第8章模糊模式识别西安电子科技大学.pptxVIP

第8章　模糊模式识别8.1　模糊集合8.2　模糊关系8.3　模糊模式识别的基本思想8.4　模糊聚类分析习题8.1 模 糊 集 合8.1.1　模糊子集的概念　模糊集合也称模糊子集, 是由其隶属函数来定义的。 　定义8.1　给定论域U, 如果对任意的u∈U, 都确定了一个数　　　　　　　, 表示u属于　　的程度, 则称　　为论域U上的一个模糊子集; 称映射(8-1)为　　的隶属函数; 称　　　　为u对　的隶属度。 　隶属函数　　　　是模糊性的一种度量, 表示元素u具有性质　的程度, 或u属于　的程度。 　【例 8.1】　取论域U是实数集R, 模糊子集　表示“远大于1的实数”, 其隶属函数　　　　可以选择为(如图8-1所示)图 8-1　例8.1中隶属函数的示意图 　【例 8.2】　以年龄作论域, 取U=［0, 200］, 模糊子集　　表示“年老”, 　　表示“年轻”, 它们的隶属函数可以选择为(如图8-2所示)若U为有限集合或可数集合, 则模糊子集　可表示为 (8-2)若Ｕ为无限不可数集，则　可表示为：(8-3)其中，“　　”与“　　”并不是求和与积分, 而是表示模糊子集　中各个元素与隶属度的对应关系。 图 8-2　例8.2中隶属函数的示意图　当　　　的值域为{0, 1}时, 　　　退化为一个普通子集的特征函数, 　便退化成一个普通子集, 因此, 普通子集是模糊子集的特殊形态。 　若把论域U上全部模糊子集所组成的集合记作F(U), 则有　, 其中P(U)是U的幂集。 当时, 　称为真模糊子集。 此时, 至少存在一个元素u0, 使　。 　如果存在至少一个元素u0∈U, 使得　　　　　　　, 则称　为正规模糊子集(Normal), 否则称为非正规模糊子集。 　如果对任意的u1, u2∈U, λ∈［0, 1］, 都有则称　为凸模糊子集(Convex)。 　假设论域U为实数域R, 如果　既是正规模糊子集, 又是凸模糊子集, 则称　为模糊数(Fuzzy Number)。 8.1.2　隶属函数的确定　隶属函数的确定需要对描述的概念进行充分的了解, 经过人脑的加工和某种心理过程, 采用一定的数学方法来表达。 确定隶属函数的方法有许多, 如模糊统计法、 模糊分布、 专家打分法、 推理法和对比排序法等。 这里主要介绍模糊统计法与模糊分布。 　1. 模糊统计法　在某些场合下, 隶属度可用模糊统计的方法来确定。 模糊统计试验有四个要素: 　(1) 论域U, 例如年龄的集合; 　(2) U中的一个元素u0, 例如50岁; 　(3) U中一个边界可变的普通集合A*, 例如“年老”, A*对应一个模糊集　及其相应的模糊概念a; 　(4) 条件s, 它对应按概念a所进行的划分过程的全部主、 客观因素, 制约着A*边界的改变, 例如不同试验者对“年老”的理解不一样。 　模糊性产生的根本原因就是, 条件s对按概念a所作的划分引起A*的变异, 导致u0对A*的隶属关系不确定, 即A*可能覆盖了u0, 也可能不覆盖u0。 例如, 有的试验者认为50岁是“年老”, 但有的试验者认为不是。 　模糊统计试验要求在每一次试验下, 对u0是否属于A*作一个确切的判断。 经过 n 次试验以后, 可计算出u0对　的隶属频率: u0对　的隶属频率= (8-4)　一般地, 随着n的增大, 隶属频率表现出稳定性。 u0对　的隶属度定义为 (8-5)得到统计结果后, 可选用某种分布函数进行拟合, 适当调整参数就可以得到隶属函数的数学表达式。 　2. 模糊分布　在许多实际应用中, 一般以实数集R作为论域。 实数集R上模糊集合的隶属函数称为模糊分布, 记为F分布。 在实际应用中, 可根据具体问题的特点选择相应的F分布。 也可以通过统计, 给出隶属度的大致曲线, 将它与F分布比较, 选择相似的一种, 再根据实验确定符合实际的参数。 这里给出常用的几种F分布。 　1) 矩形分布　(1) 偏小型(见图8-3(a)): (2) 偏大型(见图8-3(b)): （3）中间型（图8-3（c））图 8-3　矩形分布(a) 偏小型; (b) 偏大型; (c) 中间型　2) 梯形分布　(1) 偏小型(见图8-4(a)): (2) 偏大型(见图8-4(b))： (3) 中间型(见图8-4(c)): 图8-4 梯形分布(a) 偏小型；(b) 偏大型；(c) 中间型　3）抛物形分布　（1）偏小型（图8-5（a）） （2）偏大型（图8-5（b））（3）中间型（图8-5（c））图8-5 抛物形分布(a) 偏小型；(b) 偏大型；(c) 中间型4）正态分布（1）偏小型（图8-6（a））（2）偏大型（图8-6（b））（3）中间