模糊模式别.ppt

3.5 模糊模式识别 模式识别是科学、工程、经济、社会以至生活中经常遇到并要处理的基本问题。这一问题的数学模式就是在已知各种标准类型(数学形式化了的类型)的前提下，判断识别对象属于哪个类型？对象也要数学形式化，有时数学形式化不能做到完整，或者形式化带有模糊性质，此时识别就要运用模糊数学方法。 例1. 苹果的分级问题 设论域 X = {若干苹果}。苹果被摘下来后要分级。一般按照苹果的大小、色泽、有无损伤等特征来分级。于是可以将苹果分级的标准模型库规定为 = {Ⅰ级，Ⅱ级，Ⅲ级，Ⅳ级}，显然，模型Ⅰ级，Ⅱ级，Ⅲ级，Ⅳ级是模糊的。当果农拿到一个苹果 x0 后，到底应将它放到哪个等级的筐里，这就是一个元素（点）对标准模糊集的识别问题。 例2. 医生给病人的诊断过程实际上是模糊模式识别过程。设论域 X = {各种疾病的症候} (称为症候群空间) 。各种疾病都有典型的症状，由长期临床积累的经验可得标准模型库 = {心脏病，胃溃疡，感冒，…}，显然，这些模型(疾病)都是模糊的。病人向医生诉说症状(也是模糊的)，由医生将病人的症状与标准模型库的模型作比较后下诊断。这是一个模糊识别过程，也是一个模糊集对标准模糊集的识别问题。 3.5.1 模糊模式识别的直接方法 —— 点对集 1. 问题的数学模型 (1) 第一类模型：设在论域 X 上有若干模糊集：A1，A2，…，An?F ( X )，将这些模糊集视为 n 个标准模式，x0? X 是待识别的对象，问 x0 应属于哪个标准模式 Ai ( i =1，2，…， n ) ? (2) 第二类模型：设 A?F ( X )为标准模式，x1, x2, …, xn? X 为 n 个待选择的对象，问最优录选对象是哪一个 xi (i =1，2，…， n ) ? 2. 最大隶属(度)原则Ⅰ（针对第一类模型） 设 A1， A2，…，An?F ( X )， x0? X 是待识对象，若 Ai 满足条件 Ai (x0) = max { A1(x0)，A2(x0)，…，An(x0)} (3.5.1) 则认为 x0 相对隶属于 Ai。 例 3.5.1 设有三个三角形的模糊集：I 表示“近似等腰三角形”，R 表示“近似直角三角形”，E 表示“近似正三角形”，它们是论域 X={ (A, B, C) | A + B + C =180, A ? B ? C ?0 }上的模糊集，其隶属函数规定如下： 容易验证，当 A =B 或 B = C 时，I ( A, B, C ) =1；I(120, 60, 0) = 0； 当 A = 90 时，R( A，B，C ) =1；R(180，0，0) = 0； 当 A = B = C 时，E(60，60，60) =1；E(180, 0, 0)=0。这说明以上隶属函数在边界情况下是合理的。 现有一三角形，其三个内角分别为 A = 70，B = 60，C = 50，问这个三角形应该算作哪一类三角形？ 计算 按最大隶属度原则Ⅰ，这个三角形比较接近“近似正三角形” 例3.5.2 选择优秀考生。设考试的科目有六门 x1：政治 x2：语文 x3：数学 x4：理、化 x5：史、地 x6：外语 考生为 y1，y2，…，yn，组成问题的论域 Y = { y1, y2, …, yn}。设 A = “优秀”，是 Y 上的模糊集，A(yi) 是第 i 个学生隶属于优秀的程度。给定 A(yi) 的计算方法如下： 表 3.4 考生成绩表 则可以计算出 于是这四个考生在“优秀”模糊集中的排序为： y2, y4, y1, y3. 4. 阈值原则 有时我们要识别的问题，并非是已知若干模糊集求论域中的元素最大隶属于哪个模糊集（第一类模型），也不是已知一个模糊集，对论域中的若干元素选择最佳隶属元素（第二类模型），而是已知一个模糊集，问论域中的元素，能否在某个阈值的限制下隶属于该模糊集对应的概念或事物，这就是阈值原则，该原则的数学描述如下： 　 已知 A?F ( X )，x? X，给定阈值 ??[0，1]，若 A(x)? ? , (3.5.3) 则认为 x 隶属于A 对应的概念或事物。 　　阈值原则也可以用截集的概念来描述，即已知 A?F ( X )， x?X，给定阈值 ??[0，1] ，若有 x? A? , (3.5.4) 则认为 x 隶属于A 对应的概念或事物