20140520模糊模式识别.pdfVIP

模糊模式识别 Fuzzy Pattern Recognition 国海良时期货 沈晓春 1 例1 设论域U={张三，李四，王五}，评语为A=“学 习好”、“学习差”。设三个人的总成绩为X={95 ， 90，85}。三人都学习好，但又有差异。若采用普通 集合的观点，选取特征函数 1 x  80 ，学习好   C A x  0 x  80 ，学习差 由此可知，(张三)=1 ，(李四)=1 ，(王五)=1 。 若采用模糊子集的概念，选取隶属函数 μ (x)=x/100表示属于“学习好”的程度。则(张 A 三)=0.95 ，(李四)=0.90 ，(王五)=0.85 。 2 例2 学习成绩论域U=[0,100] ，在其上定义三 个模糊集R1=优，R2= 良，R3=差，其对应隶属 函数为R1(X) ，R2(X) ，R3(X) ，则当X=88 时， R1(X)=0.8 ，R2(X)=0.7 ，R3(X)=0 。即可判断其 属于R1, 即优。 隶属度 R1=优 R2= 良 R3=差 X=88 0.8 0.7 0 3 背景 模式识别： 模式识别是一门以应用数学为理论基础，利用计 算机应用技术，解决分类与识别问题的学科。 目前模式识别的主流的技术有： 统计模式识别 句法模式识别 模糊数学方法 神经网络法 人工智能方法 数据挖掘等 4 背景 模糊模式识别： 运用模糊数学的理论和方法解决模式识别问题，适用于分类识 别对象本身或要求的识别结果具有模糊性的场合。在特征空间的各模式 类之间，不存在着明确的边界。——对象类的隶属函数是否良好。 模糊模式识别的主要研究内容包括： 1．隶属函数的选择与确定； 2 ．模糊模式匹配； 3．模糊推断； 4 ．模糊方法和统计方法的有机结合。 5 背景 在实际应用中，模糊模式识别技术的优势主要体现在： 1．客体信息模型表达合理，信息利用充分； 2 ．各种算法简单灵巧，分类过程易于理解，透明度高，并 具有识别的鲁棒性； 3．推理能力强，可分析综合概念； 4 ．可以描述人在识别时的各方面的经验； 5．可以使用在复杂的不确定的环境下，基于少量样本和专 家的经验进行识别。 6 确定隶属度函数 给定论域X上的一个模糊子集A ，是指由该论域上