1、模型識別的問題提出

模型識別，通俗地理解即是對一個類別未知的對象進行歸類（或者叫分類）。這里與聚類不同的是，聚類實際上是要區分出已有的樣本哪些屬于同一類，但并沒有參考標準。而識別則事先有參考的標準，在此前提下對模型進行識別。

簡單抽象描述這一問題即是，現有對象

，它有多種屬性，此時有標準模型，如何通過一系列的方法來判斷對象 究竟屬于哪一種類型。比如醫生通過病人的癥狀進行診斷（判斷其屬于哪種疾病），農業中對作物進行分級等，都屬于模型識別問題。

2、預備知識

• 模糊向量：所有元素均在 上取值的向量可稱為模糊向量。如：

模糊向量可以用于表示一個模糊集

：

其中

表示該模糊集的隸屬度函數。

• 模糊向量的內積：

• 模糊向量的外積：

3、最大隸屬度原則

• 最大隸屬原則 I ： 設論域 上有 個模糊 子集 (即 個模型),構成一個標準模型庫,若對任一 有 , 使得 則認為 相對隸屬于 .

這里需要稍作解釋。上述內容里面

即是 個標準模型，而 是待識別的對象。上面公式的意思通俗的解釋即是：它相對哪一個模型的隸屬度最大，那么它就屬于哪個模型。

• 例：考慮年輕、中年、老年的三類標準模型分別定義如下：

那么考慮

：，此時應屬于中年人

再考慮

: ，按照這一標準，35歲也應該算作中年人。

4、小結

由上述描述可見，模糊模型識別的操作過程實際上是比較簡單的。但這里也很容易看出一個問題，在上例中我們是直接給出了隸屬度函數，然而這種做法顯然并不是最好的。因為可以看到35歲也被歸為了中年人之列。那么容易看到不同隸屬度函數對應的是不同的選擇標準，因此合理的隸屬度函數是合理的識別方法的前提。

關于隸屬度函數的選取，前文中已經講過，可以參考：

模糊數學筆記：三、模糊隸屬度函數的確定及常用隸屬度函數_半個馮博士-CSDN博客_連續型 隸屬度函數?blog.csdn.net

總結

以上是生活随笔為你收集整理的最大隶属度原则_模糊数学笔记：六、模糊模型识别-I（最大隶属度原则）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。