1112择近原则模糊模型识别的应用.ppt

即 其中 为统计平均值, 为方差.它们的数据 由表1给出.现有一株油菜苗,其4个性状为： 先计算待识别的油菜苗 对标准模型的隶属度，也就是计算一个普通 向量对模糊向量集合族 的隶属度. 对健壮苗型 的隶属度为 瘦弱苗 因 素 健壮苗 瘦弱苗 徒长苗 待别 别油 菜苗 绿叶数 6 0.2 4 0.2 5 0.9 5 苗高 6 0.2 4 0.4 9 0.4 9.1 胚茎长 1.8 0.5 2.5 0.4 3 0.1 3.1 胚茎粗 0.6 0.3 0.4 0.7 0.5 0.9 0.4 表1 现分别计算如下:因为 ＞0.45,由 的表达式知 ,类似地, ,因为 ＜ 0.55, 所以,由 ,得 所以: 完全类似地, 对瘦弱型苗 隶属度为: 对徒长苗型 的隶属度为 : 按最大隶属原则,待识别的一株油菜苗 属于徒长苗型 . 二 贴近度与择近原则在模糊识别中的应用 例 择近原则在害虫管理中的应用. 在§2.5中曾用模糊聚类法给出亚洲玉米 螟的测报记录,现在在原有模糊聚类法的基础 上,应用贴近度的概念和择近原则,作出对亚洲 螟的测报. (1)设论域 利用模糊聚类,将26个样本分为4 类: Ⅱ(危害较重年份)= Ⅲ(危害重年份)= Ⅳ(危害严重年份)= (2) 4类构成标准模型库 ,其中 :危害轻; :危害较重; :危害重; :危害 严重. 第Ⅰ类中的 是此类中20个元素的第 个 指标的平均数 ;第Ⅱ,Ⅲ,Ⅳ类中的 分别是Ⅱ,Ⅲ,Ⅳ类中两个元素的第 个指标的平 均数 .与待识别的样本 相应的8个指 标(1987年数据)一并列在表2中. 为了便于计算贴近度,将表中的数据标准化, 即作变换 将数据压缩到[0,1]上,变成表3所示 (仍为 ). 分 类 指标 Ⅰ 28.69 4.875 4.977 13.55 156.57 2.86 19.53 5.09 Ⅱ 29.25 4.2 5.625 18 91.3 2.7 19.85 3.65 Ⅲ 28.25 3 4.885 18 124.6 2.55 16.5 7.75 Ⅳ 28.5 2.9 5.380 15 148.85 3.35 23.1 5.35 1987观 测数据 28.2 6.4 4.753 17 154.7 1.9 3.620 5 表2 模 型 指 标 0.1680 0.0131 0.0138 0.0695 1 0 0.1085 0.0145 0.2908 0.0164 0.0320 0.1676 1 0 0.1878 0.0104 0.2106 0.0004 0.0191 0.1266 1 0 0.1143 0.0426 0.1754 0 0.1170 0.0829 1 0.0003 0.1384 0.0168 待识别 0.1721 0.0295 0.0187 0.0988 1 0 0.0113 0.0203 表3 采用贴近度公式 计算得到 按择近原则,被识别的样本 属于 类,即1987 年为玉米螟危害轻年份,这与第2章§2.5中用 模糊聚类法做的结果一致.