9_模煳模式识别.pdf

模式识别 模式识别 Pattern Recognition Pattern Recognition 吴贵芳 吴贵芳 easyfancy@126.com easyfancy@126.com 9 模糊模式识别方法 9 模糊模式识别方法 1、引言 2、模糊集的基本概念 3、模糊集的简单运算、模糊度与模 糊关系 4、隶属函数的确定 5、模糊模式识别 第一节 引言 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。 模糊性:“ 高矮” 、“胖瘦” 、“ 年青” 、“大胡子” 模糊性的存在需要把模糊数学理论引入模式识 别之中。 精确性与模糊性的对立，是当今科学发展面临 的一个十分突出的矛盾。 过分的精确反而模糊，适当的模糊反而精确。 从随机性中把握广义的因果律— 概率规律； 从模糊性中确定广义的排中律— 隶属规律。 第二节 模糊集的基本概念 一、模糊集的定义 ： 假设论域E={x}（讨论的区间），模糊集A是由 隶属函数μ (x)描述。 A μ (x)是定义在E上在闭区间[0，1]中取值的一 A 个函数，反映x对模糊集的隶属程度。 μ (x)为 A x对A的隶属度。 X μ (x)叫做A的隶属函 A 数。 μ (x)描述了E中的一个模糊子集A。 A 第二节 模糊集的基本概念 当 μ (x) 的值域取{0，1}两个数值时，A便退化为普 A 通集合论中的子集，隶属函数则退化为特征函数。可 见，普通集合是模糊集合的特殊情形，模糊集合是普 通集合的推广。 例：在论域E中确定一个模糊子集A，它表示“ 园 块” 这一模糊概念。（如右图） f a E b E=(a,b,c,d,e, f） e d c μ(a)=1, μ(b)=0.9, μ(c)=0.4, μ(d)=0.2, μ(e)= μ(f)=0 A表示为： ⎛1 0.9 0.4 0.2 0 0 ⎞ A ⎜ , , , , , ⎟ ⎝ a b c d e f ⎠ 扎德(Zadeh)记法： 1 0.9 0.4 0.2 0 0 A + + + + + a