数据处理(模糊学).pptVIP

模糊集的运算 X={1,2,3,4,5,6,7,8} 三、 隶属函数的确定 1. 模糊统计方法 常用的隶属函数有Z函数（偏小型）、∏函数（中间型）、S函数（偏大型）. 偏小型一般适合于描述像“小，少，浅，淡，青年”等偏小程度的模糊现象。 偏大型一般适合于描述像“大，多，深，浓，老年”等偏大程度的模糊现象。 中间型一般适合于描述像“中，适中，不太多，不太浓，暖和，中年”等处于中间状态的模糊现象。 第二章 模糊聚类分析 模型识别的原理 茶叶等级识别 假设茶叶分为I，II，III，IV，V种，请识别A为哪一种。U={条索、色泽、净度、汤色、香气、滋味} 指标数如下： I=（0.5，0.4，0.3，0.6，0.5，0.4） II=（0.3，0.2，0.2，0.1，0.2，0.2） III=（0.2，0.2，0.2，0.1，0.1，0.2） IV=（ 0， 0.1，0.2，0.1，0.1，0.1） V=（ 0， 0.1，0.1，0.1，0.1，0.1） 待识别茶叶指标数： 利用 计算贴近度得 计算的MATLAB程序如下： a=[0.5 0.4 0.3 0.6 0.5 0.4 0.3 0.2 0.2 0.1 0.2 0.2 0.2 0.2 0.2 0.1 0.1 0.2 0 0.1 0.2 0.1 0.1 0.1 0 0.1 0.1 0.1 0.1 0.1]; b=[0.4 0.2 0.1 0.4 0.5 0.6]; for i=1:5 x=[a(i,:);b]; t(i)=min([max(min(x)) 1-min(max(x))]); end t 一、 模糊集中意见决策 若uj在第i 种意见vi中排第k位，设第k位的权重为ak，则令Bi(uj)= ak(n – k )，称 模型识别 已知某类事物的若干标准模型，现有这类事物中的一个具体对象，问把它归到哪一模型，这就是模型识别. 模型识别在实际问题中是普遍存在的.例如，学生到野外采集到一个植物标本，要识别它属于哪一纲哪一目；投递员(或分拣机)在分拣信件时要识别邮政编码等等，这些都是模型识别. 模糊模型识别 所谓模糊模型识别,是指在模型识别中,模型是模糊的.也就是说,标准模型库中提供的模型是模糊的. 为了能识别待判断的对象x = (x1, x2,…, xn)T是属于已知类A1, A2,…, Am中的哪一类？ 事先必须要有一个一般规则, 一旦知道了x的值, 便能根据这个规则立即作出判断, 称这样的一个规则为判别规则. 判别规则往往通过的某个函数来表达, 我们把它称为判别函数, 记作W(i; x). 一旦知道了判别函数并确定了判别规则，最好将已知类别的对象代入检验，这一过程称为回代检验，以便检验你的判别函数和判别规则是否正确. 一、最大隶属原则 最大隶属原则Ⅰ： 最大隶属原则Ⅱ： 按最大隶属原则， 该人属于老年。 解： 二、择近原则 1、贴近度 表示两个模糊集A，B之间的贴近程度。 ⊙C = ⊙C = 故B比A更贴近于Ｃ. ， ， 由此可得 A 为 I 型茶叶 2、择近原则 应用:用模糊贴近度法评价土壤重金属污染程度 对于数值越小越好的指标,采取如下隶属函数: 对于数值越大越好的指标,采取如下隶属函数: 1.0000 1.0000 1.0000 1.0000 1.0000 0.0000 0.0000 0.9828 0.0000 0.9724 0.0000 0 0.7945 0 0.8797 0 0 0.1945 0 0.3994 0 0 0.0292 0 0.1377 土壤重金属污染等级标准转化为隶属度: 0.0000 0 1.0000 1.0000 0.9616 1.0000 0.0000 0.9920 1.0000 0.9966 1.0000 0.0000 0.9881 1.0000 0.9992 样品中各重金属含量转化为隶属度: 采用最小平均贴近度得 样品一与各污染等级间的贴近度: 0.7440 0.7909 0.7223 0.3341 0.1067 样品二与各污染等级