中科院《模式识别》课件——第八.ppt

8.4 模糊聚类方法 改进的模糊C均值算法 改进的模糊C均值算法较前面提到的模糊C均值算法具有更好的鲁棒性，它不但可以在有孤立样本存在的情况下得到较好的聚类效果，而且可以放松隶属度条件，而且因为放松了隶属度条件，使最终聚类结果对预先确定的聚类数目不十分敏感。 与确定性C均值算法和模糊C均值算法一样，改进的模糊C均值算法仍然对聚类中心的初值十分敏感，为了得到较好的结果，可以用确定性C均值算法或模糊C均值算法的结果作为初值。 8.5 讨论 模糊集理论是为了表达人的自然语言和推理中的不确定方面而提出的，因此其应用中往往不可避免地带有一定的主观因素，比如隶属度函数的选取、模糊推理规则等，也正因为如此，它能够比较好地把人们的先验知识和常识加到一个智能系统中。 虽然人们也试图用传统概率论来描述模糊理论，指出它在本质上与传统的概率论是一致的，但是至少从工程应用的角度看，模糊技术仍有它十分重要的优势。 概率意义上的不确定性和模糊概率意义上的不确定性的含义还是有区别的。 8.5 讨论 模糊集理论从一开始就和推理系统结合得更紧密，因此在模式识别中，模糊技术在句法模式识别中的应用也非常活跃。 在诸如决策树这种推理性质的模式识别系统中，模糊逻辑也得到了很好的应用。 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * 第八章 模糊模式识别方法简介 8.1 引言 1965年，Zadeh提出了著名的模糊集理论，创建了一个新的学科 —— 模糊数学 (L.A. Zadeh, “Fuzzy Sets”, Information and Control, Vol. 8, 1965, 338-353.) 。 模糊集理论是对传统集合理论的一种推广 在传统集合理论中，一个元素或者属于一个集合，或者不属于一个集合； 对于模糊集而言，每一个元素都是以一定的程度隶属于某个集合，也可以同时以不同的程度属于几个集合。 现实生活中大量使用的一些含义确定但又不准确的语言表述，比如“今天天气很热”，“车速很高”等，模糊数学能够较好地表达。 8.1 引言 模糊数学的几种不同名称 模糊集：它是相对于经典的集合理论而言的； 模糊逻辑：它是相对于传统的“是或者不是”而言的； 模糊数学是一种更广泛的叫法，更倾向于指从数学角度对模糊集和模糊逻辑的研究； 从应用的角度，很多人习惯于用模糊系统的称法，用来指采用了模糊数学思想和理论的方法或系统，而其中采用的一些技术往往称为模糊技术或模糊方法。 模糊数学名词本身也具有很大的模糊性，但其实质都是基本相同的，因此这里不去严格区分这些说法。 8.1 引言 模糊数学的应用 将模糊技术应用于各个不同领域，产生了一些新的学科分支 和人工神经网络相结合，产生了模糊神经网络； 应用到自动控制中，产生了模糊控制技术和系统，并得到了很好的效果（地铁模糊控制系统，洗衣机、电饭锅的模糊控制等）； 应用到模式识别领域，产生了模糊模式识别。 8.1 引言 模糊模式识别的形成 模式识别从一开始就是模糊技术应用研究的一个活跃领域 人们针对一些模糊式识别问题设计了相应的模糊模式识别系统； 对传统模式识别的一些方法，人们用模糊数学对它们进行了改进。 模糊技术在模式识别中的研究与应用逐渐形成了模糊模式识别这一新的学科分支。 8.2 模糊集的基本知识 隶属度函数 隶属度函数是表示一个对象x隶属于集合A的程度的函数，通常记作μA(x) 其自变量范围是所有可能属于集合A的对象（即集合A所在空间的所有点），取值范围是[0, 1]，即 ； μA(x)=1表示x完全属于集合A，相当于传统集合概念上的 ； μA(x)=0表示x完全不属于集合A，相当于传统集合概念上的 。 8.2 模糊集的基本知识 模糊集合 一个定义在空间X={x}上的隶属度函数就定义了一个模糊集合A，或者叫做定义了在空间X={x}上的一个模糊子集A。 对于有限个对象，模糊集合A可以表示为 或者写成 8.2 模糊集的基本知识 模糊集合 借用传统集合中的概念，模糊集合中的xi仍然称为模糊集A中的元素。 与模糊集相对应，传统的集合可以称作确定集合或脆集合（通常在没有指明是模糊集时所说的集合是指确定集合）。 空间X中A的隶属度大于0的对象的集合叫做模糊集A的支持集S(A)，即 支持集中的元素称作模糊集A的支持点，或不严格地称作模糊集A的元素。 确定集可以看作是模糊集的特