基于加權(quán)直覺模糊相對(duì)熵的模式識(shí)別方法 - 副本(共5頁(yè))_第1頁(yè)
基于加權(quán)直覺模糊相對(duì)熵的模式識(shí)別方法 - 副本(共5頁(yè))_第2頁(yè)
基于加權(quán)直覺模糊相對(duì)熵的模式識(shí)別方法 - 副本(共5頁(yè))_第3頁(yè)
基于加權(quán)直覺模糊相對(duì)熵的模式識(shí)別方法 - 副本(共5頁(yè))_第4頁(yè)
基于加權(quán)直覺模糊相對(duì)熵的模式識(shí)別方法 - 副本(共5頁(yè))_第5頁(yè)
已閱讀5頁(yè),還剩2頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、收稿日期:年月日;修回日期:年月日.基金項(xiàng)目:國(guó)家自然科學(xué)基金(61272011,60773209),國(guó)家重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目(2012ADL-DW0301)。作者簡(jiǎn)介:安東(1975-),男,陜西綏德,講師,主要研究方向?yàn)橹悄苄畔⑻幚??;?jy)加權(quán)直覺模糊相對(duì)熵的模式識(shí)別方法安東(西安外事學(xué)院工學(xué)院,陜西西安,710077)摘 要:針對(duì)現(xiàn)有模式識(shí)別方法難以有效處理模糊(m hu)不確定性信息的不足,給出了直覺模糊相對(duì)熵的定義,并將加權(quán)思想引入到模糊模式識(shí)別中,提出了基于加權(quán)直覺模糊相對(duì)熵的模式識(shí)別方法。新算法準(zhǔn)確地描述和反映了歷史信息的不確定性本質(zhì),有效地實(shí)現(xiàn)了模式識(shí)別的定量分析,提高了復(fù)

2、雜環(huán)境中模式識(shí)別的可靠性及準(zhǔn)確程度,改善了系統(tǒng)的魯棒性能。最后通過(guò)實(shí)例驗(yàn)證了該方法的有效性和優(yōu)越性。關(guān)鍵詞:直覺模糊集;直覺模糊相對(duì)(xingdu)熵;模式識(shí)別中圖分類號(hào):O22 文獻(xiàn)標(biāo)識(shí)碼:A0 引言模式識(shí)別是人工智能的重要研究?jī)?nèi)容,是指利用各種策略和原理將多個(gè)特征向量的數(shù)據(jù)進(jìn)行識(shí)別、分類的優(yōu)化技術(shù)1。其中,伴隨著模糊推理的不斷發(fā)展,基于模糊理論的模式識(shí)別方法引起了眾多學(xué)者的關(guān)注,得到了長(zhǎng)足的發(fā)展,形成一個(gè)獨(dú)特的研究方向,取得了一系列有價(jià)值的理論研究成果2-6。然而,隨著模糊模式識(shí)別理論日趨成熟,其局限性也逐漸凸現(xiàn),經(jīng)典模糊理論由于隸屬度單一不能有效描述和處理復(fù)雜環(huán)境下隨機(jī)、并發(fā)、異步和沖突

3、的不確定性信息,模式識(shí)別的可靠性和準(zhǔn)確程度有待進(jìn)一步提高。因此,模糊模式識(shí)別理論的拓展研究已成為亟待解決的重要問題。直覺模糊集(Intuitionistic Fuzzy Sets, IFS)作為Zadeh模糊集理論的重要擴(kuò)充和發(fā)展,其數(shù)學(xué)描述更加符合客觀世界的模糊本質(zhì),為不確定信息的研究和處理提供了新的思路7,8?;谥庇X模糊理論的模式識(shí)別融合了直覺模糊推理、人工智能和模式識(shí)別等多種技術(shù)的交叉研究方向,其研究對(duì)各相關(guān)學(xué)科有著重要的意義和影響;模糊相對(duì)熵作為信息熵的重要拓展,可有效度量模糊信息間的差異程度9;鑒于此,本文首先規(guī)范了直覺模糊相對(duì)熵的定義,在優(yōu)化權(quán)重系數(shù)的基礎(chǔ)上,提出了基于加權(quán)直覺模

4、糊熵的模式識(shí)別方法。通過(guò)實(shí)例驗(yàn)證,該方法有效克服了模糊模式識(shí)別的缺陷,取得了較好的識(shí)別效果。1 直覺模糊相對(duì)熵定義(dngy)1(直覺(zhju)模糊集7,8)給定論(dngln)域,稱為論域X上的一個(gè)直覺模糊集。其中,分別表示的隸屬度函數(shù)與非隸屬度函數(shù),且,稱為的直覺模糊指數(shù),它是對(duì)猶豫程度的一種測(cè)度。若記直覺模糊分布為,則稱為直覺模糊向量,其中分別屬于的隸屬度與非隸屬度函數(shù)對(duì),且。定義2 (直覺模糊相對(duì)熵)設(shè)為給定論域上的兩個(gè)直覺模糊向量,定義直覺模糊集的相對(duì)熵為: (1)因此,直覺模糊向量的直覺模糊相對(duì)熵可定義為: (2)上式反應(yīng)了兩個(gè)直覺模糊向量之間的差異程度,然而考慮到可以接近于0,

