[发明专利]一种基于模糊椭球数的模糊模式识别方法

说明书

本发明公开了一种基于模糊椭球书的模糊识别方法，其按如下步骤进行：第一步：获取待辨识的目标或l个标准类别的观测数据组；第二步：计算第一步中标准类别各个特征的均值u、左离散度Lσ和右离散度Rσ；第三步：构造标准类别的抛物模糊椭球数u；第四步：利用联合隶属度逼近算法，计算待辨识目标分别对应各标准类别的隶属度；第五步：根据最大隶属度原则，判定待辨识目标的模式分类。本发明可以合理构造模糊对象的隶属函数，准确地对模糊对象的识别问题进行模糊模式识别。

技术领域

本发明属于模式识别领域，具体涉及一种基于模糊椭球数的模糊模式识别方法。

背景技术

模式识别目前是人工智能研究的一个重要的研究领域，要让计算机拥有模仿人逻辑推理的能力，它就应当有学习的过程。随着现代科学特别是计算机科学的发展，社会科学和自然科学之间正在相互渗透，过去那些似乎与数学关系不大的学科，如生物学、心理学、语言学等，都迫切地要求定量化和数学化，由这些科学本身的特点所决定，必然使人们遇到大量的模糊概念，由此模糊模式识别方法便应运而生。

对于多因素的模糊模式识别，人们常用三角形模糊数构造多维模糊数的隶属函数，而其联合隶属度仅依赖于各分量隶属度的最小值，即导致多因素目标的其中某一个因素便决定了联合隶属度。这显然是不够客观和理性的，从而可能导致识别结果不正确。

发明内容

本发明的目的在于提供一种基于模糊椭球数的模糊模式识别方法，能够在不确定或不精确的环境下，基于联合隶属度逼近算法获得联合隶属度的逼近值，再利用最大隶属度原则，对多通道不确定数字信息进行模式识别。

为实现上述目的，本发明提出了一种基于模糊椭球数的模糊模式识别方法。

本发明采取以下技术方案：

一种基于模糊椭球数的模式识别方法，其按如下步骤进行：

第一步：获取待辨识的目标的观测数据组或l个标准类别的观测数据组；

第二步：计算第一步中标准类别的观测数据组各个特征的均值u、左离散度Lσ和右离散度Rσ；

第三步：构造标准类别的抛物模糊椭球数ν；

第四步：通过抛物模糊椭球数ν分别计算左边缘隶属函数ν_i(r)和右边缘隶属函数然后利用联合隶属度逼近算法，计算待辨识目标对于标准类别的隶属度；

第五步：根据第四步中获得的隶属度，利用最大隶属度原则，判定待辨识目标的模式分类。

进一步地，所述第一步的具体方法如下：

对于每个标准类别O_i(i＝1,2,…,l)，随机任取m_i个样本，并获得m_i个样本的观测值：

进一步地，所述第二步的具体方法如下：

计算每个O_i(i＝1,2,…,l)的n个特征值的均值左离散度和右离散度的方法如下所示：

其中表示第i个标准类第k个样本的第j个特征的观测值，N_Lij和N_Rij分别是满足和的样本的个数。

进一步地，所述第三步的具体方法为：

考虑标准类中各个特征的实际情况，限定其最大取值范围为

构造抛物模糊椭球数νⁱ(i＝1,2,…,l)如下：