle {begin{aligned}a{stackrel {+}{nu }}b&={frac {a+b-ab-(1-nu )ab}{nu +(1-nu )(1-ab)}}\a{stackrel {cdot }{nu }}b&={frac {ab}{nu +(1-nu )(a+b-ab)}}end{aligned}}}{begin{aligned}a{stackrel {+}{nu }}b&={frac {a+b-ab-(1-nu )ab}{nu +(1-nu )(1-ab)}}\a{stackrel {cdot }{nu }}b&={frac {ab}{nu +(1-nu )(a+b-ab)}}end{aligned}}


  • Yager 算子，其中p{displaystyle p}p是参数，等于1时转化为有界算子，趋于无穷时转化为 Zadeh 算子

aYpb=min{1,(ap+bp)1/p}aypb=1−min{1,[(1−a)p+(1−b)p]1/p}{displaystyle {begin{aligned}a;Y_{p};b&=min{1,(a^{p}+b^{p})^{1/p}}\a;y_{p};b&=1-min{1,[(1-a)^{p}+(1-b)^{p}]^{1/p}}end{aligned}}}{begin{aligned}a;Y_{p};b&=min{1,(a^{p}+b^{p})^{{1/p}}}\a;y_{p};b&=1-min{1,[(1-a)^{p}+(1-b)^{p}]^{{1/p}}}end{aligned}}



  • λ−γ{displaystyle lambda -gamma }{displaystyle lambda -gamma }算子，其中λ,γ∈[0,1]{displaystyle lambda ,gamma in [0,1]}{displaystyle lambda ,gamma in [0,1]}是参数

aλb=λab+(1−λ)(a+b−ab)aγb=(ab)1−γ(a−ab)γ{displaystyle {begin{aligned}a;lambda ;b&=lambda ab+(1-lambda )(a+b-ab)\a;gamma ;b&=(ab)^{1-gamma }(a-ab)^{gamma }end{aligned}}}{begin{aligned}a;lambda ;b&=lambda ab+(1-lambda )(a+b-ab)\a;gamma ;b&=(ab)^{{1-gamma }}(a-ab)^{gamma }end{aligned}}


  • Dobois-Prade 算子，其中λ∈[0,1]{displaystyle lambda in [0,1]}lambda in [0,1]是参数

a∨db=a+b−ab−min{(1−λ),a,b}max{λ,1−a,1−b}a∧db=abmax{λ,a,b}{displaystyle {begin{aligned}avee _{d}b&={frac {a+b-ab-min{(1-lambda ),a,b}}{max{lambda ,1-a,1-b}}}\awedge _{d}b&={frac {ab}{max{lambda ,a,b}}}end{aligned}}}{begin{aligned}avee _{d}b&={frac {a+b-ab-min{(1-lambda ),a,b}}{max{lambda ,1-a,1-b}}}\awedge _{d}b&={frac {ab}{max{lambda ,a,b}}}end{aligned}}



算子的性质


参见集合代数和布尔代数。


主要算子的性质对比表如下（.表示不满足，-表示未验证）：























































算子 结合律 交换律 分配律 互补律 同一律 幂等律 支配律 吸收律 双重否定律 德·摩根律
Zedah
 √ √ √ . √ √ √ √ √ √
代数
 √ √ . . √ . √ . - √
有界
 √ √ . √ √ . √ √ - √

线性补偿是指：
(∀x,y,k∈[0,1])(x+k∧y−k ⇒ U(x+k,y−k)=U(x,y)){displaystyle (forall x,y,kin [0,1])(x+kwedge y-k Rightarrow U(x+k,y-k)=U(x,y))}(forall x,y,kin [0,1])(x+kwedge y-k Rightarrow U(x+k,y-k)=U(x,y))[5]



































































算子的并运算 幂等律 排中律 分配律 结合律 线性补偿
Zadeh
 √ . √ √ .
代数
 . . . √ .
有界
 . √ . . √
Hamacher r = 0
 . . . √ .
Yager
 . . . √ .
Hamacher
 . . . √ .
Dobois-Prade
 . . . √ .


