一种基于模糊椭球数的模糊模式识别方法技术

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
一种基于模糊椭球数的模糊模式识别方法
本专利技术属于模式识别领域，具体涉及一种基于模糊椭球数的模糊模式识别方法。
技术介绍
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。
技术实现思路
本专利技术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，本专利技术提出了一种基于模糊椭球数的模糊模式识别方法。本专利技术采取以下技术方案：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νi(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Oi(i＝1,2,…,l)，随机任取mi个样本，并获得mi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Oi(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，NLij和NRij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：其中，为第i个标准类别的第j个特征值的均值，为第i个标准类别的第j个特征值的左离散度，为第i个标准类别的第j个特征值的右离散度，λ∈[2,4]为一可视实际情况选定的参数。进一步地，所述的抛物模糊椭球数νi具体表达如下：抛物模糊椭球数νi由n对以下方程所决定：其中，为第i个标准类别的第j个特征值的均值，为第i个标准类别的第j个特征值的左离散度，为第i个标准类别的第j个特征值的右离散度，λ∈[2,4]为一可视实际情况选定的参数，为标准类中各个特征的实际取值范围，r为隶属度。进一步地，所述第四步的具体方法为：利用联合隶属度逼近算法，得到待辨识目标对于标准类别的隶属度的逼近值。进一步地，所述联合隶属度逼近算法为已知待识别目标和迭代阈值，该算法过程具体如下：(1)对于待识别目标为X＝(x1,x2,…,xn)T，迭代阈值为δ0，将待识别目标带入每个类别的模糊椭球数方程：(2)当fi(0)≥1时，则νi(X)＝0，即X属于第i个标准类别的隶属度为0，算法停止；当fi(1)≤1时，则νi(X)＝1，即X属于第i个标准类别的隶属度为1，算法停止；(3)当fi(0)＜1且fi(1)＞1时，令p＝1，则(4)当时，则即X属于第i个标准类别的隶属度为算法停止；(5)当时，将代入fi(r)，如果fi(r)≤1，则返回第(4)步；如果fi(r)＞1，则返回第(4)步。其中，为第i个标准类别的第p轮的下限，为第i个标准类别的第p轮的上限。进一步地，所述第五步的具体方法为：利用最大隶属度原则，可得到待辨识目标的分类为Ok类，其中k满足νk(X)＝max{ν1(X),ν2(X),…,νl(X)}，即待辨识目标属于所有标准类别的联合隶属度逼近值最大的那一类，其中，νk(X)为待辨识目标X属于标准类别k的联合隶属度，k∈[1,2,…,l]。与现有技术相比，本专利技术具有如下优点：1、本专利技术提出了利用模糊椭球数构造模糊目标的隶属函数。2、本专利技术还提出了联合隶属度逼近算法，用于计算联合隶属度的逼近值，结果更合理。3、本专利技术对于模糊模式识别的结果不因某个因素的变动而轻易改变，具有鲁棒性强的特点。附图说明图1为本专利技术提供的一种基于模糊椭球数的模糊模式识别方法的分析流程图。具体实施方式下面结合附图对本专利技术实例作详细说明。本实例按照图1的分析流程进行基于模糊椭球数的模式识别方法。实例具体如下：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。对于每个标准类别Oi(i＝1,2,…,l)，随机任取mi个样本，并获得mi个样本的观测值：假设在某农业区只种植“高肥高产型”(记为O1)和“中肥高产型”(记为O2)两种小麦。它们主要有4个特征：抽穗期(用x1表示)、株高(用x2表示)、穗粒数(用x3表示)、百粒重(用x4表示)。假设通过随机抽样调查，获得下面两组分别来自O1和O2的数据，如表1及表2所示：表1表2假设待识别目标为一株小麦样本(记为X)，它的抽穗期、株高、穗粒数、百粒重依次为x1＝7.3，x2＝79，x3＝44，x4＝3.7。第二步：计算每个Oi(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，NLij和NRij分别是满足和的样本的个数。对于O1，有μ11＝8.29，μ12＝74.49，μ13＝46.14，μ14＝3.91；Lσ11＝0.86，Lσ12＝6.36，Lσ13＝2.95，Lσ14＝0.36；Rσ11＝0.37，Rσ12＝3.41，Rσ13＝1.89，Rσ14＝0.43。对于O2，有μ21＝7.00，μ22＝80.63，μ23＝42.96，μ24＝3.64；Lσ21＝0.56，Lσ22＝5.89，Lσ23＝4.72，Lσ24＝0.16；Rσ21＝0.96，Rσ22＝4.81，Rσ23＝4.72，Rσ24＝0.18。第三步：构造标准类别的锥模糊椭球数u或抛物模糊椭球数v。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：其中，为第i个标准类别的第j个特征值的均值，为第i个标准类别的第j个特征值的左离散度，为第i个标准类别的第j个特征值的右离散度，λ∈[2,4]为一可视实际情况选定的参数。具体的，取[αj,βj]＝(0，+∞)(j＝1,2,3,4)，λ＝4，由此可得“高肥高产型”和“中肥高产型”两种小麦的抛物模糊椭球数分别为第四步：通过抛物模糊椭球数ν分别计算左边缘隶属函数νi(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。具体的，对于任意r∈[0,1]，具体的，联合隶属度逼近算法的过程如下：(1)对于待识别目标为X＝(x1,x2,x3,x4)T，设置迭代阈值为δ0＝0.000001，将待识别目标带入每个类别的模糊椭球数方程：(2)当fi(0)≥1时，则νi本文档来自技高网...

【技术保护点】
1.一种基于模糊椭球数的模糊模式识别方法，其特征在于，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

【技术特征摘要】
1.一种基于模糊椭球数的模糊模式识别方法，其特征在于，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νi(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。2.根据权利要求1所述的一种基于模糊椭球数的模糊模式识别方法，其特征在于，所述第一步的具体方法如下：对于每个标准类别Oi(i＝1,2,…,l)，随机任取mi个样本，并获得mi个样本的观测值：3.根据权利要求1所述的一种基于模糊椭球数的模糊模式识别方法，其特征在于，计算每个Oi(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，NLij和NRij分别是满足和的样本的个数。4.根据权利要求1所述的一种基于模糊椭球数的模糊模式识别方法，其特征在于，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：其中，为第i个标准类别的第j个特征值的均值，为第i个标准类别的第j个特征值的左离散度，为第i个标准类别的第j个特征值的右离散度，λ∈[2,4]为一可视实际情况选定的参数。5.根据权利要求4所述的一种基于模糊椭球数的模糊模式识别方法，其特征在于，所述的抛物模糊椭球数νi具体表达如下：抛物模糊椭球数νi由n对以下方程所决定：...

【专利技术属性】
技术研发人员：王桂祥，徐益峰，沈晨杰，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33