模糊分类是分类学中的一个观点。

给定类域U上的一个模糊集合F是指：对于任意的x属于U，确定了一个数uF(x),uF(x)属于[0,1]，其中uF(x)为x对F的隶属度函数。当uF(x)属于{0,1}时，F退化为普通集合。隶属函数uF(x)＞0，则x就是模糊集合的一个元素，由于隶属度不同它们对外界的作用也不同，而x则既可以归属于F，也可以归属于F的补集。

模糊集合中也定义了类似于普通集合的各种运算（如：相等、包含、交、并、余、差集等）以及各种运算的性质，可以用来操作和使用模糊集合。模糊集合的核心是隶属度函数的确定，隶属度函数对模糊集合的应用效果有很大的影响。确定隶属度函数的过程与实际应用背景有很大关联性，没有通用的方法。

uF(u.)=lim(u.属于F*的次数)/n，式中F*——与模糊集合相联系的普通集合，此方法类似于投票选举

对类域U中的元素xi按照某种特性在两两对比中建立比较值，然后在相对比较值的基础上通过某些计算方法确定总体隶属度。