模糊数学(第十二讲).pptVIP

第四章 模糊集之间的度量与模糊模式识别 第十二讲 4.1 模糊集之间的距离; 4.2 模糊集之间的贴近度 §4.1 模糊集之间的距离 4.1.1 经典集合之间的距离 定义4.1.1 设Ｕ 为非空集合, d :Ｕ ×Ｕ ? R+ =[ 0 , +∞ ], (u , v) ?? d (u , v) 满足下了三条公理: ( 1 ) 正规性: d (u , v) =0 iff u = v , ? u ,v ?Ｕ ; ( 2 ) 对称性: d (u , v) = d (v , u) , ? u ,v ?Ｕ ; ( 3 ) 三角不等式: d (u , w) ≤ d (u , v) + d (v , w) , ? u ,v ,w ?Ｕ . 则称 d 为Ｕ 上的一个距离函数(度量函数)，称d (u , v)为u与 v两点之间的距离,称 (Ｕ , d )为一个距离空间(度量空间) 。 §4.1 模糊集之间的距离 例4.1.1 设Ｕ = /R = (－∞ , +∞ ) , 定义 d : /R × /R ? R+ 为 d (u , v) = | u－v | , ? u ,v ? /R . 则d 满足正规性、对称性和三角不等式这三条公理, 故d 为/R上的一个距离函数, 从而(/R , d )构成一个距离空间,这就是我们通常所说的一维实数空间. 例4.1.2 设Ｕ = /R n 为全体 n 维向量所构成的集合, 定义 d : /R n × /R n ? R+ (u , v) ?? = d (u , v) , ? u ,v ? /R n 其中 u = (u1 , u2 , ? , un ) , v = (v1 , v2 , ? , vn ) , 则d 为/R n的一个距离函数，通常d (u , v) 为u 和v 的Euclid 距离，而称( /R n , d )为n 维欧氏空间. 下面我们把普通距离函数的概念扩张成经典集值映射, 从而导出两个经典集合之间距离的一般化定义. 定义4.1.2 设(Ｕ , d )为一个度量空间, P0(U)= P(U)-{?}.在P0(U)上定义二元函数如下: dH : P0(U) × P0(U) ? R+ , 使得? A , B ?P0(U) , dH(A , B)=(∨u∈A ∧v ∈ B d (u , v) ) ∨ (∨v ∈ B ∧u∈A d (u , v)) . 则dH满足 ( 1 ) dH(A , A)=0 , ? A ?P0(U) ; ( 2 ) dH(A , B)= dH(B , A) , ? A , B ?P0(U) ; ( 3 ) dH(A , C) ≤ dH(A , B)+ dH(B , C ) , ? A ,B ,C ? P0(U) . 由于dH(A , B)= 0推不出A=B ,故dH 不满足正规性, 从而dH 不是P0(U) 上的度量函数,我们称dH为Hausdorff 广义伪度量函数 , 而称dH(A , B)为A与B 的Hausdorff 度量(距离),简称P0(U)为Hausdorff 空间. 补充例题: 设A=[a, b], B=[c, d]. 证明 dH(A , B)= |a-c|∨|b-d|. 证明:(见黑板). 4.1.2 模糊集合之间的距离 定义4.1.3 设(Ｕ , d )为一个度量空间, F0(U)= {A ?F(U) | A的高=1} . 在F0(U)上定义二元函数如下: de : F0(U) × F0(U) ? R+ , 使得? A , B ?P0(U) , de(A , B)= ∨??[0,1] e(?) dH(A? , B? ). (4.1.6) 其中dH为由d 诱导的Hausdorff 广义伪度量, e 为在[0, 1] 上定义的函数, 且满足在[0,1]中, 0 e(?) ≤ 1, e(?) 为增函数, 并且当?趋向于1时, e(?) 趋向于1. 则称de 为F0(U)中带有限制因子e的模糊 Hausdorff 广义伪度量 , 简称F.H.度量.而称de (A , B)为模糊集合A与B 的F.H. 距离. 例4.13.(见黑板) 反映模糊集合之间距离的度量方法有很多，可以从多种途径加以推广.为了应用方便起见,下面介绍几种常用的模糊集合之间的距离公式. 1.模糊Chebyshev距离 设U = {u1 , u2 , ? , un }, A , B ? F (U), 则称 为A与B的模糊Chebyshev距离. 2.模糊Hamming距离