模糊集之间的距离



使用度量理论


可以使用一般的度量理论来描述模糊集之间的距离。在这个意义上，我们需要在模糊幂集F(U){displaystyle F(U)}{displaystyle F(U)}上建立一个度量，此外，我们还可能需要将此度量标准化，也即映射到[0,1]{displaystyle [0,1]}[0,1]区间上。例如可以这样来标准化 Minkowski 距离：


d~(x,y)=(1n∑i=1n|xi−yi|p)1p{displaystyle {tilde {d}}(x,y)=left({1 over n}sum limits _{i=1}^{n}left|x_{i}-y_{i}right|^{p}right)^{1 over p}}{tilde {d}}(x,y)=left({1 over n}sum limits _{{i=1}}^{n}left|x_{i}-y_{i}right|^{p}right)^{{1 over p}}


贴近度


主条目：贴近度

另一种是使用贴近度概念。在某种意义上，贴近度就是 1 - 距离（这里的距离是上述标准化意义上的距离）。而之所以应用这个变换，是考虑到“度”的概念的直觉反映——距离越近，贴近的程度显然越“高”，因此它恰为距离的反数。


除了距离外，还有一些与模糊集的特殊操作有关系的贴近度定义。


  • 最大最小贴近度

σ(A,B)=∑i=1n(A(ui)∧B(ui))∑i=1n(A(ui)∨B(ui)){displaystyle displaystyle sigma (A,B)={frac {sum _{i=1}^{n}(A(u_{i})wedge B(u_{i}))}{sum _{i=1}^{n}(A(u_{i})vee B(u_{i}))}}}displaystyle sigma (A,B)={frac {sum _{{i=1}}^{{n}}(A(u_{i})wedge B(u_{i}))}{sum _{{i=1}}^{{n}}(A(u_{i})vee B(u_{i}))}}

  • 算术平均最小贴近度

σ(A,B)=∑i=1n(A(ui)∧B(ui))12∑i=1n(A(ui)+B(ui)){displaystyle displaystyle sigma (A,B)={frac {sum _{i=1}^{n}(A(u_{i})wedge B(u_{i}))}{{1 over 2}sum _{i=1}^{n}(A(u_{i})+B(u_{i}))}}}displaystyle sigma (A,B)={frac {sum _{{i=1}}^{{n}}(A(u_{i})wedge B(u_{i}))}{{1 over 2}sum _{{i=1}}^{{n}}(A(u_{i})+B(u_{i}))}}

  • 几何平均最小贴近度

σ(A,B)=∑i=1n(A(ui)∧B(ui))∑i=1nA(ui)⋅B(ui){displaystyle displaystyle sigma (A,B)={frac {sum _{i=1}^{n}(A(u_{i})wedge B(u_{i}))}{sum _{i=1}^{n}{sqrt {A(u_{i})cdot B(u_{i})}}}}}displaystyle sigma (A,B)={frac {sum _{{i=1}}^{{n}}(A(u_{i})wedge B(u_{i}))}{sum _{{i=1}}^{{n}}{sqrt {A(u_{i})cdot B(u_{i})}}}}

  • 指数贴近度

σ(A,B)=1e‖A−B‖{displaystyle displaystyle sigma (A,B)={frac {1}{e^{|A-B|}}}}displaystyle sigma (A,B)={frac {1}{e^{{|A-B|}}}}


參見


  • 粗糙集


參考文獻





  1. ^ 要注意，严格地说，模糊集或子集是映射所确定的序对集，但由于模糊子集完全由其隶属函数所确定，因而我们不区分映射和映射所确定的序对集，而总是直接把模糊子集定义为一个满足上述定义的映射。


  2. ^ L. A. Zadeh (1965) "Fuzzy sets" 互联网档案馆的存檔，存档日期2007-11-27.. Information and Control 8 (3) 338–353.


  3. ^ D. Dubois and H. Prade (1988) Fuzzy Sets and Systems. Academic Press, New York.


