模糊理论在通信中的应用 - Read.PPT

模糊理论的应用 12.10 主 要 内 容 模糊理论简介 模式识别上的应用 在图像处理中的应用 在网络上的应用 在通信上的应用 模 糊 理 论 1965年自动控制专家、数学家扎德提出多值集合理论，把模糊“Fuzzy”一词引入技术文献，开创一门新的数学分支。 模糊理论是通过模拟人模糊信息处理能力来处理实际问题的一门理论学科。 如今已经形成模糊拓扑学、模糊随机数学、模糊逻辑理论以及模糊数学等。 在模式识别、自动控制、信息处理、天气预报、地震研究、人工智能、医疗诊断、农作物选种以及心理学、生态学、语言学等多种领域得到应用。 在模式识别中的应用 《模糊模式识别的基本方法及其应用》 李志亮，罗芳 宁德师范高等专科学校计算机科学系 步骤：(1)抽选识别对象的特性指标; (2)构造模糊模式Ai(i=1,2,…,p)的隶属函数; (3)构造待识别对象B的隶属函数; (4)求出B与Ai的贴近度N(B, Ai); (5)根据择近原则识别B应归属于哪一个模式。 最小—最大准则、最大—最大准则、算术平均—最大准则、加权平均—最大准则综合考虑特性。 模糊图像处理理论分支 (1)模糊几何学(度量，拓扑结构等); (2)模糊度量和图像信息(嫡，相关性，散度，期望值等); (3)模糊推理系统(图像模糊化，推理，图像解模糊等); (4)模糊聚类(模糊C一Means，概率C一Means等); (5)模糊数学形态学(模糊腐蚀，模糊膨胀等)，模糊度量理论(可能性度量，必要性度量等); (6)模糊语法; (7)组合方法(神经模糊方法或模糊神经方法，模糊遗传算法，模糊小波分析) 《基于模糊理论的图像分割方法》 蒋小标，汤光明，徐 蕾 解放军信息工程大学 电子技术学院 要实现信息隐藏，把图像分割成平滑区、纹理区、边缘区（局部方差）。 计算图像的局部方差；利用模糊理论构造平滑区、纹理区和边缘区模糊集，根据局部方差确定各像素隶属于各模糊集的程度；根据像素的隶属度决定其是否属于某个模糊集，从而实现对图像的分割。 模糊形态学 《模糊形态学技术及其在图像处理中的应用》 程科 南京理工大学 采用改进的颜色模型(HLS模型)将彩色图像转换为灰度图像，模糊化处理：灰度值对应到[0，1]，灰度值表示对高值象素的隶属程度，灰度图像看成模糊集合。 选择合适的模糊结构元素对原图像进行模糊开和闭运算，将结果图与原图比较，得到白细胞，实现白细胞检测。 模糊聚类 《模糊聚类及其实际应用》 方宏斌 聚类分析被广泛应用于人工智能 、模式识别、图像处理 、计算机视觉和模糊控制等领域。 分为谱系聚类法、基于等价关系的聚类方法、图论聚类法和基于目标函数的聚类方法 FCM算法是最流行和应用最广泛的。 对初值的选取非常敏感；需要事先给定聚类个数。 减法聚类算法+模糊 c均值 减法聚类是用来估计一组数据中的聚类个数以及聚类中心位置的单次算法。 数据点带入数据点密度公式，最大者为聚类中心，附近的数据点不能作为聚类中心。用类似方法选择下一个中心，直至剩余数据点作为聚类中心的可能性低于设定的阈值 。 《蚁群模糊聚类的图像分割》 汤可宗，江新姿，高尚 江苏科技大学 电子信息学院 图像分割问题可看作具有相似特征的像素进行分别聚类的过程。 每只蚂蚁是以灰度、邻域均值灰度、梯度为特征的三维向量。 初始聚类中心设置：图像的灰度直方图上各点连接起来的包络曲线，其最小值个数k，聚类个数为k+1。 单峰明显，以峰值点作为聚类中心的灰度特征，不明显的采用该区域中灰度均值作为聚类中心。 设置循环次数，设置信息素相同初值；初始聚类中心设置，给出初始蚁群分配方案； 对每只蚂蚁按转移概率选择下一个节点； 一次蚁群聚类后，根据所得到的聚类个数，计算各类的聚类中心，计算类间与类内距离，当类间与类内距离之比大于阈值 时，合并两类，更新聚类中心。 若循环次数大于规定的次数，停止运行，否则转步骤 2 继续执行。 组合方法 《模糊遗传算法及其在图像恢复中的应用》 邓莉 西南大学 图像恢复较多采用遗传算法，种群的个体为一幅图像，若图像的大小为UxV，灰度级为0~L-1，则需在U、V维空间的LU*V个格点中寻找到使目标函数得到最大，将极大增加运算复杂度，导致图像的恢复质量不够理想。 采用基于模糊遗传算法的图像分块恢复方法：将大尺寸的降质图像均匀划分为若干子图像块，对各子图像块独立采用遗传算法恢复。 针对较强的边缘信息，将各子图像块直方图统计数据输入模糊逻辑控制器自适应地调整适应度函数的参数、适应度拉伸时的退火初始温度、交叉概率和变异概率