5、這就會(huì)使得直覺模糊相對(duì)熵度量失去意義,故對(duì)(2)式進(jìn)行重新定義: (3)由此可見,被稱為直覺模糊相對(duì)熵,可以用來(lái)衡量直覺模糊集合間的相似程度,可是由于不具有對(duì)稱性,因而,具有對(duì)稱性的直覺模糊相對(duì)熵可定義為: (4)直覺模糊(m hu)相對(duì)熵為兩個(gè)直覺模糊分布的偏差提供了可靠的度量標(biāo)準(zhǔn),兩種概率分布間的直覺模糊相對(duì)熵越小說(shuō)明其分布越一致,反之亦然。2 加權(quán)直覺(zhju)模糊相對(duì)熵直覺(zhju)模糊相對(duì)熵是由n個(gè)直覺模糊分量求和而成的,每個(gè)分量分別代表不同區(qū)間的信息差異,而不同區(qū)間所包含的不確定信息量是不一致的,信息量大的區(qū)間包含的信息往往更豐富,也更重要。因而各區(qū)間所反映的信息的重要程度是不

6、相同的。為了更加突出信息量大的區(qū)間的直覺模糊相對(duì)熵對(duì)總體相對(duì)熵的影響,在進(jìn)行直覺模糊相對(duì)熵識(shí)別時(shí)應(yīng)該將空間信息量大的區(qū)間分配較大的權(quán)重,因此,引入權(quán)重向量,定義加權(quán)直覺模糊相對(duì)熵為: (5)其中,為權(quán)重系數(shù),且。此公式更有普遍的意義。3模式識(shí)別方法在多屬性決策領(lǐng)域中,通常要進(jìn)行最優(yōu)方案的識(shí)別,這里所指的方案集是指論域X上的直覺模糊子集,所謂最優(yōu)方案識(shí)別,主要是考察與標(biāo)準(zhǔn)直覺模糊向量最“貼近”直覺模糊子集。給定標(biāo)準(zhǔn)參考直覺模糊向量,表示直覺模糊子集的集合,設(shè)是待識(shí)別模型,進(jìn)行直覺模糊模式識(shí)別就是要判斷與哪個(gè)參考向量最貼近,這類問題可通過(guò)貼近度,按擇近原則來(lái)識(shí)別。定義3 (最大最小貼近度)設(shè)為給定

7、有限論域上的直覺模糊子集。則稱 (6)為最大最小貼近(tijn)度,當(dāng)時(shí),說(shuō)明(shumng)最接近(jijn)。由此可見,傳統(tǒng)的直模糊模式識(shí)別方法是采用最大最小貼近度按照擇近原則判定待識(shí)別向量的屬性,算法簡(jiǎn)單,但沒有充分考慮待識(shí)別向量所包含的信息特性,忽略了歷史信息的隨機(jī)依賴性,模型的泛化性能有限10。本文提出了基于加權(quán)直覺模糊相對(duì)熵的模式識(shí)別方法可有效克服傳統(tǒng)方法的理論缺陷,不僅提高了系統(tǒng)的識(shí)別性能而且可以獲取更多的識(shí)別信息。其算法的具體步驟可表示為:Step1:數(shù)據(jù)的直覺模糊化預(yù)處理;如果待識(shí)別向量本身就是直覺模糊向量,則可以直接使用。否則,若待識(shí)別向量為普通模糊向量,則令猶豫度函數(shù)為零

8、,將模糊向量轉(zhuǎn)換為直覺模糊向量進(jìn)行識(shí)別。Step2:確定權(quán)重系數(shù);Step3:選取參考標(biāo)準(zhǔn)直覺模糊向量集; Step4:根據(jù)(5)式計(jì)算直覺模糊向量間的加權(quán)直覺模糊相對(duì)熵,選取最小的加權(quán)直覺模糊相對(duì)熵為最終識(shí)別結(jié)果。4 算法應(yīng)用為了驗(yàn)證識(shí)別算法的有效性,本文選取文獻(xiàn)10中的模糊識(shí)別實(shí)例進(jìn)行直覺模糊模式識(shí)別,取猶豫度參數(shù)為0,則待識(shí)別向量與參考向量取值如表1所示。表1 待識(shí)別與參考標(biāo)準(zhǔn)直覺模糊向量取值表待識(shí)別向量參考直覺模糊向量集為方便比較取權(quán)重向量。分別采用最大最小貼近度和加權(quán)直覺模糊相對(duì)熵方法進(jìn)行模式識(shí)別,計(jì)算對(duì)比結(jié)果如表2所示。表2 待識(shí)別向量與參考標(biāo)準(zhǔn)向量比較數(shù)值表方 法分 組y1y2y

