第四讲 模糊模式识别

《第四讲 模糊模式识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第四讲贴近度与模式识别2013/2/261n所谓模式识别，通俗地说，就是巳知某类事物的若干标准的对象，或模式，现在给出这类事物中的一个具体对象，如何判定它属于哪一个模式．比如，如何判定一个手写汉字是一个什么字？这里可把每一个汉字印刷体看成一个模式．再比如，已知有若于种病的典型症伏，每一个典型症状都是由某些检查指标所表征，现在有一个患者，如何根据他的各种检查指标来判定他患的是哪一种病，等等．n模式识别是科学、工程、经济、社会以至生活中经常遇到并要处理的基本问题．这一问题的数学模式就是在已知各种标准类型（数学形式化了的类

2、型）的前提下，判断识别对象属于哪个类型？对象也要数学形式化，有时对象形式化不能做到完整，或者形式化带有模糊性质，此时识别就要运用模糊数学方法．2013/2/262n在通在通常常的的模模式识别式识别中中，模式是，模式是明确明确的，的，似实际似实际中中很很多多问题问题模式模式本身本身是是不不明确明确的的，，比如，比如，细细胞染色胞染色体识体识别别中的等中的等腰腰三角形三角形、、直角三直角三角形角形等，都等，都不不是标是标准的准的等等腰三角腰三角形形和直角和直角三三角形角形，，再再比如，通比如，通过人造过人造地地球球卫星卫

3、星所所得到得到的地的地面面图图也带也带有模有模糊性糊性，所，所以以，把它，把它们们作为作为模式就模式就要用要用模模糊糊集合集合来来声示声示，这，这样样，就有，就有了了模模糊糊模式的模式的模模式识别，式识别，简称为简称为模模糊糊识别识别．．如何如何利利用计用计算机算机来来进行进行模式识模式识别别，这是，这是人人工智能工智能的的一个一个重重要方要方面面，，显然显然，，用摸糊用摸糊集理集理论论来来进行进行模式模式识识别，别，将将会会大大大促大促进进这这方面方面研究研究的的发展。发展。2013/2/263模式识别的基本方法一

4、、统计模式识别二、句法模式识别三、模糊模式识别四、人工神经网络法五、人工智能方法一、统计模式识别模式描述方法：r特征向量x=(x,x,L,x)¢12n模式判定：模式类用条件概率分布P(X/wi)表示,m类就有m个分布，然后判定未知模式属于哪一个分布。理论基础：概率论，数理统计主要方法：线性、非线性分类、Bayes决策、聚类分析主要优点：1）比较成熟2）能考虑干扰噪声等影响3）识别模式基元能力强主要缺点：1）对结构复杂的模式抽取特征困难2）不能反映模式的结构特征，难以描述模式的性质3）难以从整体角度考虑识别问题二、句法

5、模式识别模式描述方法：符号串，树，图模式判定：是一种语言，用一个文法表示一个类，m类就有m个文法，然后判定未知模式遵循哪一个文法。理论基础：形式语言，自动机技术主要方法：自动机技术、CYK剖析算法、Early算法、转移图法主要优点：1）识别方便，可以从简单的基元开始，由简至繁。2）能反映模式的结构特征，能描述模式的性质。3）对图象畸变的抗干扰能力较强。主要缺点：当存在干扰及噪声时，抽取特征基元困难，且易失误。三、模糊模式识别模式描述方法：模糊集合A={(ma,a),(mb,b),...(mn,n)}模式判定：是一种集

6、合运算。用隶属度将模糊集合划分为若干子集，m类就有m个子集，然后根据择近原则分类。理论基础：模糊数学主要方法：模糊统计法、二元对比排序法、推理法、模糊集运算规则、模糊矩阵主要优点：由于隶属度函数作为样本与模板间相似程度的度量，故往往能反映整体的与主体的特征，从而允许样本有相当程度的干扰与畸变。主要缺点：准确合理的隶属度函数往往难以建立，故限制了它的应用。四、人工神经网络法模式描述方法：以不同活跃度表示的输入节点集（神经元）模式判定：是一个非线性动态系统。通过对样本的学习建立起记忆，然后将未知模式判决为其最接近的记忆。

7、理论基础：神经生理学，心理学主要方法：BP模型、HOP模型、高阶网主要优点：可处理一些环境信息十分复杂，背景知识不清楚，推理规则不明确的问题。允许样本有较大的缺损、畸变。主要缺点：模型在不断丰富与完善中，目前能识别的模式类还不够多。五、逻辑推理法（人工智能法）模式描述方法：字符串表示的事实模式判定：是一种布尔运算。从事实出发运用一系列规则，推理得到不同结果，m个类就有m个结果。理论基础：演绎逻辑，布尔代数主要方法：产生式推理、语义网推理、框架推理主要优点：已建立了关于知识表示及组织，目标搜索及匹配的完整体系。对需要众

8、多规则的推理达到识别目标确认的问题，有很好的效果。主要缺点：当样本有缺损，背景不清晰，规则不明确甚至有歧义时，效果不好。OUTLINEn一、F集的贴近度n二、F模式识别原则n三、几何图形识别n四、手写文字识别2013/2/2615一、F集的贴近度n贴近度是用以表示两个模糊集接近程度的数量指标,其定义如下:n定义:映射N:F(U)´F(U)®[0