《模糊数学教案03(37)》由会员分享，可在线阅读，更多相关《模糊数学教案03(37)（37页珍藏版）》请在金锄头文库上搜索。
1、第第 3 3 章章 模糊模型识别模糊模型识别3.13.1模糊模型识别模糊模型识别 模型识别已知某类事物的若干标准模型，现有这类事 物中的一个具体对象，问把它归到哪一模型，这 就是模型识别.模型识别在实际问题中是普遍存在的.例如 ，学生到野外采集到一个植物标本，要识别它属 于哪一纲哪一目；投递员(或分拣机)在分拣信件 时要识别邮政编码等等，这些都是模型识别. 模糊模型识别所谓模糊模型识别,是指在模型识别中,模型 是模糊的.也就是说,标准模型库中提供的模型是 模糊的.模型识别的原理为了能识别待判断的对象x = (x1, x2, xn)T是 属于已知类A1, A2, Am中的哪一类？事先必须要有一个
2、一般规则, 一旦知道了x的 值, 便能根据这个规则立即作出判断, 称这样的一 个规则为判别规则.判别规则往往通过的某个函数来表达, 我们 把它称为判别函数, 记作W(i; x).一旦知道了判别函数并确定了判别规则，最 好将已知类别的对象代入检验，这一过程称为回 代检验，以便检验你的判别函数和判别规则是否 正确.3.2 3.2 最大隶属原则最大隶属原则 模糊向量的内积与外积定义 称向量a = (a1, a2, , an)是模糊向量, 其 中0ai1. 若ai 只取0或1, 则称a = (a1, a2, , an)是 Boole向量.设 a = (a1, a2, , an), b = (b1, b
3、2, , bn)都是模 糊向量，则定义内积： a b = (akbk) | 1kn；外积：ab = (akbk) | 1kn.内积与外积的性质(a b )c = a cb c ; (ab ) c = a c b c.模糊向量集合族设A1, A2, , An是论域X上的n个模糊子集,称 以模糊集A1, A2, , An为分量的模糊向量为模糊 向量集合族，记为A = (A1, A2, , An).若X 上的n个模糊子集A1, A2, , An的隶属函 数分别为A1(x), A2(x) , , An(x),则定义模糊向量 集合族 A = (A1, A2, , An)的隶属函数为A(x) = A1 (
4、x1), A2 (x2) , , An(xn) 或者 A(x) = A1 (x1) + A2 (x2) + + An(xn)/n.其中x = (x1, x2, , xn)为普通向量.最大隶属原则最大隶属原则 设论域X =x1, x2, , xn 上有m个模糊子集A1, A2, , Am(即m个模型),构 成了一个标准模型库,若对任一x0X,有k1, 2, , m ,使得 Ak(x0)=A1(x0), A2(x0), , Am(x0)， 则认为x0相对隶属于Ak .最大隶属原则 设论域X上有一个标准模 型A,待识别的对象有n个：x1, x2, , xnX, 如果 有某个xk满足 A(xk)=A(
5、x1), A(x2), , A(xn), 则应优先录取xk .例1 在论域X=0,100分数上建立三个表示 学习成绩的模糊集A=“优”,B =“良”,C =“差”.当 一位同学的成绩为88分时,这个成绩是属于哪一 类？A(88) =0.8B(88) =0.7A(88) =0.8, B(88) =0.7, C(88) =0. 根据最大隶属原则,88分这个成绩应隶属 于A,即为“优”.例2 论域 X = x1(71), x2(74), x3(78)表示三 个学生的成绩,那一位学生的成绩最差？ C(71) =0.9, C(74) =0.6, C(78) =0.2, 根据最大隶属原则， x1(71)最
6、差.例3 细胞染色体形状的模糊识别细胞染色体形状的模糊识别就是几何图形的 模糊识别,而几何图形常常化为若干个三角图形, 故设论域为三角形全体.即X=(A,B,C )| A+B+C =180, ABC标准模型库=E(正三角形),R(直角三角形), I(等腰三角形),IR(等腰直角三角形),T(任意三 角形).某人在实验中观察到一染色体的几何形状， 测得其三个内角分别为94,50,36,即待识别对象 为x0=(94,50,36).问x0应隶属于哪一种三角形？先建立标准模型库中各种三角形的隶属函数.直角三角形的隶属函数R(A,B,C)应满足下列 约束条件：(1) 当A=90时, R(A,B,C)=1
7、;(2) 当A=180时, R(A,B,C)=0;(3) 0R(A,B,C)1.因此，不妨定义R(A,B,C ) = 1 - |A - 90|/90. 则R(x0)=0.955. 或者其中 p = | A 90| 则R(x0)=0.54.正三角形的隶属函数E(A,B,C)应满足下列约 束条件： (1) 当A = B = C = 60时, E(A,B,C )=1; (2) 当A = 180, B = C = 0时, E(A,B,C)=0; (3) 0E(A,B,C)1.因此，不妨定义E(A,B,C ) = 1 (A C)/180. 则E(x0) =0.677. 或者其中 p = A C 则E(x
8、0)=0.02.等腰三角形的隶属函数I(A,B,C)应满足下列约 束条件：(1) 当A = B 或者 B = C时, I(A,B,C )=1; (2) 当A = 180, B = 60, C = 0时, I(A,B,C ) = 0; (3) 0I(A,B,C )1.因此，不妨定义 I(A,B,C ) = 1 (A B)(B C)/60. 则I(x0) =0.766. 或者p = (A B)(B C)则I(x0)=0.10.等腰直角三角形的隶属函数 (IR)(A,B,C) = I(A,B,C)R (A,B,C); (IR) (x0)=0.7660.955=0.766.任意三角形的隶属函数T(A,
