第3章模糊4-7.pptVIP

直角三角形R 的隶属函数为 R(x) = 1 - 非典型三角形T, 有: T = (E∪I∪R)c = E c ∩ I c ∩R c 考察一个具体的三角形 u1 =(63○, 59○, 58○), 计算它对四个的F 集的隶属度，得 E(u1) = 0.9722， I (u1）= 0.9833， R(u1) = 0.7， T(u1) = E c(u1)∧I c (u1) ∧Rc (u1) = 0.0167。 按照隶属原则，应把 u1 判定为近似于等腰三角形。 再考察另一个具体的三角形 u2 =(91○, 45○, 44○), 计算出 E(u2) = 0.7389, I (u2) = 0.9833, R (u2) = 0.9889, T(u2) = E c(u2)∧I c (u2) ∧R c(u2) = 0.0111。 按照隶属原则，应把 u2 判定为近似于直角三角形。由于 I (u2) ≈ R (u2) 所以也可把 u2 判定为近似等腰三角形。 三. 择近原则 择近原则 设A(i), B∈F(U), i =1,2,…,n。若存在 i ，使 N(A(i), B) = max{ N(A(1) , B), N( A(2) , B), … , N(A(n) , B)} 则认为 B 与 A(i) 最贴近, 即判 B 与A(i)为一类, 该原则称为 择近原则。 例3 点阵文字的识别。 点阵文字是拉丁字母及阿拉伯数字的一种表示法。所 谓点阵文字就是将每个字母和数字等分成 m×n 个小方 格，然后在每个小方格中或者填上全黑色，或者空成全 白色. 例如上图中，前者是字母H，后者是数字6。这里我们将每个字符等分成 7×5 = 35 个小方格。约定把暗色小方格记作 1 ，白色小方格记作 0 ，并按照先从左到右，后从上到下的次序把 35 个小方格排成行向量，于是 H =（10001 10001 10001 11111 10001 10001 10001） ? 6 =(11110 10000 10000 11111 10001 10001 11111) 这些向量是标准的,每个小方格或者全黑,或者全白,所以把这样的向量叫做标准向量。 然而，实际上由于打印时着色不均匀以及可能产生的污点，会使实际的点阵文字变成非标准的，通过传感器所获得的信息就不会和标准向量一致。 使用电脑识别点阵文字时，通常总是把 37 个标准向量置于内存中，这些标准向量包括 26 个字母 A, B,…,Z，10 个数字0,1,…,9 和 1 个空白符号Φ。对于每个待识别的点阵文字,则通过光电输入接受每个小方格的信息,由于打印的缺陷,这些信息不一定为 0 或 1 ,往往介于 0,1 之间。我们把打印缺陷等偶然因素叫做噪声。我们要解决的问题是消除噪声干扰，获得正确的识别结果。 以下是P·P·Wang等人曾经用过的方法。设 ? =(?1,?2,…,?35)， ?i∈[0,1]， 为待识别的点阵文字向量， ， ∈[0,1]， j = 1,2, ···,37 为标准向量。 计算数值 N (A(j), ? ) = (6.2) 再取最大者，比如 N (A(4), ?)最大，则可认为 ? =A(4)。 其中（6.2）式也是一种计算贴近度的公式, 它虽然不满足贴近度的 全部要求,但用作贴近度的近似公式还是有效的。实验结果为：在噪 声达到31.43% 的情况下,正确识别率大于 90% 。 §3.7 模糊关系 1.??? 普通关系 定义1 给定集合 A 和 B，笛卡尔积 A×B 的子集 R 称为 A 到B 的关系，简称为关系。若R 为关系，当 (a,b)∈R 时, 称 a,b 适合关系 R, 记作 aRb；否则称 a,b 不适合关系 R, 记作 a b。 A 到 A 的关系也称为A上关系。 例如，设A为某校全体学生的集合，R 为 A 上同班 关系，若 R ={(张,王),(王,张),…,(张,李)}， 则表示张与王同班，张与李同班。