地理系统的模式识别的模糊集方法

---

已知各种类型来识别给定对象属于哪一类型的问题，这就是模式识别所要解决的问题。

设U是待识别对象的全体，它是一个集合。U中的对象u常用有限个参数值来刻划，每个参数所刻划的是u的某个特征。于是对象u就伴随著一个向量P(u)=(u₁，u₂，…，u_m)，其中u_i是u在第i个特征上的赋值，P(u)称为u的模式，模式识别的任务是将对象归入一个与它相类似的类型中。

按照扎德的意见，这样的类型通常是一个模糊集。

假设有n个模糊集A₁，A₂，…，A_n(代表n种类型)，当一个识别算法作用于对象u时，就产生隶属度μAi(u)，(i=1，2，…，n)，表示对象u属于类型A_i的程度。若一个识别算法的清晰描述已经给出，这个算法称为明确的，若算法没有清晰描述，这样的算法称为不明确的。

人们通常是通过不明确的算法来直接对对象u进行识别，而模式识别则是一个不明确的算法转换为明确的算法，从对对象本身进行识别转化为对它的模式进行识别。

识别工作原则上分三步进行：

(1)特征抽出：从对象u中提出与识别有关的诸特征，并测出u在各特征上的具体数据，将u转换为模式P(u)=(u₁，u₂，…，u_m)。

(2)建立隶属函数：建立一个明确的算法产生隶属函数μAi，(i=1，2，…，n)。u属于Ai的隶属度μAi(u)依赖于u₁，u₂，…，u_m。

(3)识别判决：按某种归属原则对u进行判决，指出它应归属哪一类型。

这种方法在各学科中得到广泛地应用，不过只是初步的。

实践证明，这种方法有其广阔的发展前途。