第8章模式识别VIP免费

第八章模糊模式识别模式一词是有英文pattern翻译而来的，有典范、式样、图象和格局等意义，不同的场合有不同的意义.数学上则把没有适当数学描述的信息结构（或信号结构）称为模式。比如看病、看信、产品评级都是模式识别的过程.这里仅介绍模糊模式识别的方法.一、模糊模式识别1、模糊模式识别的直接方法最大隶属原则01,2,,,,iAFUinuU设若010200max,,,jnAuAuAuAu1,2,,,jn使得则认为0u相对隶属于,jA即元素0u应归于模式.jA•这种直接由计算元素的从属函数值来判断具体对象的方法，称为模糊模式识别的直接方法.这种方法适合处理具有如下特点的问题：（1）用做比较的模式是模糊的（2）被识别的对象本身是确定的例8-1通货膨胀问题见讲义p176阈值原则设1,2,,iAFUin对0,uU取定水平0,1若存在12,,,,kiii使01,2,,,jiAujk则判决为：0u相对隶属于12.kiiiAAA若01niiAu则判决为：不能识别，此时找出原因另作分析.该方法也可对0u与某一个标准模型kA进行识别.0000kkkkAuuAAuuA如果，则认为相对的隶属于，如果，则认为相对的不隶属于，2、模糊模式识别的间接方法•有时要识别的对象并不是单个确定的元素，而是论域上的子集或模糊集.这时，需用模糊模式识别的间接方法择近原则111,2,,,,1,2,,,,max,,,.iijnjjAFUinBFUjinDBADBADBABABA设对给定的若使则认为与最贴近，而应把归入模式例8-2现有茶叶等级标准品五种：•及待识别的茶叶模型,,,,abcde,.AA确定的型号反映茶叶质量的因素为论域U，U条索，色泽，净度，汤色，香气，滋味假定U上的模糊集为：0.5,0.4,0.3,0.6,0.5,0.4,0.3,0.2,0.2,0.1,0.2,0.20.2,0.2,0.2,0.1,0.1,0.20,0.1,0.2,0.1,0.1,0.1,0.4,0.2,0.1,0.4,0.5,0.6,0.4,0.2,0.1,0.4,0.5,0.6abcdeA解：利用格贴近度公式计算可得：,0.5;,0.3;,0.2,0.1;,0.1.gggggDAaDAbDAcDAdDAeAa按择近原则，可以确定为型茶叶3、多元模式识别•现实问题中有的问题具有多种特性，通常需同时考察，此时就用到择近原则2择近原则2121,2,,,,,1,2,,;1,2,,.1,2,,,imijjjjiiAFUinmxxxAFXinjmBFUFXiinBA设有模式每个模式由个特性来描述，分别用来表示于是有mn个不同特性的模糊集又设待识别的对象的m个特性模糊集为B.对求出与的贴近度S1122,,,,,,iiimimSminDBADBADBA00120max,,,,.iniSSSSBiBA若则应归于类，即与最贴近例8-3小麦亲本识别（见P179）•二、模糊模式识别应用举例•（见P181-187，例8-4，例8-5，例8-6，例8-7）