模糊模式识别学习.pptVIP

第五章 模糊模式识别 5.1 模糊数学的基本概念 5.2 模糊模式识别的基本方法 5.3 模糊聚类分析 5.4 模糊C均值聚类算法 世界是模糊的 现实世界中有许多界限不分明甚至是很模糊的概念和问题。 人类自然语言具有模糊性，使用了许多模糊的和不精确的概念。 人们经常接受模糊语言与模糊信息，并能做出正确的识别和判断。 例如，个子高和低，天气热和冷 What Is Lost…… History L. A. Zadeh(1921～)扎德  美国控制论专家，美国工程科学院院士。现任伯克利加利福尼亚大学电机工程与计算机科学系教授。因发展模糊集理论的先驱性工作而获电气与电子工程师学会(IEEE)的教育勋章。 1965年， L.A. Zadeh在《信息与控制》杂志第8期上发表《模糊集》“Fuzzy Sets”的论文, 开创了以精确数学方法研究模糊概念的模糊数学领域，奠定了模糊数学的理论基础。 Lotfi Zadeh, at the University of California at Berkeley, first presented fuzzy logic in the mid-1960s. he introduced the idea of partial set membership. 第一节 模糊数学的基本概念 1、集合及其特征函数： （1）集合： 论域E中具有性质P的元素组成的总体称为集合。 （2）集合的运算： 集合的常用运算包括：交（∩）、并（∪）、补 （3）特征函数： （3）特征函数： 对于论域E上的集合A和元素x，如有以下函数： 特征函数表达了元素x对集合A的隶属程度 可以用集合来表达各种概念的精确数学定义和各种事物的性质 2、模糊集合 （1）概念的模糊性： 许多概念集合具有模糊性，例如： 成绩：好、差 身高：高、矮 年龄：年轻、年老 头发：秃、不秃 模糊集合 模糊集也有它的元素，每个元素有属于该模糊集的程度，从低至高一般用 0 到 1 之间的数表示。 在经典的集合论中，所谓的二分条件规定每个元素只能属于或不属于某个集合（因此模糊集不是集合）；可以说，每个元素对每个集合的归属性（membership）都只能是 0 或 1。 而模糊集则拥有一个归属函数（membership function），其值允许取闭区间[0,1]（单位区间）中的任何实数，用来表示元素对该集的归属程度。 Fuzzy set (figure from Earl Cox) （2）隶属度函数： 如果一个集合的特征函数μA(x)不是{0,1}二值取值，而是在闭区间[0，1]中取值，则μA(x)是表示一个对象x隶属于集合A的程度的函数，称为隶属度函数。 隶属度函数用精确的数学方法描述了概念的模糊性。 （3）模糊子集 设集合A是集合U的一个子集，如对于任意U中的元素x，用隶属度函数μA(x)来表示x对A的隶属程度，则称A是U的一个模糊子集，记为：A={μA(xi), xi} 模糊子集可以用下式表示： x1,x2,…,xn 称为模糊子集A的支持点 例：在论域U中确定一个模糊子集A，它表示“圆块”这一模糊概念。（如图） U =(a,b,c,d,e, f） μ(a)=1, μ(b)=0.9, μ(c)=0.4, μ(d)=0.2, μ(e)= μ(f)=0 模糊集的分解 3、模糊集合的α水平截集 模糊子集本身没有确定边界，其水平截集有确定边界，并且不再是模糊集合，而是一个确定集合。 用α水平集来划分模糊集 A为有限个时，水平集为 A为无限个时，水平集为 例：关于“年青”的模糊集为 E={A50, A45, A40 ,A35, A30, A25} E中模糊集： A=0/ A50+0.1 / A45 + 0.3/ A40 + 0.5/ A35 + 0.9/ A30 +1 / A25 例：年龄的取值集合为 U={50岁,45岁, 40岁 ,35岁,30岁, 25岁} 模糊集“年青”可表示为： A=0/ 50岁+0.1 / 45岁 + 0.3/40岁 + 0.5/ 35岁 + 0.9/ 30岁 +1/ 25岁 A的不同的水平截集为： α =0 ， A0 ={50岁，45岁, 40岁 ,35岁,30岁, 25岁} α =0.1， A0.1 ={45岁, 40岁 ,35岁,30岁, 25岁} α =0.2， A0.2 ={40岁 ,35岁,30岁, 25岁} α =0.3， A0.3 ={40岁 ,35岁,30岁, 25岁} α