模式识别导论本(六).pptVIP

可根据具体问题的特点，同时试用几种建立隶属函数的方法分别建立隶属函数，然后选择一个更加合适的作为隶属函数 隶属函数建立后，还可以在使用中根据实际情况进行某些调整 对于清晰的情况，相应的隶属度取值只能是0和1，不能将清晰概念模糊化 模糊概率 现实生活中的大量现象既有模糊性又有随机性。模糊概率是模糊数学与概率结合的产物，分模糊事件的概率、事件的模糊概率和模糊事件的模糊概率。我们仅讨论前两者。 模糊事件及其概率 事件本身是模糊的。如“明天天气很热的概率是多少”，天气很热本身是模糊事件。 定义：设 是随机试验E的样本空间， 上的任一模糊集合称为随机试验E的一个模糊事件 例 已知某批产品中的次品率为1%，先从中取100件。A表示“所取的产品几乎无次品”，B表示“所取产品大约有4个次品”，A和B的定义分别为： 模式识别导论 武汉大学遥感信息工程学院 马洪超 模糊集合理论在 模式识别中的应用 模糊集的基本概念 处于中介过渡状态中的事物，不易区别。人们常说的一些事物之间没有绝对的界限，就是指的那样一些处于中间过渡状态中的事物。 模糊性例子:“高矮”、“胖瘦”、“年青”、“年老”等等 1965年美国加利福尼亚大学L.A. Zadeh.”教授首次发表“Fuzzy Sets”重要论文，奠定了模糊数学的理论基础，目前“模糊数学”已广泛应用在系统工程、生物科学、社会科学等领域中。 概率研究的是事物出现与否的不确定性，而模糊研究的是事物本身的概念是不明确的。 研究和处理模糊性现像的数学，被称之为模糊数学，具体说是模糊集合论。这种数学与普通集合论大相庭径，后者要求一个对像要么属于某一集合，要么不属于，二者必居其一，不能含糊，模糊数学却承认和允许模棱两可，然而它又延用普通集合论的一些概念，仍然研究对象的归属，故它具体表现为模糊集合论 模糊子集 回顾一下普通集合论 。具有某种属性的事物的全体称为集合，集合中的每一成员称为集合的元素 。若用0、1二值表示不属于和属于 ， 表示x属于子集A的情况 称为子集A的特征函数 集合E中不属于子集A 的所有元素又组成一个子集，称为A的补集，记为 集合A和集合B的所有元素可以组成一个新的集合，称为A和B的并集 集合A和集合B中的所有公共元素也可以组成一个新的集合，称为A和B的交集 上述0、1二值是某集合特征函数的值，称为隶属度 表示x绝对属于A，即A的特征函数在x处的值为100%，或x对于A的隶属度为100%。特征函数满足下列运算性质： 如果允许隶属度取闭区间[0,1]中一切值，表示隶属程度的变化，则比较合理。这时的集合就不能再作为原来意义上的集合，而是称为模糊集合 设E是一个集合，A是其子集，对任意 用 表示X对A的隶属程度，其值域为闭区间[0，1]。这时A称为E的一个模糊子集。 称为A的隶属函数 的值域取 两个数值时，A便退化为普通集合论中的子集，隶属函数则退化为特征函数 例子1 见教材 对E中每一元素，指定其对于A的隶属度，有 于是，在E中的“正方块”模糊子集A可表示为 也可以采用扎德（Zadeh）的记法 最后一项也可以不写进去 注意，这里并非求和，分母表示一个元素，分子表示其对于A的隶属度 “台”的概念 A的台是E中所有使 的元素的集合 倘设一阈值 ，将 代替上式的零，则得到另一重要概念——模糊集A的 水平截集。 概念是模糊集合到普通集合之间互相转化的一个重要桥梁，而且是一个模糊集合究竟包括哪些元素的一个重要依据。根据这个概念，我们可以对模糊集合进行分解，如A0.9,A0.4,A0.2等 水平截集。 水平截集的三个性质： 由于模糊集是通过隶属函数下定义，关键在于如何确定一个合适的隶属函数，模糊集本身没有一个明确的范围，只有在选择一个确定的值作为水平阈值时，才能得到一个模糊集元素的组成 模糊集的简单运算、模糊度与模糊关系 设A和B是集合E上的两个模糊子集。 分别是A和B的并集、交集及A的补集 对于 它们分别具有如下隶属函数： 模糊集的简单运算 2. 模糊度 为了对一个模糊集A的模糊性进行定量描述，一般采用模糊度D（A）的概念。它的定义是： 称为模糊集A的模糊度，如果它满足下列条件： （1）仅当 只取0和1时， （2）当 D（A）=1； （3）对两个模糊子集，有 说明隶属函数值越靠近0.5，模糊度越大。 现在看看描述模糊度的方法，也就是如何计算一个模糊集的模糊度。设有两个模糊子集A，B，其相对线性距离为 比如对于例3，有 当度量某一个模糊集A的模糊度时，则先定义一个普通集合，它根据A的隶属函数来确定，表示为 将A与 之间的相对线性距离称为A 的线性模糊度：