模糊数学 学习指导书.pptVIP

* 《模糊数学》 第三章 模糊模式识别 第三章 模糊模型识别 已知若干类型，来识别给定对象属于哪一种类型的问题，这就是模型识别问题。 模型识别方法通常采用三种方法：统计方法、语言方法和模糊集方法。 第三种即称模糊模型识别。 本章主要介绍模糊模型识别的两种基本方法——最大隶属原则和择近原则方法。 《模糊数学》 第三章 模糊模式识别 第一节 模糊模型识别简介 第一节 模糊模型识别简介 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. 《模糊数学》 第三章 模糊模式识别 第一节 模糊模型识别简介 模型识别的原理 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. 《模糊数学》 第三章 模糊模式识别 第一节 模糊模型识别简介 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. 例1 苹果分级问题 论域U={若干苹果} 标准模型库={一级、二级、三级、四级} 《模糊数学》 第三章 模糊模式识别 第一节 模糊模型识别简介 例2 三角形识别。在机器自动识别染色体和白血球分类等课题中，常常把问题归结为集合图形的识别。以三角形为例，给一个具体的三角形，要判断它是等腰三角形（I），是直角三角形（R），还是等腰直角三角形（IR ），还是正三角形（E），或者什么也不是，是非典型的三角形（T）。所有这些都不要求绝对精确，取 U={(A,B,C)|A+B+C=180,A?B?C}, 这里A,B,C表示三角形的三个内角，则上述几种类型分别是U上的模糊子集，即模型是模糊的。如模型I的隶属度 ?I(?) = 1-min{A-B,B-C}/60 《模糊数学》 第三章 模糊模式识别 第二节 第一类模糊模型识别 第二节 第一类模糊模型识别 一、模糊向量 【定义1】 《模糊数学》 第三章 模糊模式识别 第二节 第一类模糊模型识别 【定义2】 《模糊数学》 第三章 模糊模式识别 第二节 第一类模糊模型识别 内积与外积有如下的简单性质： 《模糊数学》 第三章 模糊模式识别 第二节 第一类模糊模型识别 《模糊数学》 第三章 模糊模式识别 第二节 第一类模糊模型识别 【定义3】 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). 例如，在小麦育种工作中，提供的早熟、矮杆、大粒等优良品种，实际上是一个模糊集，记A=“早熟品种” ，而描述早熟品种的每个特性也是模糊子集。因此， A(早熟)＝( A1(抽穗期), A2 (株高), A3 (有效穗数) A4 (主穗粒数) ,A5 (百粒重)) 就是一个模糊向量集合族。 《模糊数学》 第三章 模糊模式识别 第二节 第一类模糊模型识别 【定义4】 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(xo) = ∧{A1(x), A2(x) , …, An(x)} 或者 A(xo) = [A1(x)＋A2(x) ＋ …＋ An(x)]/n. 其中xo = (x1, x2