模糊模式识别法.pptVIP

2）模糊矩阵合成 对比 对有限论域： 模糊矩阵乘积运算 普通矩阵乘法运算 加法 求大 乘法 求小 类似 ，求Q对R的合成矩阵。 7.3.5 模糊关系的三大性质 例：关系“等于”—— 关系“了解”—— 具有自反性， 不具有自反性。 1．自反性 2. 对称性 3. 传递性 b) S只有对称性，无自反性。 说明： 例：“个子高”—— “认 识”—— 具有传递性， 不具有传递性。 ∴ R是一个传递模糊矩阵。 ？ 解： 例7.19 判断 是否是传递模糊矩阵。 4. 模糊等价关系和模糊相似关系 定义： 7.4 模糊模式分类的直接方法和间接方法 7.4.1 直接方法——隶属原则 直接计算样品的隶属度，根据隶属度最大原则进行分类。 —— 用于单个模式的识别 隶属原则： 隶属原则是显然的，易于公认的，但其分类效果如果， 十分依赖于建立已知模式类隶属函数的技巧。 现有45岁、30岁、65岁、21岁各一人，问应分别属于哪一类？ 中： 青： 中年 老年 青年 年龄（岁） 1 0.5 0 45 100 20 70 ∴ 属于老年人。 例7.21 染色体识别或白血球分类问题。这类问题最终归结为识别三角形。即判断一个三角形属于“等腰三角形(I)、直角三角形(R)、等腰直角三角形(IR)、正三角形(E)、其他三角形(T)”中的哪一种。 7.4.2 间接方法——择近原则 —— 适合于模糊集 求模糊集合之间接近程度的问题。 1．模糊集合间的距离 聚类分析中 两向量间的明氏距离 两种常用的绝对距离公式： 其他：相对距离、加权距离 街坊距离 欧氏距离 2. 贴近度 说明两个相同的模糊集的贴近度最大 要求贴近度映射具有对称性 描述了两个较“接近”的模糊集合的贴近度也较大 模糊集合贴近度的具体形式不唯一。 例7.8 封闭曲线的圆度。 表征圆度的隶属函数： 5. 专家评分法 难免引入个人的主观成份，但对某些难以用上述几种方法 实现的应用来说，仍不失为一种办法。 7.2.3 模糊集合的运算 1. 基本运算 两个模糊子集间的运算： 在此过程中，论域保持不变。 逐点对隶属函数作相应的运算，得到新的隶属函数。 2. 运算的基本性质 7.2.4 模糊集合与普通集合的相互转化 截集是联系普通集合与模糊集合的桥梁，它们使模糊集合 论中的问题转化为普通集合论的问题来解。 截 集 模糊集合 普通集合 根据医生的经验，可将各温度段用“发烧”的隶属度表示如下： T39.0℃——隶属度=1.0 38.5℃≤ T39.0℃——隶属度=0.9 38.0℃≤ T38.5℃——隶属度=0.7 37.0℃≤ T38.0℃——隶属度=0.4 T37.0℃——隶属度=0.0 2. 截集的三个性质 7.3 模糊关系与模糊矩阵 普通关系：二值的，存在或者不存在关系， 两者必居且仅居其一。 模糊关系：需要用描述关系程度的量补充描述， 关系程度通过隶属度表示。 7.3.1 模糊关系定义 1．基本概念 设X、Y是两个论域， 笛卡尔积： 又称直积。 —— 由两个集合间元素无约束地搭配成的序偶（x，y）的全体构成的集合。 给无约束搭配施以某种约束 体现了一种特殊关系 接受约束的元素对便构成笛卡尔集中的一个子集 子集表现了一种关系 如果： 普通集合论： X到Y的一个关系，定义为X×Y的一个子集R，记作 模糊关系的定义类似。 序偶中两个元素的排列是有序的： 2．模糊关系定义 7.3.2 模糊关系的表示 如：例7.11中的模糊 关系对应的模糊矩阵 1．用模糊矩阵表示 2．用有向图表示 有向图表示： 7.3.3 模糊关系的建立 计算 第一步：正规化。 极值标准化公式： 计算rij的常用方法： 1）欧式距离法 2）数量积法 M：正数，满足 3）相关系数法 其中， 4）最大最小法 5）主观评定法 以百分制打分，然后除以100，得[0，1]区间的一个数。 7.3.4 模糊关系和模糊矩阵的运算 1．并、交、补运算 1）模糊关系的并、交、补运算 模糊关系并、交、补运算分别与模糊矩阵并、交、补运算对应。 模糊关系和模糊矩阵的运算实际上就是隶属度的运算。 2）模糊矩阵的并、交、补运算 求：a) 关系“x比y高或比y胖”； b) 关系“与y相比，x又高又胖”； c) 关系“x没y高”。 解： 2．模糊关系的倒置与模糊矩阵的转置 对应的模糊矩阵