模糊数学第二章模糊模式识别概念.pptVIP

* (3) 中间型 ( ? 型) ：这种类型的隶属函数在(－?，a)上为偏大型，在 (a，+?) 为偏小型，所以称为中间型，随所选函数的形式又可分为: 1）矩形分布 （图3.19） 2）尖 ? 分布 （图3.20） 3）正态分布 （图3.21） 4）柯西分布 （图3.22） 5）梯形分布 （图3.23） 6）岭形分布 （图3.24） * (1) 偏大型（S 型）：这种类型的隶属函数随 x 的增大而增大，随所选函数的形式不同又分为： 1）升半矩形分布（图3.7） 1 0 a x A(x) * 2）升半? 分布（图3.8） 1 0 a x A(x) a+1/k 图 3.8 * 3）升半正态分布（图3.9） 1 0 a x A(x) 图 3.9 * 4）升半柯西分布（图3.10） 1 0 a x A(x) 图 3.10 * 5）升半梯形分布（图3.11） 1 0 a1 x A(x) a2 图 3.11 * 6）升岭形分布（图3.12） 1 0 a1 x A(x) a2 图 3.12 (a1+a2)/2 * (2) 偏小型 (Z 型 )：这种类型的隶属函数随 x 的增大而减小，又可分为： 1）降半矩形分布（图3.13） 0 1 a x A(x) 图 3.13 降半矩形分布 * 2）降半?分布（图 3.14） 0 1 a a+1/k x A(x) 图 3.14 降半?分布 * 3）降半正态分布（图3.15） 0 1 a x A(x) 图 3.15 降半正态分布 * 4）降半柯西分布（图3.16） A(x) 0 1 a x 图3.16 降半柯西分布 * 5）降半梯形分布（图3.17） A(x) 0 1 a1 x a2 * 6）降岭形分布（图3.18） 0 1/2 1 a1 a2 x A(x) * (3) 中间型（? 型）：这种类型的隶属函数在 ( －?，a) 上为偏大型，在 (a, +?) 为偏小型，所以称为中间型，又可分为: 1）矩形分布（图 3.19） 0 1 A(x) a-b a a+b x * 2）尖?分布（图3.20） 0 1 A(x) a-1/k a a+1/k x * 3）正态分布（图 3.21） 0 a x 1 A(x) * 4）柯西分布（图 3.22） 0 a x 1 A(x) * 5）梯形分布（图3.23） 0 1 A(x) a-a1 a a+a2 x a-a2 a+a1 * 6）岭形分布（图 3.24） 0 1 A(x) a1 a2 -a1 -a2 x * 在实际应用中，通常是将上述三种方法结合起来使用的。例如 “年老” 的模糊集 O 的隶属度就参照了 “偏大型” 的 “升半柯西分布”，并在其中令 a＝50，?＝1/25，? =2，而 “年青” 的模糊集 Y 的隶属度参照了 “偏小型” 的 “降半柯西分布”，并在其中令 a＝25，?＝25，? =2。 * 三角模糊集 a- ? a + ? a 1 x A(x) * 2.3 F模式识别 原则 —— 集对集 1. 择近原则Ⅰ 　　已知 n 个标准模型 ( 模糊集 ) ( 模型库 ) : A1，A2，…，An ?F (X)。待识别对象（不是 X 中的元素 x，而）是 X 上的模糊集 B?F (X)，σ 为F (X) 上的贴近度，若对 Ai 有 则认为 B 与 Ai 最贴近，判定 B 属于 Ai 一类。 * 例 一个公司在社会上的声誉是一个模糊概念，它是由多个因素决定的。如公司的 x1：管理水平； x2：员工才能； x3：长期投资价值； x4：财务健全； x5：善用公司资产； x6：产品/服务质量。 * 这样公司在社会上的声誉就可以看作是论域 X ={x1，x2，x3，x4，x5，x6} 上的一个模糊集。 现有 4 个公司的 “声誉” 模型 A1，A2，A3，A4，与其相应的管理模式为 D1，D2，D3，D4，以及待识别的某公司的 “声誉” B。试用择近原则Ⅰ识别 B 的管理模式。 * 指标 类型 x1 x2 x3 x4 x5 x6 管理模式 A1 0.92 0.83 0.88 0.90 0.83 0.90 D1 A2 0.88 0.86 0.85 0.96 0.92 0.90 D2 A3 0.89 0.86 0.86 0.94 0.86 0.88 D3 A4 0.35 0.34 0.32 0.40 0.48 0.40 D4 B 0.91 0.85 0.88 0.90 0.85 0.90 ？ * 假