第3篇 模糊模式识别.pdf

第 6 讲 模糊模式识别 （第三章 模糊模式识别） 一、模式识别一般原理 1.模式识别的概念 模式识别是人工智能的一个重要方面，也 是一门独立的学科。 模式：用数学描述的信息结构或观察信 号。 模式识别就是把要辨别的对象，通过与已 知模式进行比较，从而确定出它和哪一个模式 相类同的过程。 2.模式识别系统 人们识别事物时，首先要对事物进行观 察，抓住特点，分析比较，才能加以判断和辨 别，而机器进行模式识别也同样要有这些过 程。因此模式识别系统通常由以下四个部分构 成： ①传感器部分：这是获取信息的过程。比 如摄像头就象人的眼睛，把图像信息变为电信 1 号，麦克风象人的耳朵，获取声音信号，又如 霍尔元件可以感受磁场，压电陶瓷可以把力转 换为电信号等等。 ②预处理部分：这是对信息进行前端处理 的过程。它把传感器送来的信号滤除杂波并作 规范化、数字化。 ③特征提取部分：这是从信号中提取一些 能够反映模式特征的数据的过程。 ④识别判断部分：这是根据提取的特征， 按照某种归类原则，对输入的模式进行判断的 过程。 二、模糊模式识别 模糊模式识别主要是指用模糊集合表示 标准模式，进而进行识别的理论和方法。主要 涉及到三个问题：（1）用模糊集合表示标准模 式；（2）度量模糊集合之间的相似性；（3）模 糊模式识别的原则。 例 3.1 邮政编码识别问题 识别：0，1，2，……，9 关键：1）如何刻化，0，1，……，9（如 何选取特征？）（区分） 2 2）如何度量特征之间的相似性？ 1．模糊集合的贴近度 贴近度是度量两个模糊集合接近（相似） 程度的数量指标，公理化定义如下： 定义 3.1 设A,B ,C ∈F (X ) ，若映射 N : F (X ) ×F (X ) → 0,1 [ ] 满足条件： ①N (A, B ) N (B, A) ； ②N (A, A) 1, N (X ,φ) 0 ； ③若A ⊆B ⊆C ，则 N (A,C ) ≤N (A, B ) ∧N (B ,C ) 。 N (A, B ) A B 则称 为模糊集合 与 的贴近度。 N 称为F (X ) 上的贴近度函数。 这个定义实际上是对贴近度提出了几个 准则，并没给出具体的贴近度。 2．常用的贴近度 ①海明贴近度 若X {x ,x ,...,x }，则 1 2 n 1 n N A B =− A x −B x 1( , ) 1 ∑ ( i ) ( i ) n i 1 若X [a ,b ] =⊆R ,则 3 Δ 1 b ( , ) 1 ( ) ( ) N A B =− A x −