模糊模式识别

机器视觉原理与案例详解
工控帮教研组编著
电子工业出版社
2020.7
ISBN 978-7-121-39084-5

一、模糊模式识别

1、定义

• 模糊模式识别是以模糊集合和模糊理论为支撑的一种识别方法。

2、模糊理论

• 模糊集合是没有明确边界的集合。
  例如，“水很烫”“枇杷很大”“某学生的考试成绩一般”“这件衣服很贵”等，这些都是模糊集合。
  尽管如此，仍可以通过一些方法表示出来，因此，也可以认为这些集合是清晰的。

• 模糊理论是通过隶属函数来描述元素的集合程度，主要用于解决不确定性的问题。
  在平常的事物中，由于噪声、扰动、测量误差等因素的影响，使得不同模式的边界不明确，因此在模式识别中，可以利用模糊理论的方法对模式进行分类，从而解决问题。

3、优点

• 在模糊模式识别中，利用隶属函数作为样本和模板的度量，能够较好地反映模式的整体特征，并且针对样品中的干扰、噪声或畸变具有很强的剔除能力。

4、缺点

• 模糊规则往往是根据经验得出的，难以建立准确、合理的隶属函数，从而限制了模糊模式识别的应用。