模糊数学教案03..pptVIP

第一节 模糊模型识别概述 例1. 苹果的分级问题 设论域 X = {若干苹果}。苹果被摘下来后要分级。一般按照苹果的大小、色泽、有无损伤等特征来分级。于是可以将苹果分级的标准模型库规定为 = {Ⅰ级，Ⅱ级，Ⅲ级，Ⅳ级}，显然，模型Ⅰ级，Ⅱ级，Ⅲ级，Ⅳ级是模糊的。当果农拿到一个苹果 x0 后，到底应将它放到哪个等级的筐里，这就是一个元素（点）对标准模糊集的识别问题。 例2. 医生给病人的诊断过程实际上是模糊模型识别过程。设论域 X = {各种疾病的症候} (称为症候群空间) 。各种疾病都有典型的症状，由长期临床积累的经验可得标准模型库 = {心脏病，胃溃疡，感冒，…}，显然，这些模型(疾病)都是模糊的。病人向医生诉说症状(也是模糊的)，由医生将病人的症状与标准模型库的模型作比较后下诊断。这是一个模糊识别过程，也是一个模糊集对标准模糊集的识别问题。 3、模型识别的原理 第二节 最大隶属原则 模糊向量集合族 2、最大隶属原则 例2 细胞染色体形状的模糊识别 例4 大学生体质水平的模糊识别. 因为各种标准体质的身高(Ai1)，体重(Ai2)，胸围(Ai3) ，肺活量(Ai4)均为正态模糊集，相应的隶属函数为 3、阈值原则 例 5 对于例2 之三角形识别问题，若给定 ?1= 0.9，则因R (94, 50, 36) = 0.955?1，所以 ? (94, 50, 36) 可认为属于“近似直角三角形”。 若给定 ?2= 0.7, 则因 I (94, 50, 36) = 0.766?2， R (94, 50, 36) = 0.955?2 ，所以 ? (94, 50, 36) 可认为既属于“近似等腰三角形”又属于“近似直角三角形”。 这就是说在模糊集的识别问题中，有时也不是唯一的，也存在着“亦此亦彼”的情况。 第三节 贴近度 　　表示两个模糊集接近程度的度量，称为贴近度。正如 “距离” 的概念一样，贴近度也有公理化的数学定义。 定义 映射 σ： F (X)?F (X) → [0, 1] (A, B) ? σ (A, B)， 称为贴近度(函数) ，如果它满足条件： ( σ1 ): σ (A, A) =1， σ (?, X) = 0； ( σ2 ): σ (A, B) = σ (B, A)； ( σ3 ): A?B?C?F (X) ?σ(A, C)? σ(A, B) ? σ(B, C)称 σ (A, B) 为 A 与 B 的贴近度。若将 σ1 换为下面的 σ4 ，则称 σ 为 严格贴近度函数， ( σ4): σ (A, B) =1 ? A = B，且 σ (?, X) = 0。 ( σ3’): 设 A，B，C?F (X)，若它们满足 | A(x)－C(x)| ? | A(x)－B(x)| ( ?x? X )， 则有 σ ( A, C )? σ ( A, B)。 用模糊集的内积与外积来表示贴近度 定义 设 A，B ?F (X)，称 为 A 与 B 的内积，称 A⊙B= 为 A 与 B 的外积。 按上述定义可知，模糊集的内积与外积是两个实数。 若 X ={x1, x2, …xn}，记 A(xi) = ai，B(xi) = bi，则 与经典数学中的向量 a = {a1, a2, …an} 与向量 b = {b1, b2, …bn} 的内积 比较，可以看出 A°B 与 a·b 十分相似，只要把经典数学中的内积运算的加 “+” 与乘 “ ? ” 换成逻辑加 “?” 与逻辑乘 “?” 运算，就得到 A°B。 命题 内积与外积运算有以下性质： (1) ( A°B)C=AC ⊙BC，( A ⊙ B)= AC ° BC； (2) A°B ? Ah ? Bh， A ⊙ B ? Ab?Bb； (3) A°A =Ah， A ⊙ A = Ab， A°AC ? ?， A ⊙ AC? ?； (4) λ?[0, 1]，则 (λA)°B= λ ? ( A°B)= A° (λB)； (5) A ? B 则 A°C ? B°C， A ⊙ C ? B ⊙ C 。 例 设 X ={x1, x2, x3, x4, x5, x6}, 则 A ⊙ B 定义 设 A，B?F (X)，称 σL( A，B) = ( A°B) ? ( A ⊙ B)C (1) 或