4.1 系統介紹

1965年美國加利福尼亞大學自動控制專家C.A.Zadeh教授首次發表論文Fuzzy Sets，從此一門研究事物模糊性的新興學科——模糊數學應運而生了。在信息科學、系統工程、生物科學、社會科學、心理學、醫學等方面都有廣泛的應用。

模糊集理論是對傳統集合理論的一種推廣，在傳統集合理論中，一個元素或者屬于一個集合，或者不屬于一個集合；而對于模糊集來說，每一個元素都是以一定的程度屬于某個集合，也可以同時以不同的程度屬于幾個集合。精確性與模糊性相對立，是當今科學發展所面臨的一個十分突出的矛盾。各門學科迫切要求數字化、定量化，但科學的深入發展意味著研究對象的復雜化，而復雜的東西又往往難以精確化。電子計算機的出現，可以在一定程度上解決這個矛盾，然而計算機的應用也更深刻地暴露了這個矛盾。原先的基于數學公式基礎上的程序，要求高度精確，但機器所執行的日益繁雜的任務，往往無法實現高度精確。當一個系統的復雜性增加時，其精確化的能力將降低。當達到一定的閾值限度時，復雜性和精確度將相互排斥。因此，如何對模糊信息進行處理，如何使計算機帶有接近人類的智能，對簡化模式識別系統使其更加實用可靠非常重要，這無疑是一個帶有戰略性的科研課題。

人對于客觀事物的認識往往帶有模糊性，例如，人們常說的“年輕”、“老年”、“高矮”、“胖瘦”等都是帶有模糊性的語言，人類大都用這些模糊的詞語來交流思想、互通信息，然后進行推理分析、綜合判斷，最后做出決策。客觀事物是有確定性的，而反映在人的認識上卻帶有模糊性，人對于客觀事物的識別往往只通過一些模糊信息的綜合，便可以獲得足夠精確的定論。例如，從遠方走來一個人，如果對這個人比較熟悉，只要從來人的“高矮”、“胖瘦”、“穿戴特點”等模糊信息，就可以判斷“大概是××”。模式識別這門學科的目的是把人類大腦的感覺、分析推理、決策分類等能力用計算機來實現。因此，如何對模糊信息進行處理，使計算機接近人類的智能，是當前非常重要的研究課題。

聚類分析是對探測數據進行分類分析的一個工具，許多學科要根據所測得的或感知到的相似性對數據進行分類，把探測數據歸入到各個聚合類中，且在同一個聚合類中的模式更相似，從而對模式間的相互關系做出估計。想要對不同的物體進行歸類須掌握以下內容：

·聚類的基本概念；

·對圖像進行分割，找出各個物體，對物體進行標識；

·對各個物體進行測量，提取各個物體的特征值；

·根據這些特征值，應用聚類算法進行相似性分析，然后歸類。

本章就以圖形圖像為例，設計一個基于模糊聚類的圖形識別系統。經實驗，在選取閾值合適的條件下，能夠實現不同圖形的正確聚類。