模糊数学第五章.pptVIP

第五章 模糊模式识别 何谓“模式识别”？ 已知某类事物的若干标准模型(可以通过聚类分析得到)，现有这类事物中的一个具体对象，问该对象应该和哪个模型相匹配？ 例：植物标本是哪纲哪目；医生对病的识别；计算机识别手写字体。通过气象和卫星资料的分析处理对未来天气属于何种类型做出预报。 模糊模式识别（一） 模型是模糊的； 待识别对象是论域中的一个元素； 例如： 论域U={若干苹果} 标准模型库={1级，2级，3级，4级} 待识别对象：一个苹果x0∈U 模糊模型识别（二） 模型是论域上的模糊集； 待识别对象也是论域上的模糊集； 例如：医生给病人诊断 论域U={各种疾病的症候}，标准模型库={心脏 病，胃溃疡，感冒，…} 待识别对象：一个病人的症状 1. 最大隶属原则（第一个问题） 原则1：设A1, A2, …, An ∈F(U)构成一个标准 模型库,若对任意 x0∈U，有i∈{1, 2, …,n}，使得 则认为x0相对隶属于 Ai。 最大隶属原则2 原则2： 设论域U= {u1, u2, …, un}上有一个标准模型A，待识别对象有n个，x1 , x2 , … , xn∈U，若有某个xk 满足 则xk 隶属于A。 广义模糊向量---模糊向量集合族 定义1：设A1,A2,…,An是论域U上的n个模糊集，称以模糊集A1,A2,…,An为分量的模糊向量为广义模糊向量，也称模糊向量集合族，记为A=(A1,A2,…,An). 模糊向量集合族 例：小麦有早熟优良品种，是模糊集，描述早熟的每个特征也是个模糊集。 A(早熟)＝(A1(抽穗期), A2(株高), A3(粒数)) 就是一个广义模糊向量。 模糊向量集合族的隶属度 定义2：设论域U上有n个模糊子集A1, A2,…,An，其隶属函数为Ai(x) (i= 1,2,…,n),而A=(A1,A2,…,An)为模糊向量集合族。X=(x1,x2,…,xn)为普通向量，则称 为x对模糊向量集合族的隶属度。 最大隶属原则3 设 为n个标准模型，其中 为普通向量，若存在 ，使得 ，则认为 相对隶属于 。 最大隶属原则3－例子 例5：学生学习成绩的识别评价，论域U及表示学习成绩的模糊子集同例2，某学生四门课的分数分别为86、73、78、90，综合这四门课给出该学生的学习成绩（A1=A，A2=B，A3=C）。 令 取 最大隶属原则3－例子 例6：大学生体质水平的模糊识别： 内积与外积 例. A = ( 0.3, 0.6, 0.9, 0.4) B = ( 0.8, 0.5, 0.8, 0.6) 求向量a和b的内积与外积 内积与外积的性质 性质1. 内积与外积的性质 性质3. 内外积-例 例8：设论域U为实数域，其上有两个正态模糊集A,B,它们的隶属函数分别为： 试求A、B的内外积。 内外积 图1中，内积表示两个模糊集A、B交点纵坐标，其值越大，A、B越靠近； 图2中，外积表示两个模糊集A、B交点纵坐标，其值越小，A、B越靠近； 格贴近度 设A,B是论域U上的模糊子集，则称 为A与B的格贴近度。其值越大（内积越大，外积越小），A、B越贴近。 格贴近度性质 贴近度的局限 格贴近度的不足之处是一般?0(A, A)≠1. 格贴近度的局限：只有存在完全属于和完全不属于集合的元素时，才能保证与自身的贴近度为1。 择近原则 适用于第二类模糊识别问题：一个模糊集对标准模糊集的识别问题，实质是求两个模糊集的贴近度。 多个特性的择近原则 上例是按对象的一个特性进行识别，实际一个对象的模糊属性可以有多个，此时，对象可以表示为一个模糊向量集合族。 标准模型库中的每个模型也是模糊向量集合族。 多个特性的择近原则 定义3:设论域U上有两个模糊向量集合族A=(A1, A2, …, An )， B=(B1, B2,