模糊数学实例学习.pptVIP

模糊逻辑中，一个模糊命题的取值已不是单纯的“真”与“假”，而是真假的程度如何，用[0，1]的一个实数表示。模糊逻辑是一种形式化的连续值逻辑，它在开关理论、信息处理、似然推理、用模糊语言控制复杂生产过程等方面都有着广泛应用。经检索文献，1980 年以来， 该方法在土地资源评价已得到初步应用，累计发表论文5 篇，主要应用在基于遥感影像的土地覆盖信息提取、土地适宜性评价、城市土地集约化利用评价、土地利用等方面。; 分别提取 2000、2006 年各森 林类型的像元光谱值，建立两期影像林地分类专家库和像元光谱值数据库，结合地形、山东 省两期森林资源分布图和土地利用现状矢量图，利用监督分类和人工解译法将遥感影像分 为有林地、疏林地、灌木林地、其它林地、宜林荒山荒地、农田、草地、水域、建设用地、未利用 地。 ;层次分析法; ;森林资源生态适应性评级指标权重;评价模型的建立;x( i，j) = x* ( i，j)/xmax( j)( 越大越优的指标因子) ; x( i，j ) = xmin( j)/x* ( i，j)( 越小越优的指标因子); 式中: x( i，j ) 为指标特征值归一化的序列，x * ( i，j) 为第i 样本的第j 个指标，xmax( j) 为第j 个指标的最大值,xmin( j) 为第j 个指标的最小值。;2000 年10 个地市的22 个评价指标的评判矩阵:;2006 年10 个地市的22 个评价指标的评判矩阵:;（3）评价模型的建立;结果与分析： 见下图。;;评价结果分析;示例2 模糊逻辑在土地利用遥感分类中的应用;.2.2　模糊规则基础　　 模糊分类系统中的每一个类别或子集均具有相应的类别描述,它由一组用于属性赋值与逻辑运算的模糊表达式组成。模糊规则可以只有一个条件也可以有一组条件,对于一个影像地物而言,满足模糊规则中的条件则被分派到一个特定的类别[9]。而模糊规则基础(fuzzy rule-base)由一系列模糊规则组成,它连接不同的模糊子集。最简单的模糊规则只依赖于一个模糊子集。通常的模糊规则均为“如果-那么”(“if-then”)规则。如果一个条件满足,则行为发生。以图2中属性x为例:“如果”属性x是低的,“那么”影像地物应该被分派到土地利用类型w中。用模糊术语则可以表达为:如果属性x??模糊子集“低”的成员,那么地物就是土地利用w的成员。这个例子还可以引述为:如果属性值x=70,那么地物对于土地利用类型w的隶属度就为0.4;如果x=200,那么对于w的隶属度就是0。对于特定分类对象,模糊分类通过模糊逻辑规则基础输出一组返回值,即隶属度值,表征对象对于每一个类别的隶属程度 ;;;一个特定地物对于一个类别的隶属度越高,在实际分类中如果将它分派到这一类别,那么这种分派的可靠性就越高。在图3的例子中,影像地物对于水体的隶属度μwater(obj)高达0.8,因此在绝大多数实际应用中,这个对象将被指派在“水体”类别中。一个分类对象对于所有类别的隶属度中,最大隶属度值与次大隶属度值之间的差距越大,则分类结果越稳定。如果一个对象对于几个类别具有相同的隶属度,则表示分类非常不稳定。即在遥感影像分辨单元内,依据给定的类别定义无法对不同类别实施有效区分。如果上述相同的隶属度值处于较高水平且模糊系统在设计上没有问题,则在可分辨单元内类别混杂现象严重;如果隶属度值处于低水平,则表明系统对于对象的类别分派是不可靠的。因此一个地物对于一个类别的隶属度越高,在实际分类中如果将它分派到这一类别,那么这种分派的可靠性就越高。在图3的例子中,影像地物对于水体的隶属度μwater(obj)高达0.8,因此在绝大多数实际应用中,这个对象将被指派在“水体”类别中。一个分类对象对于所有类别的隶属度中,最大隶属度值与次大隶属度值之间的差距越大,则分类结果越稳定。如果一个对象对于几个类别具有相同的隶属度,则表示分类非常不稳定。即在遥感影像分辨单元内,依据给定的类别定义无法对不同类别实施有效区分。如果上述相同的隶属度值处于较高水平且模糊系统在设计上没有问题,则在可分辨单元内类别混杂现象严重;如果隶属度值处于低水平,则表明系统对于对象的类别分派是不可靠的。因此 ;;图4中,水体类别中4个影像地物最大隶属度值与次大隶属度值之差分别为0.25、0.05、0.0和0.8。统计结果表明,4个地物中至少一个地物以同样的隶属度值属于其他类别(最小μ差值=0);上述4个地物中没有一个只与水体类别具有隶属关系(如果这种情况出现,则最大μ差值=1)。总体而言,水体类别中的4个地物只能勉强从其他类别中区分出来(μ差值=0.27±0.37)。 ;;;;;