第四讲 模糊模式识别演示文稿.PPTVIP

* * * * 这些关系矩阵叫做标准矩阵。使用电脑识别文字时，通常先把 37 个文字（包括： 26 个字母A,B,...,Z;10个数字0,1,2,...,9; 1个空白对应的标准矩阵置于内存中，将待识别的文字表示成 7X5 阶模糊矩阵作为输入，通过光电输入接受每个小方格的信息．由于打印时着色不均匀及可能产生的污点，因而使得通过传感器所获得的信息不一定清晰，即不一定为 0或1，往往介于0----l 之间，与标准矩阵不一定一致，为了得到正确的识别结果,P.P.Wang等人采用下面方法。先把模糊矩阵化为模糊向量，矩阵的第i行放在向量的第i个分量上，例如字母 H 对应的向量为 H=(10001 10001 10001 11111 10001 10001 10001) * * * * (二)模糊方位转换技术 所谓方位，就是先把待识别的文字固定在一个方框框内，框框的位置不能倒置，然后确定各方向的编码如图3-5所示。图3-5共有八个方向，分别用0,1,2,3,4,5,6,7表示之。现给定一数327，则可将它分解为图3-6的形式。 * * 从而，获得如下三个号码串向量: 3=(3 2 2 7 7 1 1 0 7 7 6 6 5); 2=(3 2 2 1 7 7 7 7 7 7 0 0 2 2 2); 7=(3 2 2 2 7 7 7 7 7 7 7). 显然,沿着给定文字的方向，与给定的八个方向不完全一致。例如, 327这三个数字中的方向7彼此都不相同.所以,所示的方向都是模糊的,可以用Fj集来表示. 取论域U=[-22.5,337.5]是角度区间,那么八个方向0,1,2,3,4,5, 6,7就是U上的F集，它们的隶属函数规定为： * * * * 为了识别手写数字，我们先把 10 个数字0,1,2,...,9的各个字的F方向,用隶属度给定,叫做号码串F 向量,再存贮到计算机中去作为标准向量.将待识别的字的号码串F向量输入计算机中与标准向量比较,按择近原则,就可辨识是什么字了. * * 第四讲 贴近度与模式识别 什么是模糊模式识别 模式(pattern): 供模仿用的标本 模式识别: 判定给定的事物与哪个标本相同或相近 声音识别 文字识别 图象识别 景物识别等 模糊模式识别: 标本或待识别的事物具有模糊性时，利用模糊数学方法处理模式识别问题 问题： * * OUTLINE 一、F集的贴近度 二、F模式识别原则 三、几何图形识别 四、手写文字识别 * * 一、F集的贴近度 贴近度是用以表示两个模糊集接近程度的数量指标,其定义如下: 定义: 映射 N: F(U)?F(U)?[0,1]称为F(U)上的贴近度,如果满足: N(A,A)=1 N(A,B)=N(B,A) A?B?C ? N(A,C)?N(A,B) ? N(B,C) * * 常见的贴近度公式 * * 2. 测度贴近度 * * 3. 格贴近度 内外积性质： 性质1 性质2 证明： 性质3 证明： 同理 类似可得: 性质4 证明： 解释: * * 例1: 某农作物在A地生长很好,现准备把它移植到B地或C地,问B、C两地哪个最适宜？ 已知: 论域X={x1,x2,x3},其中,x1气温；x2湿度；x3土壤。根据评定得到三个模糊集 A=(0.8,0.4,0.6);B=(0.9,0.6,0.3);C=(0.6,0.4,0.5) 计算： N1(A,B)=0.80; N1(A,C)=0.90 或者 N2(A,B)=0.78; N2(A,C)=0.87 从而C地最适宜。 * * 例2: 设有四本书A1,A2,A3,A4,考虑它们的以下特性：x1科学性；x2逻辑性；x3思想性；x4可读性；x5表述明确性。设论域X={x1,x2,x3,x4,x5}, A1=(1,0.8,0.8,0.7,0.6);A2=(0.7,0.9,0.7,0.7,0.5); A3=(0.6,0.8,0,0.5,0.6);A4=(0.7,0.9,1,0.6,0.6)。 现要在四本书中找出一本,使之比较符合要求： B=(0.9,0.8,0.7,0.7,0.5). 计算： N1(A1,B) =0.94；N1(A2,B) =0.94 ; N1(A3,B) =0.74 ; N1(A4,B) =.84 或者 N2(A1,B)=0.92；N2(A2,B)=0.90 ; N2(A3,B)=0.65 ; N2(A4,B)=0.82 从而，A1最符合要求 * * 例3: 企业的经营管理状况可以由以下指标反映: u1:生产;u2:销售; u3:材料; u4: 存储; u5: 运输. 因此, 企业状况可以表示为U={