大学数学建模AB课件.ppt

模糊模式识别 模糊模式识别 模糊综合评判 一、一级模糊综合评判 模糊综合评判 根据运算　的不同定义，可得到以下不同模型： 模糊综合评判 模糊综合评判 模糊综合评判 其中： 模糊综合评判 模糊综合评判 模糊综合评判 模糊综合评判 二、多级模糊综合评判（以二级为例） 问题：对高等学校的评估可以考虑如下方面 模糊综合评判 二级模糊综合评判的步骤： 模糊综合评判 模糊综合评判 模糊综合评判 模糊综合评判 模糊综合评判 模糊综合评判 模糊综合评判 模糊综合评判 模糊线性规划 模糊线性规划 解模糊线性规划的基思想：化为普通线性规划。 请注意模糊线性规划（2）与普通线性规划（3） 的区别与联系。 模糊线性规划 模糊线性规划 模糊线性规划 模糊线性规划 模糊线性规划 模糊线性规划 模糊线性规划 模糊线性规划 2、指派方法 这是一种主观的方法，但也是用得最普遍的一种 方法。它是根据问题的性质套用现成的某些形式的模 糊分布，然后根据测量数据确定分布中所含的参数。 3、其它方法 德尔菲法：专家评分法； 二元对比排序法：把事物两两相比，从而确定顺序， 由此决定隶属函数的大致形状。主要有以下方法： 相对比较法、择优比较法和对比平均法等。 模糊集合及其运算 模糊聚类分析 一、基本概念及定理 模糊聚类分析 例：设　　　　　　　　　　对于模糊等价矩阵 模糊聚类分析 模糊聚类分析 例：设有模糊相似矩阵 模糊聚类分析 二、模糊聚类的一般步骤 １、建立数据矩阵 模糊聚类分析 （1）标准差标准化 模糊聚类分析 （2）极差正规化 （3）极差标准化 （4）最大值规格化 其中： 模糊聚类分析 ２、建立模糊相似矩阵 （1）相似系数法 ①夹角余弦法 ②相关系数法 模糊聚类分析 （2）距离法 ①Hamming距离 ②Euclid距离 ③Chebyshev距离 模糊聚类分析 （3）贴近度法 ①最大最小法 ②算术平均最小法 ③几何平均最小法 模糊聚类分析 3、聚类并画出动态聚类图 （1）模糊传递闭包法 步骤： 模糊聚类分析 模糊聚类分析 解： 由题设知特性指标矩阵为 采用最大值规格化法将数据规格化为 模糊聚类分析 用最大最小法构造 模糊相似矩阵得到 用平方法合 成传递闭包 模糊聚类分析 取 ，得 模糊聚类分析 取 ，得 取 ，得 模糊聚类分析 取 ，得 取 ，得 模糊聚类分析 画出动态聚类图如下： 0.7 0.63 0.62 0.53 1 模糊聚类分析 模糊聚类分析的简要流程: Y N 模糊模式识别 模式识别的本质特征：一是事先已知若干标准模式， 称为标准模式库；二是有待识别的对象。 所谓模糊模式识别，是指在模式识别中，模式是模 糊的，或说标准模式库中提供的模式是模糊的。 一最大隶属原则 最大隶属原则Ⅰ： 最大隶属原则Ⅱ： 模糊模式识别 按最大隶属原则， 该人属于老年。 解： 模糊模式识别 模糊模式识别 模糊模式识别 阈值原则： 模糊模式识别 二、择近原则 1、贴近度 表示两个模糊集A，B之间的贴近程度。 模糊模式识别 ⊙C = ⊙C = 故B比A更贴近于Ｃ. 模糊模式识别 模糊模式识别 模糊模式识别 2、择近原则 模糊模式识别 一阶常系数线性差分方程 xn+1 + axn= b, (其中a, b为常数，且a ≠-1, 0)的通解为 xn=C(- a) n + b/(a + 1) 易知b/(a+1)是其平衡点，由上式知，当且仅当|a|＜1时，b/(a +1)是稳定的平衡点. 差分方程模型 二阶常系数线性差分方程 xn+2 + axn+1 + bxn = r, 其中a, b, r为常数. 当r = 0时，它有一特解x* = 0； 当r ≠ 0，且a + b + 1≠ 0时，它有一特解 x*=r/( a + b +1). 不管是哪种情形，x*是其平衡点. 设其特征方程?2 + a? + b = 0 的两个根分别为 ?=?1, ?=?2. 差分方程模型 ① 当?1, ?2 是两个不同实根时，二阶常系数线性差分方程的通解为 xn= x*+ C1(?1)n + C2(?2)n ; ② 当?1, 2=?是两个相同实根时，二阶常系数线性差分方程的通解为 xn= x* + (C1 + C2 n)?n; 则 差分方程模型 ③ 当?1, 2= ? (cos