模式识别(第12章2010).ppt

第十二章 模糊模式识别方法;12.2 模糊集的基本知识;uA(x)取值：[0，1]; 空间X中， 的样本集合称为模糊集 A的支持集S(A),支持集中的元素称作A的元素。;例1．5个学生，其中男生3人，女生2人。A1、A2分别表示男女生集合，则;例2． 有1、2、3、4、5五个数，用模糊集表示“大的数”和“小的数”，适当选取隶属度，则有;用模糊集表示更合理，更接近日常理解; （模糊集的不确定性是人脑对客观事物的一种主观反映，人的心理过程就是其隶属函数形成的基本过程。）;可采用常见的模糊分布： 矩形分布、?分布、正态分布、梯形分布、三角分布等;3）根据统计特性得到的经验曲线： 应用较广泛的方法;隶属函数： ;A的补：;12.2 模糊特征和模糊分类 ;例：将[-4，＋4]间的连续变化量转化为模糊量： 正大、正小，零、负小、负大;当读入精确量3.2时，可归入最近的离散值3，则有;特征模糊化：;可选用图12.4的函数表示隶属函数;缺点：特征维数增加 体重(1维)?轻、中、重（3维）;二、结果的模糊化 ;例：针对某一区域;优点：;模糊分类的三个主要步骤：;3、确定归属准则进行分类识别;12.5 模糊聚类方法;定义准则函数：;利用拉格朗日乘子法，求Jf 的极值，得：;4、比较更新前后的准则函数，以确定更新是否保持。 若Jf变化较大，重复3、4的过程，直到Jf不变为止。; 当算法收敛后，得到各类的聚类中心和样本属于各类的隶属度值，完成了模糊聚类划分。即每个样本以一定的隶属度属于各个类别。;——所有样本对各类的隶属度总和为n;计算 的公式不变，而 计算式则为;其中：Ai表示一个模糊样本类wi;3）阈值原则：规定一个阈值??[0,1] ，作为停止条件;解释图12.5;解释图12.6;12.4 特征的模糊评价 ——如何评价所得到的特征;其中n是集合A中，uA(x)0的点的个数，即支持点数目。;例：若采用广义汉明距离（k＝1）;(2)熵（模糊度）;当 时， r(A)和H(A)为最大值(等于1)，模糊程度最大;（1）利用?形隶属函数计算的模糊度和熵类似于类内离散度度量。