F模式识别2.docVIP

2．手写文字的识别 （1）方格矩阵法 ①将字母写在标准的长方形内，并将长方形均匀分成7×5个小方格。 ②按每个小方格中线条出现的清晰程度给予适当的隶属度 得模糊关系矩阵为： 标准模式（矩阵）。 ③模糊向量表示（模糊集合） ④按择近原则进行识别 设有两个文字向量： 计算数值 （不是贴近度或者说新的贴近度，用来衡量与的接近程度是有效的） 假设电脑收到文字向量 计算： 选出数值最大的，即最接近的并判为相应的字母（数字）。 实验结果：在噪声达到的情况下，正确识别率大于90%。 （2）B.N.Chatterji的手写英文字母识别方法。 将标准字母写入正方形方格内，并测出字母的8个特征值： ② 正规化：，则 ， ， 给定一个待识别的字母“” 计算贴近度： ，并按择近原则进行识别。 ④结果 B.N.Chatterji在TDP316上运行，正确识别率达96%。 五、隶属函数确定的若干方法 （一）模糊统计方法 1．二相模糊统计 （1）随机性与模糊性的差别 考虑两个问题： “偶点数” “中年” 试验：得4点 A可能发生， 可能覆盖 可能不发生 或不覆盖 （2）张南纶：武汉建材学院，129人，结果见 概率统计、模糊统计都是用确定性手段研究不确定性。 二相F统计中二相指的是每次试验确定两个普通集合： 或说确定了一个映射： 等于是两个相反的模糊概念在论域X中进行“竞选”的统计。 易知，二相F统计确定的隶属函数满足： 2．多相模糊统计 给定 如果每一次试验的结果都能确定一个映射 称这样的试验为对的相F统计试验，称集合为相集。 （每次试验就是对X的一次m相划分） 例如，｛老，中，青｝是三相，｛东，南，西，北｝是四相，｛金，木，水，火，土｝是五相等等，都是多相集。 m相F统计确定的隶属函数满足： 3．三分法 用随机区间的思想来解决模糊试验模型。 设 单位是米 ={矮个子，中等个子，高个子} 每次模糊试验确定一对数 ：矮个子与中等个子的分界点 ：中等个子与高个子的分界点 反之，给定，则可以确定一个映射： 求出的概率分布就可以确定三相隶属函数为： 式中，分别是与的边缘分布密度函数。 若 则： （二）推理（直观加推理） 前面三角形识别问题中，等腰三角形，直角三角形等隶属函数的确定就属于这种方法。 （三）专家给定（多个专家） 如：体操比赛、花样滑冰比赛等 评分过程就是隶属函数确定过程。？ （四）二元对比排序 1．择优排序 例1 用什么颜色乒乓球最好？ ={红色，橙色，黄色，绿色，蓝色} 抽取500人，每个人被试20次 前提：两两比较可以确定。 红 橙 黄 绿 蓝 1 2 3 4 5 1 2 1 3 5 2 4 8 6 3 5 10 9 7 4 结果表： 总次数：10000 红 橙 黄 绿 蓝 % 顺序 红 430 205 865 750 22.50 2 橙 23.77 1 黄 17.82 4 绿 20.85 3 蓝 15.06 5 2．优先关系定序法 问题：设有需要排序（两两可比） （1）以表示与相比较的优越成分，满足： ① ② （2）矩阵称为优矩阵 （3）取得截割矩阵 ， （4）从1 0，若首次出现，它的第行元素除对角线元素之外全等于1，则为第一批优越对象。 （5）去掉第一批优越对象，重复这一过程，直到所有元素都排序为止。 （若仅取0,1，即赢：1；输：0 按大小排序即是二元对比方法） 例2 设 1列 2列 2〈1 3〈2 3〉1 循环 不管用 对其它元素的优越成分一致地超过了0.3，因此，排第一。 除去，得优先关系矩阵 优于，所以最终得： （五）初步给定，“学习”“自适应” （六）F分布 实数R上F集的隶属函数称为F分布。 常见的模糊分布见 如：半梯形分布与梯形分布 ①偏小型 ②偏大型 中间型 练习：P 1,3,6,8,9,12 18