9、3y4y5y6N(A,B)0.33330.37780.45450.43380.88240.4565F(A,B)0.76590.44730.26680.53240.20130.6548由此可見,本文識(shí)別結(jié)果與文獻(xiàn)10的試驗(yàn)結(jié)果是一致的,但本文方法引入了直覺模糊理論進(jìn)行模糊模式識(shí)別,增強(qiáng)了系統(tǒng)對(duì)不確定模糊信息的描述和處理功能,可以獲取更多的歷史(lsh)信息,模型的泛化性能得到了進(jìn)一步增強(qiáng)。5 結(jié)論(jiln)本文(bnwn)綜合運(yùn)用直覺模糊理論和信息論中熵等原理,給出了直覺模糊相對(duì)熵的定義,提出了基于加權(quán)直覺模糊相對(duì)熵的模式識(shí)別方法,充分利用了直覺模糊集對(duì)模式識(shí)別中歷史信息的不精確性描述和推理方

10、面的優(yōu)勢(shì),較大程度地提高了系統(tǒng)的識(shí)別性能。如何優(yōu)化權(quán)重系數(shù)的選擇,將是下一步研究的重點(diǎn)。參考文獻(xiàn)1 Kudo,M., Sklansky,J. Comparison of algorithms that select features for pattern classifiers. Pattern Recognition, 2000,33(1):2541.2 Isabelle Bloch. On links between mathematical morphology and rough sets. Pattern Recognition. 2000,33:1487-1496.3 Wan S

11、hu-ping. Applying interval-value vague set for multi-sensor target recognition J. International Journal of Innovative Computing, Information and Control, 2011,7(2):955-963.4 張振華,楊靜宇,葉有培,張倩生.帶參數(shù)區(qū)間值直覺模糊集及其在模式識(shí)別中的應(yīng)用J. 計(jì)算機(jī)科學(xué), 2011, 38(9): 215-219.(ZHANG ZH, YANG JY, YE YP, ZHANG QS. Interval Valued Intu

12、itionistic Fuzzy Sets with Parameters and its Application in Pattern RecogitionJ Computer Science, 2011, 38(9): 215-219.)5 張振華,楊靜宇,葉有培,張倩生. 一種新區(qū)間值vague集及其在模式識(shí)別中的應(yīng)用J. 計(jì)算機(jī)科學(xué), 2011, 38(10): 194-198.(ZHANG ZH, YANG JY, YE YP, ZHANG QS. Novel Interval Valued Vague Sets and its Application in Pattern Reco

13、gitionJ Computer Science, 2011, 38(10): 194-198.)6.Zhang Qian-sheng, Yao Hai-Xiang, Zhang Zhen-hua. Some similarity measures of interval-Valued intuitionistic fuzzy sets and application to pattern recognitionJ. International Journal of Applied Mechanics and Materials, 2011,44-47:3888-3892.7 Oscar Ca

14、stillo, Arnulfo Alanis, Mario Garcia. Hector Arias An intuitionistic fuzzy system for time series analysis in plant monitoring and diagnosisJ. Applied Soft Computing. 2007,7:12271233.8 雷英杰,王寶樹,苗啟廣. 直覺模糊關(guān)系及其合成運(yùn)算J. 系統(tǒng)工程理論與實(shí)踐, 2005, 25 (2): 113-118 &133. (LEI YJ, WANG BS, MIAO QG. On the Intuitionistic

15、 Fuzzy Relations with Compositional Operations J. Systems Engineering Theory and practice, 2005, 25 (2): 113-118 &133. )9 胡為, 胡靜濤. 加權(quán)模糊相對(duì)熵在電機(jī)轉(zhuǎn)子故障模糊識(shí)別中的應(yīng)用J. 信息與控制, 2009, 38(3): 327-340. (HU W, HU JT.Application of Weighted Fuzzy Relative Entropy to Fuzzy Recognition of Motor Rotor Fault J. Information and Control, 2009, 38(3): 327-340.)10 萬(wàn)暉, 杜凱. 模糊相對(duì)熵及在模式識(shí)別中的應(yīng)用J. 西北大學(xué)學(xué)報(bào)(自然科學(xué)版), 2006, 36(2): 189-192. (WAN H, DU K. Fuzzy relative entropy and its application

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論