模糊模式识别
模糊数学模型系列博文:【1】基本概念: 隶属函数、模糊集合的表示方法、模糊关系、模糊矩阵【2】模糊模式识别:海明贴近度 、欧几里得贴近度 、黎曼贴近度、 格贴近度、最大隶属原则、择近原则【3】模糊聚类分析方法:模糊等价矩阵、模糊相似矩阵、传递闭包法、布尔矩阵法【4】模糊决策分析方法目录1 模糊集的贴近度1.海明贴近度2.欧几里得贴近度3.黎曼贴近...
模糊数学模型系列博文:
【1】基本概念: 隶属函数、模糊集合的表示方法、模糊关系、模糊矩阵
【2】模糊模式识别:海明贴近度 、欧几里得贴近度 、黎曼贴近度、 格贴近度、最大隶属原则、择近原则
【3】模糊聚类分析方法:模糊等价矩阵、模糊相似矩阵、传递闭包法、布尔矩阵法
目录
本节我们假定论域为U ,U 上的模糊集的全体记为 F(U)。
1 模糊集的贴近度
贴近度是对两个模糊集接近程度的一种度量。
【定义 10】 设 A, B,C ∈ F(U) ,若映射
N : F(U)× F(U) →[0,1]
满足条件:
(1) N(A, B) = N(B, A) ;
(2) N(A, A) = 1, N(U,Φ) = 0 ,这里Φ 为空集;
(3)若 A ⊆ B ⊆ C ,则 N(A,C) ≤ N(A, B) ∧ N(B,C);
则称 N(A, B) 为模糊集 A 与 B 的贴近度。 N 称为 F(U)上的贴近度函数。
1.海明贴近度
当U 为实数域上的闭区间[a,b]时,则有
2.欧几里得贴近度
3.黎曼贴近度
若U 为实数域,被积函数为黎曼可积,且广义积分收敛,则
计算的 MATLAB 程序:
i)编写定义函数 A(x) ∧ B(x)的 MATLAB 函数
function f1=jixiao(x);
f1=(x>=20 & x<50).*(x-20)/40+(x>=50 & x<80).*(80-x)/40;
ii)编写定义函数 A(x)∨ B(x)的 MATLAB 函数
function f2=jida(x);
f2=(x>=0 & x<40)+(x>=40 & x<50).*(80-x)/40+(x>=50 & x<60).*(x-20)/40+(x>=60 & x<=100);
iii)利用 MATLAB 的积分命令 quadl 计算
N1=quadl(@jixiao,0,100)/quadl(@jida,0,100)
例 9 设U = R (实数域),正态型隶属函数
2 格贴近度
为模糊集 A, B 的内积。
内积的对偶运算为外积。
为模糊集 A, B 的外积。
由性质发现,给定模糊集 A ,让模糊集 B 靠近 A ,会使内积 A ⊙ B 增大而外积 A⊗ B 减少。换句话说,当 A ⊙ B 较大且 A⊗ B 较少时, A 与 B 比较贴近。所以,采 用内积与外积相结合的“格贴近度”来刻画两个模糊集的贴近程度。
解法 II(黎曼贴近度法)
求解式中各积分非常麻烦,这里就不解下去了。不过已经发现,求解此题,以选择 格贴近度法最好。
3 模糊模式识别原则
模糊模式识别大致有两种方法,一是直接方法,按“最大隶属原则”归类,主要应 用于个体的识别;另一是间接方法,按“择近原则”归类,一般应用于群体模型的识别。
2.3.1 最大隶属原则
2.3.2 择近原则
计算的 MATLAB 程序如下:
a=[0.5 0.4 0.3 0.6 0.5 0.4
0.3 0.2 0.2 0.1 0.2 0.2
0.2 0.2 0.2 0.1 0.1 0.2
0 0.1 0.2 0.1 0.1 0.1
0 0.1 0.1 0.1 0.1 0.1];
b=[0.4 0.2 0.1 0.4 0.5 0.6];
for i=1:5
x=[a(i,:);b];
t(i)=min([max(min(x)) 1-min(max(x))]);
end
t
模糊数学模型系列博文:
【1】基本概念: 隶属函数、模糊集合的表示方法、模糊关系、模糊矩阵
【2】模糊模式识别:海明贴近度 、欧几里得贴近度 、黎曼贴近度、 格贴近度、最大隶属原则、择近原则
【3】模糊聚类分析方法:模糊等价矩阵、模糊相似矩阵、传递闭包法、布尔矩阵法
更多推荐
所有评论(0)