建模 模糊数学03l.pptVIP

第 3 章模糊模型识别 §3.1模糊模型识别 例1 苹果的分级问题 ，设论域U={若干苹果} 一般按照苹果的大小、色泽、有无损伤等特 征来分级,从而得标准模型库={一级，二级，三级，四级}，其中一级，二级，三级，四级是模糊的.果农拿到一个苹果u0到底放在一级还是二级的筐中,就是元素对标准模糊集的识别问题. 例2 设别问题, 医生给病人的诊断过程实际上就是模糊模型设别过程 二 模型识别的原理 §3.2 最大隶属原则 二 模糊向量集合族 三 最大隶属原则 四 阈值原则 §3.3 择近原则 内积与外积的性质 小麦品种的模糊识别(仅对百粒重进行统计考虑),U={小麦},5个品种标准库 贴近度 ?1(A, B) = (A ° B )∧(1- A⊙B)= 1/2*exp[-((a2-a1)/(?1 + ? 2))^2+1] ?1(A1, B)=1/2*exp[-((3.43-3.7)/(0.3+0.28))^2+1] ≈0.9 ?1(A2, B) ≈0.72, ?1(A3, B) ≈0.5, ?1(A4, B) ≈0.76, ?1(A5, B) ≈0.86 根据择近原理,B归并到A1类。 多个特性的择近原则 贴近度的改进 1989年美国数学建模竞赛题 蠓的分类 两种蠓Af和Apf己由生物学家W.L.Grongan和W.W.Wirth(1981年)根据它们的触角长 度和翼长加以区分(见图) 其中“○”表示Af，“●”表示Apf. 根据给出的触角长度和翼长识别出一只标本是Af还是Apf是重要的。 根据图建立原始数据矩阵X=(xij)15*2,用 绝对值减数法 2000网易杯全国大学生数学建模竞赛题DNA序列分类与模糊识别 * * 一 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 模糊向量的内积与外积 定义1 称向量a = (a1, a2, …, an)是模糊向量, 其中0≤ai≤1. 若ai 只取0或1, 则称a = (a1, a2, …, an)是Boole向量. 定义2 设 a = (a1, a2, …, an), b = (b1, b2, …, bn)都是模糊向量，则定义 内积： a ° b = ∨{(ak∧bk) | 1≤k≤n}； 外积：a⊙b = ∧{(ak∨bk) | 1≤k≤n}. 内积与外积的性质 (a ° b )c = a c⊙b c ; (a⊙b ) c = a c ° b c. 设A1, A2, …, An是论域X上的n个模糊子集,称以模糊集A1, A2, …, An为分量的模糊向量为模糊向量集合族，记为A = (A1, A2, …, An). 若X 上的n个模糊子集A1, A2, …, An的隶属函数分别为A1(x), A2(x) , …, An(x),则定义模糊向量集合族 A = (A1, A2, …, An)的隶属函数为 A(x) = ∧{A1 (x1), A2 (x2) , … , An(xn)} 或者 A(x) = [A1 (x1) + A2 (x2) + … + An(xn)]/n. 其中x = (x1, x2, …, xn)为普通向量. 最大隶属原则Ⅰ 设论域X ={x1, x2, … , xn }上有m个模糊子集A1, A2, … , Am(即m个模型),构成了一个标准模型库,若对任一x0∈X,有k∈{1, 2, … , m },使得 Ak(x0)=∨{A1(x0), A2(x0), … , Am(x0)}， 则认为x0相对隶属于Ak . 最大隶属原则Ⅱ 设论域X上有一个标准模型A,待识别的对象有n个：x1, x2, … , xn∈X, 如果有某个xk满足 A(xk)=∨{A(