9、B,C) = IcRcEc= (IRE)c.T(x0) =(0.7660.9550.677)c = (0.955)c = 0.045.通过以上计算,R(x0) = 0.955最大,所以x0应隶 属于直角三角形.或者(IR)(x0) =0.10; T(x0)= (0.54)c = 0.46. 仍 然是R(x0) = 0.54最大,所以x0应隶属于直角三角形.例4 大学生体质水平的模糊识别.陈蓓菲等人在福建农学院对240名男生的体 质水平按中国学生体质健康调查研究手册上 的规定,从18项体测指标中选出了反映体质水平 的4个主要指标(身高、体重、胸围、肺活量),根 据聚类分析法,将240名男生分成5
10、类：A1(体质差 ),A2(体质中下),A3(体质中),A4(体质良),A5 ( 体质优),作为论域U(大学生)上的一个标准模型 库,然后用最大隶属原则,去识别一个具体学生的 体质. 5类标准体质的4个主要指标的观测数据如 下表所示.身高(cm)体重(kg)胸围(cm)肺活量(cm3) A1158.4 3.047.9 8.484.2 2.43380184A2163.4 4.850.0 8.689.0 6.23866800A3166.9 3.655.3 9.488.3 7.04128526A4172.6 4.657.7 8.289.2 6.44349402A5178.4 4.261.9 8.69
11、0.9 8.04536756现有一名待识别的大学生x = x1, x2, x3, x4 = 175, 55.1, 86, 3900，他应属于哪种类型？阈值原则设论域X =x1, x2, , xn 上有m个模糊子集 A1, A2, , Am(即m个模型),构成了一个标准模 型库,若对任一x0X,取定水平0,1.若存在 i1, i2, , ik,使Aij(x0) ( j =1, 2, , k),则判决为： x0相对隶属于若Ak(x0)| k =1, 2, , m,则判决为：不 能识别,应当找原因另作分析.该方法也适用于判别x0是否隶属于标准模型 Ak.若Ak(x0),则判决为：x0相对隶属于Ak;
12、 若 Ak(x0),则判决为： x0相对不隶属于Ak.3.3 择近原则设在论域X =x1, x2, , xn上有m个模糊子集 A1, A2, , Am(即m个模型),构成了一个标准模型 库. 被识别的对象B也是X上一个模糊集,它与标 准模型库中那一个模型最贴近？这是第二类模糊 识别问题.先将模糊向量的内积与外积的概念扩充.设A(x), B(x)是论域X上两个模糊子集的隶属 函数,定义内积： A B = A(x) B(x) | xX ；外积：AB = A(x)B(x) | xX . 内积与外积的性质(1) (A B )c = AcBc; (2) (AB )c = Ac Bc; (3) A Ac
13、1/2; (4) AAc 1/2. 证明(1) (A B)c = 1-A(x) B(x) | xX = 1- A(x)1- B(x) | xX = Ac(x)Bc(x) | xX = AcBc. 证明(3) A Ac =A(x) 1- A(x) | xX 1/2 | xX 1/2.下面我们用 (A, B)表示两个模糊集A, B之间 的贴近程度(简称贴近度),贴近度 (A, B)有一些 不同的定义. 0(A, B) = A B + (1 -AB)/2 (格贴近度) 1(A, B) = (A B )(1- AB)择近原则设在论域X = x1, x2, , xn上有m个模糊子集 A1, A2, ,
14、Am构成了一个标准模型库,B是待识别 的模型.若有k1,2, m, 使得 (Ak , B) = (Ai , B) | 1im, 则称B与Ak最贴近,或者说把B归于Ak类.这就是择 近原则.小麦品种的模糊识别(仅对百粒重考虑)多个特性的择近原则设在论域X =x1, x2, , xn上有n个模糊子集 A1, A2, , An构成了一个标准模型库,每个模型又 由个特性来刻划： Ai =(Ai1, Ai2, , Aim), i = 1,2, n, 待识别的模型B=(B1, B2, , Bm).先求两个模糊向量集合族的贴近度： si = (Aij , Bj) | 1jm, i = 1,2, n,若有k1
15、,2, n,使得 (Ak , B) =si | 1in, 则称B与Ak最贴近,或者说把B归于Ak类. 这就是 多个特性的择近原则.贴近度的的改进 格贴近度的不足之处是一般0(A, A)1. 定义 (公理化定义)若 (A, B)满足 (A, A)=1; (A, B)= (B, A); 若ABC, 则 (A, C) (A, B) (B, C). 则称 (A, B)为A与B的贴近度.显然,公理化定义显得自然、合理、直观,避免了格 贴近度的不足之处,它具有理论价值.但是公理化定义并 未提供一个计算贴近度的方法,不便于操作.于是,人们一方面尽管觉得格贴近度有缺陷,但还是 乐意采用易于计算的格贴近度来解决一些实际问题；另 一方面,在实际工作中又给出了许多具体定义(P145).离散型连续型离散型连续型离散型连续型事实上,择近原则的核心就是最大隶属原则. 如在小麦品种的模糊识别(仅对百粒重考虑)中, 可重新定义“早熟”、“矮秆”、“大粒”、“高肥丰 产”、“中
