如果能用图形表达出理解来，才算真正的理解了。

A为一个模糊集合，是定义在X-μA(x)上的一条曲线。

X为其定义域；μA(x)为其值域，即隶属函数值。

“模糊”的含义来源：

通常一个精确概念本身，其含义对应于一个常数，是可以取确定的固定数值的。

比如，图中的C概念，我们可以100%地确定，它的含义就对应常数c,

那么，C就是一个精确的概念。

比如X表示年龄的话，c=5,就表示是“一个5岁的年龄”的精确的概念。

而对于模糊的概念，我们找不到一个确定的值可以100%确定地认为，它的含义就只有在这个值上才有。

而是它的含义在很多数值上都有反映，而且，我们对其反映准确性的确定程度多少不一。

象这种，我们不能完全确定一个概念只反映在一个确定的数值上来理解的性质，就是模糊性质。

图中的A就是一个模糊的概念，要理解A，必须在X的范围内的每个值上去找对应A的含义有多少确定性。

比如，我们要定义“年少”的概念，就不能只在一个年龄值上得到理解就够了。

可能要在一系列的年龄数值上来理解，每个数值表示年少的话，有多准确。

比如，从0岁到30岁，如果任取其中的5岁，我们可以100%确定，5岁是“年少”的概念。

但30岁，我们对30岁是年少的概念的确定程度，肯定不如象对5岁的那么多，或许相对只有40%的确定。

这样的话，我们就得到在一系列数值上是否准确表达一个概念的含义的确定程度的曲线，这个曲线，才能完整地表达想要表达的“模糊”概念。

比如，图中X表示年龄的话，假设c=5,要表示“年少”的概念，就需要一条类似B红色的曲线来表达。

而曲线，是点的集合，所以，这个集合，是用来表达一个模糊概念所用的集合，因而叫“模糊集合”。

需要注意的是：模糊集合的隶属度是指我们对一个概念对应在某个确定值上有反映的确定程度的百分比，而不是我们认为在那个值上对应的含义占总含义的百分比。

极端地说，是我们100%肯定这个值就是表达这个含义的可用值，还是100%肯定这个值不是能表达的含义的可用值，和在其他的值上我们能多少确定是否可用来表达目标含义是没有关系的。

因为这种“确定程度多少”实际只是从确定的数值到模糊的含义单向的确定，所以，在一个数值上的隶属度和在其他数值上的隶属度是没有关系的。

不同数值上的隶属度之间，并不构成100%的总占比约束。

提出模糊集合的目的，就是想用这样的办法来“精确”理解“模糊”的概念。

理解了模糊集合，再理解有关模糊集合的其他概念，就不太困难了。