数学建模第三章模糊规划学.doc

§2-2 贴近度与模式识别的间接方法 一、贴近度 表示两个模糊集接近程度的数量指标，称为贴近度，其严格的数学定义如下： 定义1 设映射 : 满足下列条件： (1) ， (2) ， (3) 若满足 有 则称映射为上的贴近度，称为与的贴近度。 贴近度的具体形式较多，以下介绍几种常见的贴近度公式 （1） Hamming 贴近度 或 （2）Euclid贴近度 或 （3）格贴近度 定义7 映射 ⊙，（或=⊙） 称为格贴近度，称为与格贴近度。其中， (称为与的内积) ⊙ (称为与的外积) 若，则 ⊙ 值得注意的是，这里的格贴近度是通过定义来规定的，事实上，格贴近度不满足定义1中(1)，即，但是，当时，格贴近度满足定义1的(1)-(3)。另外格贴近度的计算很方便，且用于表示相同类型模糊度的贴近度比较有效，所以在实际应用中也常选用格贴近度来反映模糊集接近程度。 还有许多贴近度，这里不在一一介绍。 贴近度主要用于模糊识别等具体问题，以上介绍的贴近度表示式各有优劣，具体应用时，应根据问题的实际情况，选用合适的贴近度。 二、模式识别的间接方法——择近原则 在模式识别问题中，各标准类型（模式）一般是某个论域上的模糊集，用模式识别的直接方法（最大隶属度原则、阈值原则）解决问题时，其识别对象是论域中的元素。另有一类识别问题，其识别对象也是上的模糊集，这类问题可以用下面的择近原则来识别判决。 择近原则：已知个标准类型、、…、，为待识别的对象，上的贴近度，若 则认为与最贴近，判定属于一类。 例5 岩石类型识别 岩石按抗压强度可以分成五个标准类型：很差（）、差（）、较好（）、好（）、很好（）。它们都是上的模糊集，其隶属函数如下（图2-1） 0 200 400 600 900 1100 1800 2000 图 2-1 今有某种岩体，经实测得出其抗压强度为上的模糊集，隶属函数为（图2-3）。 图 2-3 试问岩体应属于哪一类。 计算与的格贴近度，得： 按择近原则，应属于类，即属于“较好”类（类）的岩石。 例6 小麦亲本识别 在小麦杂交育种过程中，亲本选择是关键。现有五种类型的小麦亲本，它们是： ：早熟型，：矮杆型，：大粒型， ：高肥丰产型，：中肥丰产型。 判断小麦亲本类型的主要依据是以下五种性状特征： ：抽穗期，：株高，：有效穗数， ：主穗粒数，：百粒重。 第种类型亲本的第个特征，是模糊集，这些模糊集除（早熟型的抽穗期）与（矮杆型的株高）外，其余都是中间型的正态分布模糊集。为简单计，将正态分布函数展开，取前两项作它的近似值，则有 于是的隶属函数可表示为： 而，的隶属函数取为偏小值型： 为确定隶属函数中的参数值，在熟知的标准类型中，每类型选出个新本为样本，分别计算各样本的第个特征的均值及方差，取 以上参数值见表（2-1） 表 2-1 亲本 参数 性状 早熟 矮杆 大粒 高肥丰产 中肥丰产 抽穗期 - 6.7 1.1 5.5 9.6 1.0 5.8 11.9 1.2 5.2 11.3 0.9 5.1 8.9 1.2 株高 67.1 87.7 50.0 - 70.0 72.4 67.9 90.9 52.2 67.9 81.2 35.9 76.5 84.6 57.5 有效穗数 9.1 11.2 18.1 8.3 18.2 10.8 9.4 13.2 15.6 9.8 13.2 11.3 7.2 13.2 5.8 主穗粒数 40.2 55.0 92.0 37.5 52.5 80.7 44.2 54.5 21.2 41.2 51.0 13.3 37.6 48.3 93.9 百粒重 3.0 4.4 0.3 2.4 3.4 0.3 4.0 6.0 0.3 3.6 4.2 0.3 3.3 4.0 0.2 现有一待识对象，它的第个特征是中间型正态分布模糊集，隶属函数可近似表示为： 。 式中参数值见表（2-2） 表 2-2 特性 参数 抽穗期 株高 有效穗数 主穗粒数 百粒重 8.5 85.6 6.2 36.2 3.43 1.5 4 1.9 70 0.28 计算识别对象的第个特征与第种标准类型对应特征的格贴近度并定义第种标准类型与识别对象的贴近度为： 计算结果列于表（2-3） 表 2-3 早熟（） 矮杆（） 大粒（） 高肥（） 中肥（） (，)