3模糊识别.ppt

第三讲 模糊识别 1、模糊识别的原理与方法 当我们在拥挤的公共汽车上，或者在熙熙攘攘的商店里，一旦遇见一个衣冠楚楚，两眼四处漂游，心神不定的人，使立即想到，这个人可能是个小托手，自然就提防这种人。 这是因为我们把扒手的模式存贮在记忆里，我们把所遇到的人与扒手的模式进行比较，显然，最接近扒手模式的极有可能就是扒手——这就是模糊模式识别。 在这个过程中，必须首先建立模式，也就是学习的过程。主要有四种方法建立模式： ① 根据模式识别对象，提炼其最具特征的模糊模式。 ② 根据现有的规范、标准，建立模式。 ③ 聚类分析方法，建立若干个模式。 ④ 利用层次分析法，建立模式。 模糊识别的原理 若设已建立的模式为 B为待识别的模式，通常使用以下方法。 ① 最大隶属度原则 当B是某个特定的对象时，计算 则必存在p，使1≤ p ≤ k，及 =max{ } 这时，B为模式 。这种方法即为最大隶属度原则。 ② 择近原则 当 多个指标组成的模糊集时， 则考虑 与 最接近的模式 ，则 为模式 。即近朱者赤，近墨者黑。 在考察与 最接近的 ，我们直观地想到 与 中每个模糊集的“距离”，与 的“距离” 最小者，就应该是 。 那么，什么是两个模糊集的“距离”？我们借助于平面解析几何中两点的距离公式，即平面上的两点(x1,y1)与(x2,y2)，它们之间的距离为 设 仿照平面上两点之间的距离，则 ， 与 之间的距离 可定义如下。 欧式距离： 绝对值距离： 又称为汉明(Hamming)距离。 显然，当r=1时，闵可夫斯基距离，就是绝对值距离；当r=2时，闵可夫斯基距离，是欧式距离。 另外，绝对值距离在手工计算中，要比闵可夫斯基距离和欧氏距离简单，但在进一步分析中，不如欧氏距离。 在模糊模式识别中，以上三种距离都是等效的，在具体问题中，以简洁为依据，不要虚张声势卖弄。 r 0 闵可夫斯基距离： 在实际应用中，在确定模糊集时，某些指标(论域中的某些元素)具有特殊意义，可用加权距离，即 加权欧式距离： 加权绝对值距离： 特别注意，以上三种距离与加权距离在模糊模式识别中并不等效。 在加权距离中，qi被称为权系数，通常限定0≤qi≤1，且q1+q2+…+qn=1；事实上，只要限定qi≥0即可，作这种限定，与前者的限定在模糊模式识别中是等效的。 r 0 加权闵可夫斯基距离： 2 应用最大隶属度原则进行模式识别实例 在医学检验中，用机器识别染色体或白血球分类，实质上是几何图形的识别。以三角形为例，对一个三角形，需判别它是否近似直角(等腰、等边、直角等腰、一般)三角形。必需首先建立这五种三角形的模式。 为此，设三角形的三内角按从大到小为? , ? , ? 。 , , , , 分别为近似为直角(等腰、等边、 直角等腰、一般)三角形的模糊集。它们的隶属函数分别为 近似直角? 近似等腰? 近似等边? 近似等腰直角? 一般? 对于三内角为75?， 65?， 40?的?，识别该? 。 因 所以，该三角形属于等腰三角形模式。 3 应用择近原则进行模式识别实例 下表是我国五个湖泊的水质监测数据，对这五个湖泊水质的污染程度给出评价。 指标 湖泊 总磷 mg/L 耗氧量 mg/L 透明度 m 总氮 mg/L 杭州西湖 130 10.3 0.35 2.76 武汉东湖 105 10.7 0.4 2 青海湖 20 1.4 4.5 0.22 巢湖 30 6.26 0.25 1.67 滇池 20 10.13 0.5 0.23 为解决所提出的问题，首要任务是检索湖泊水质评价标准，建立模糊模式。检索结果如下。 水质指标 水质等级 极贫营养 贫营养 中营养 富营养 极富营养 1 2 3 4 5 总磷/(mg/1) 1 4 23 110 660 耗氧量/(mg/1) 0.09 0.36 1.80 7.10 27.10 透明度/m 37 12 2.4 0.55 0.17 总氮/(mg/1) 0.02 0.06 0.31 1.20 4.60 对湖泊水质评价标准进行无纲量(即无单位)标定(即各个等级标准值转化为数字)，建立模糊模式。 选定极富营养的标准值为比较对象。对于总磷，用1/660乘各个等级的标准值，由于分子与分母有相同的单位，故其结果为纯数字，且其值大者，对应实际是污染严重；类似地，耗氧量与总氮指标用相同的方式处理。 但透明度，因为大者表明实际污染较小，所以用极富营养的标准值与各个等级的标准值的倒数相乘进行标定。 建立模糊模式为 模式 模式 模式 模式 模式 总磷 0.001515 0.006061 0.034848 0.166667 1 耗氧量 0.00332