模糊数学200-5(模糊识别实例).pptVIP

吉林大学计算机科学与技术学院 模糊数学 第五讲 孙舒杨 Email. sysun@ 内容回顾 贴近度 内积 外积 格贴近度 模糊模式识别 识别对象为论域中一个元素 识别对象为论域的一个模糊集合 模糊模式识别——实例 条形码识别 几何图形识别 手写文字的识别 实例1——条形码识别 条形码 条形码或条码(barcode)是将宽度不等的多个黑条和空白，按照一定的编码规则排列，用以表达一组信息的图形标识符。 /tiaoxingma/book1.htm 数字条形码 10个数字：0,1,2,3,4,5,6,7,8,9 每个数字用5个有序条码表示 3个黑条 2个白条 思考：为什么是5个有序条码且3个黑条2个白条？ 用1表示黑条，用0表示白条 条码表 以数字0为例 数字0： 1 1 1 0 0 黑条 黑条 黑条 白条 白条 把每个条码都分成4段 黑条对应的四段： (1 1 1 1)T 白条对应的四段： (0 0 0 0)T 数字0可以用一个4×5的矩阵来表示 现实情况 现实印刷过程中 喷黑色 导致不同程度的黑色——灰度 不是理想情况下绝对的黑或白 此时，一个数字所对应的4×5矩阵R，会有如下表示 R = (rij)4×5 ，rij∈[0,1] rij越靠近1，则灰度越大（越黑）；越靠近0，则灰度越小（越白） 模式识别问题 10个模型：数字0-9所对应的标准4×5矩阵M0,…,M9 待识别对象：A4×5 因印刷灰度不同 A = (aij)4×5 ，aij∈[0,1] 定义贴近度 待识别矩阵A是什么数字？ 通过商场的扫描仪，扫描一个商品得到的某个数字所对应的矩阵： 贴近度 (Mk,A)的贴近度计算结果如下： 比较 实例2—— 几何图形识别 什么是几何图形识别？ 许多模式识别，归结为几何图形识别。例如： 机器自动识别染色体 几何图形常划分为若干三角形 三角形类型 等腰三角形I 直角三角形R 等腰直角三角形R∩I 等边三角形E 非典型三角形T 三角形vs. 模糊集 以等腰三角形为例 现实问题中的等腰三角形=标准等腰三角形? 具有模糊性 若用模糊集表示等腰三角形, 论域是什么? 等腰三角形的论域 设论域为全体三角形，即 U={三角形(A,B,C) | A+B+C=180, A≥B≥C≥0 } 等腰三角形的隶属函数 设u=(A,B,C)为任意一个三角形,u对于模糊集合“等腰三角形”的隶属度为 I (u)=1- min{A-B,B-C}/60 Why？ AB角度或BC角度越接近，u越接近等腰三角形 何时隶属度最大？ 何时隶属度最小？ 其他三角形的隶属函数 直角三角形：R(u)=1-|A-90|/90 等腰直角三角形：I∩R 等边三角形：E(u)=1- (A-C)/180 任意三角形：T=Rc∩Ec∩Ic 请计算 利用最大隶属原则，请问 u=(87,51,42)是什么三角形？ 四边形的隶属函数 可将三角形隶属函数的确定方法，推广到四边形中 教材第64页，有兴趣可自行阅读 实例3——手写文字的识别 文字识别 简单的情况 英文 数字（1-9）、字母（26个） 两种方法 方格矩阵法（印刷体） 模糊方位转换技术（手写） 方格矩阵法 印刷体的字母或数字 局限在一个框内 框分成若干小方格 矩阵表示 方格矩阵法 标准矩阵 内存中的标准向量 7×5的矩阵，可变成1×35的向量 待识别的打印文字 将待识别的印刷体文字表示成7×5阶的模糊矩阵 信息未必清晰，与标准矩阵未必一致 转化为1×35的模糊向量 择近原则 贴近度的选取 前者描述两者对该区域占有的相似程度 后者描述两者空白区域的相似程度 实验结果 噪声 打印缺陷等偶然因素 实验结果 在噪声达到31.43%的情况下 正确识别率90% 印刷体?手写体 手写体vs.印刷体 复杂的多 用方格矩阵法，则需要更多小方格 向量的维数大 计算困难 寻求适用于手写体的简便方法 模糊方位转换技术 模糊现象 文字的方向，与事先给定的8个方向不完全一致，只能说是大致这个方向。 图中1的方向相同吗？ 8个方向——8个模糊集 论域U是什么？ 与方向0的角度 [-22.5,337.5] 方向0的隶属函数 方向1,2的隶属函数 方向6,7的隶属函数 任务：识别手写数字 确定标准数字 将手写数字与标准数字做比较 确定数字的标准向量 0,1,2,…,9——共10个数字 以数字3为例 号码串向量(3,2,2,7,7,1,1,0,7,7,6,6,5) 确定各方向关于标准方向的隶属程度 得到“3”的号码串模糊向量 存储至计算机作为“3”的标准向量 识别数字 确定待识别数字的号码串模糊向量 与计算机中的标准向量逐一比较 择近原则 实现数字识别 程序实现 真正应用，更加复杂。 每个数字的标准向量都不止一个 More details, see “用Delphi