  4. ^ 陈水利等，模糊集理论及其应用，科学出版社，2005年，第20页。


  5. ^ Etienne E. Kerre 等，模糊集理论与近似推理，武汉大学出版社，2004年，第103页。












































Comments

Post a Comment

Popular posts from this blog

Information security

Image
This article is part of a series on Information security Related security categories Internet security Cyberwarfare Computer security Mobile security Network security Threats Computer crime Vulnerability Eavesdropping Malware Spyware Ransomware Trojans Viruses Worms Rootkits Bootkits Keyloggers Screen scrapers Exploits Backdoors Logic bombs Payloads Denial of service Defenses Computer access control Application security Antivirus software Secure coding Secure by default Secure by design Secure operating systems Authentication Multi-factor authentication Authorization Data-centric security Encryption Firewall Intrusion detection system Mobile secure gateway Runtime application self-protection (RASP) v t e Information security , sometimes shortened to InfoSec , is the practice of preventing unauthorized access, use, disclosure, disruption, modification, inspection, recording or destruction of information. Th...
Read more

Lambak Kiri

Image
For Lambak Kiri public housing area, see Lambak Kiri Landless Indigenous Citizens' Housing Scheme. Village in Brunei-Muara, Brunei Lambak Kiri Village Location in Brunei Coordinates: 4°59′26″N 114°57′04″E  /  4.990472°N 114.951114°E  / 4.990472; 114.951114 Coordinates: 4°59′26″N 114°57′04″E  /  4.990472°N 114.951114°E  / 4.990472; 114.951114 Country Brunei District Brunei-Muara Mukim Berakas A Government  • Village head Hamdani Omar Postcode BB1214 Lambak Kiri is a populated place in Brunei-Muara District, Brunei. It is officially a village subdivision under Berakas A, a mukim in the district. Lambak Kiri may also refer to the greater area which includes the Lambak Kiri public housing area of the Landless Indigenous Citizens' Housing Scheme (Malay: Skim Tanah Kurnia Rakyat Jati ), although the latter is a separate subdivision. Contents 1 Name 2 Administration 3 See also 4 References Name ...
Read more

章鱼与海女图

Image
本条目 可参照英語維基百科相應條目来扩充 。 （2014/5/25） 若您熟悉来源语言和主题，请协助参考外语维基扩充条目。请勿直接提交机械翻译，也不要翻译不可靠、低品质内容。依版权协议，译文需在编辑摘要注明来源，或于讨论页顶部标记 {{Translated page}} 标签。 本条目 需要擴充。 （2013年8月15日） 请協助改善这篇條目，更進一步的信息可能會在討論頁或扩充请求中找到。请在擴充條目後將此模板移除。 《 章鱼与海女 》（日语： 蛸と海女 ／ たことあま   Tako to ama ）是一幅由日本畫家葛饰北斋创作的浮世绘，出自1814年（文化4年）出版的艳本《喜能会之故真通》（日语： 喜能会之故真通 ／ きのえのこまつ   Kinoe no Komatsu ）。畫中有兩隻章鱼以觸手攻擊一名採珠的海女，並進行擬似戀獸癖的交媾行為。作品尺寸为6½" × 8¾" （16.51 cm × 22.23 cm）。 [1] 在此之前的类似作品还有北尾重政的艳本《謡曲色番組》及勝川春潮的艳本《艳本千夜多女志》等，有被北斋作为参考的可能性。 《章鱼与海女图》有不同英文翻译，一般称The Dream of the Fisherman's Wife，又作Girl Diver and Octopi、Diver and Two Octopi，Richard Douglas Lane称其为 Girl Diver and Octopi [2] ，Mathi Forrer 称其为 Pearl Diver and Two Octopi [3] ，Danielle Talerico 称其为 Diver and Two Octopi 。 [4] 目录 1 作品介绍 1.1 画中对话 1.2 解释 2 评价 3 影响 3.1 模仿作品 4 另见 5 参考来源 6 外部連結 作品介绍 画中对话 原文 译文 大蛸： いつぞハいつぞハとねらいすましてゐたかいがあつて、けふといふけふ、とうとうとらまへたア。てもむつくりとしたいいぼぼだ。いもよりハなをこうぶつだ。サアサア、すつてすつてすいつくして...
Read more