基于模糊理论的关键词识别算法

模糊模式识别

第6讲模糊模式识别 （第三章模糊模式识别） 一、模式识别一般原理 1.模式识别的概念 模式识别是人工智能的一个重要方面，也是一门独立的学科。 模式：用数学描述的信息结构或观察信号。 模式识别就是把要辨别的对象，通过与已知模式进行比较，从而确定出它和哪一个模式相类同的过程。 2.模式识别系统 人们识别事物时，首先要对事物进行观察，抓住特点，分析比较，才能加以判断和辨别，而机器进行模式识别也同样要有这些过程。因此模式识别系统通常由以下四个部分构成： ①传感器部分：这是获取信息的过程。比如摄像头就象人的眼睛，把图像信息变为电信

号，麦克风象人的耳朵，获取声音信号，又如霍尔元件可以感受磁场，压电陶瓷可以把力转换为电信号等等。 ②预处理部分：这是对信息进行前端处理的过程。它把传感器送来的信号滤除杂波并作规范化、数字化。 ③特征提取部分：这是从信号中提取一些能够反映模式特征的数据的过程。 ④识别判断部分：这是根据提取的特征，按照某种归类原则，对输入的模式进行判断的过程。 二、模糊模式识别 模糊模式识别主要是指用模糊集合表示标准模式，进而进行识别的理论和方法。主要涉及到三个问题：（1）用模糊集合表示标准模式；（2）度量模糊集合之间的相似性；（3）模糊模式识别的原则。 例3.1 邮政编码识别问题 识别：0，1，2，……，9 关键：1）如何刻化，0，1，……，9（如何选取特征？）（区分）

2）如何度量特征之间的相似性？ 1．模糊集合的贴近度 贴近度是度量两个模糊集合接近（相似） 程度的数量指标，公理化定义如下： 定义3.1 设,,()A B C F X ∈，若映射 []:()()0,1N F X F X ?→ 满足条件： ①(,)(,)N A B N B A =； ②(,)1,(,)0N A A N X φ==； ③若A B C ??，则 (,)(,)(,)N A C N A B N B C ≤∧。 则称(,)N A B 为模糊集合A 与B 的贴近度。 N 称为()F X 上的贴近度函数。 这个定义实际上是对贴近度提出了几个 准则，并没给出具体的贴近度。 2．常用的贴近度 ①海明贴近度 若{}12,,...,n X x x x =，则 111(,)1()()n i i i N A B A x B x n ==--∑ 若[,]X a b R =?,则

三角形类型的模糊模式识别

三角形类型的模糊模式识别 摘要：三角形类型的模糊模式识别问题，在生物细胞染色体形状的识别、癌细 胞以及白血球分类等问题中有很大意义。发现传统方法和参考论文所提出的新方法在某些三角形判断中的不足，故提出基于给定阈值5.0=λ的最大隶属度原则，提出关于三角形角度的指数型隶属度函数，并与其它两种方法进行对比，结果表明指数函数性质使所求得的隶属度差距较大、区别明显，便于识别，并且更贴近于人们的直观理解，能更好的实现三角形的分类。 关键词：三角形；最大隶属度原则；阀值原则；指数型隶属度函数 1、基本概念 a) 最大隶属度原则：当模式是模糊的，被识别对象时明确的，问题可以描述成：设~ ~ 2~ 1,...,,n A A A 是论域U 中的n 个模糊模式。0U 是U 中一个元素。若 有},...,2,1{n i ∈，使：()()}{max 010~ ~ u u j i A n j A μμ≤≤= 则认为0U 相对隶属于模式~ i A ，并称这种识别方法为最大隶属度原则。 b) 阀值原则：设~ ~ 2~ 1,...,,n A A A 是论域U 中的n 个模糊模式，规定一个阀值 ](1,0∈λ，U u ∈为一个待识别对象。若()()()λ<},...,,max{~ ~ 2~ 1u A u A u A n ，则 作为“拒绝识别”的判断；若()()()λ≥},...,,max{~ ~ 2~ 1u A u A u A n ，并且有k 个模 式()()()u A u A u A ik i i ~ ~ 2~ 1,...,,大于或等于λ，则认为识别可行。 2、指数型隶属度函数的建立 设三角形的三个内角分别为C B A ,,，并且约定0>≥≥C B A 。取特征因子集 ()}0,180,,{>≥≥=++=C B A C B A C B A U ο。 根据三角形的特征，在U 中规定5个具体的三角形：等腰三角形~ I ；直角三 角形~ R ；等边三角形~ E ；等腰直角三角形~ IR ；非典型三角形~ O 。各隶属度函数 定义如下： a) 等腰三角形~ I ：因为等腰三角形满足B A =或C B =，故：