9-10-模糊模型识别 最大隶属原则 内积外积解析.pptVIP

显然E（A，B，C）满足约束条件（1），由约束条件（2），得 易验证 满足约束条件（3）。所以E的隶属函数为 建立等腰三角形I的隶属函数 I（A，B，C）应满足下列约束条件 而且在一个三角形内如果有两个角之差越小，则越像等腰三角形。因此，把I的隶属函数定义为 由约束条件（2），得 易验证 满足约束条件（3），于是，I的隶属函数为 等腰直角三角形IR的隶属函数 任意三角形T的隶属函数 待识别的三角形 分别计算隶属度，得 按最大隶属原则，三角形 相对隶属于直角三角形。 四 阀值原则 设论域 上有 个模糊子集 即（ 个模型），构成了一个标准模型库，任一 取定水平 在例2.中，若取水平 ， 则按阀值原则， 相对隶属 ， 即相对隶属于等腰直角三角形。 若取水平 ，由 ， 可认为 相对隶属于R，即相对隶属于直角三角形。 §3.3 内积与外积 一 有限论域上模糊向量的内积与外积 （有限论域上的 F集可以表示为F向量的形式） 定义1 设 则称 为向量的内积； 为向量的外积。 例1 设 0.3 0.2 ◆内积与外积的性质 （在区间[0，1]定义“余”运算 ： ） 性质1 性质2 性质3 二 任意论域U上的F集的内积和外积 把模糊向量的内积和外积推广到任意论域U上，有 定义1 注：内积与外积的简单性质对无限论U上的模糊集也成立。 现列在下面，其证明留作练习。 ◆ 内积与外积的性质 性质1 性质2 性质3 可见，在论域U有限时，模糊集的内（外）积与模糊向量的内（外）积是一致的。 本节讨论的是第二类模糊识别问题。设论域 上有m个模糊子集 （m个模型），构成了标准模型库。被识别的对象B也是一个模糊子集，B与 中的哪一个最贴近？这就是一个模糊集对标准模糊集的识别问题。因此，这里涉及到两个模糊集的贴近程度问题。 三 贴近度 由性质发现，给定F集A，让F集B靠近A，会使内积 增大，而外积 减少。换句话说，当 较大且 较小时，A与B比较贴近。 所以，我们采取内积与外积相结合的格贴近度来刻画两个F集的贴近程度。 可见，当 越大（从而 越大， 越小）时， 越贴近。 有了格贴近度定义后，就容易计算例1中的格贴近度。 例1中 ◆格贴近度的性质 由例3可以看出，当A，B都有完全属于自己和完全不属于自己的元素时，格贴近度 是一个比较公正客观的度量，这也是格贴近度的性质2和性质3所体现的。 贴近度描述了模糊集之间彼此贴近的程度，使我国学者汪培庄教授首先提出来的。实际上，由于所研究问题的性质不同，还有其他的贴近度定义。 比如：设A，B是论域U上的模糊集，则称 为A与B的贴近度。 在图3-1中所表示的两个模糊集A,B交点的纵坐标（隶属度 ）越大时，则A与B越靠近；而内积 正是表现了F集A与B交点的纵坐标（隶属度）。 由模糊集的内积与外积的性质可知，单独使用内积或外积还不能完全刻画两个模糊集A，B之间的贴近程度。现在从直观上进一步说明这一点。 在图3-2中所表示的两个模糊集A,B交点的纵坐标（隶属度 ）越小时，则A与B越靠近；而外积 正好表现了这一点 综上所述，内积越大，模糊集越靠近；外积越小，模糊集也越靠近。因此人们就用两者相结合的“格贴近度”来刻画两个模糊集的贴近程度。 第三章 模糊模型识别 主要内容： §3.1 模式识别的基本概念 §3.2 最大隶属原则 §3.3 内积与外积 一 模糊向量的内积与外积 二 格贴近度