模糊分類

模糊分類是分類學中的一個觀點。

確定性的分類計數要求將模式明確的劃分為某個類別，就像數學中的集合一樣，不存在模稜兩可。然而大量的事物往往是無法精確描述的，而且有時也不需要那么精確。將模式劃分成類別是人類具有抽象化思維的本領，對事物的正確劃分要么是由於問題確實能夠被精確描述，要么是因為人們能夠抓住模糊事物的本質進行概括和歸納。而對於計算機來說，要設計出可以計算的方式去描述事物是極其困難的，因此美國控制論專家Zadeh從集合論中引出模糊子集的概念，誕生了模糊數學，這一數學思想被引入模式識別領域。遙感圖像像元所描述的對象由於各種原因往往也具有模糊的特性（比如，混合像元如果從精度的角度出發不應當被劃歸為某一類別。因此遙感界也進行模糊分類研究。）

基本介紹

• 中文名：模糊分類
• 外文名：Fuzzy classification
• 分類：模糊集合F
• 特點：任意的x屬於U

模糊分類

給定類域U上的一個模糊集合F是指：對於任意的x屬於U，確定了一個數uF(x),uF(x)屬於[0,1]，其中uF(x)為x對F的隸屬度函式。當uF(x)屬於{0,1}時，F退化為普通集合。隸屬函式uF(x)>0，則x就是模糊集合的一個元素，由於隸屬度不同它們對外界的作用也不同，而x則既可以歸屬於F，也可以歸屬於F的補集。

模糊集合中也定義了類似於普通集合的各種運算（如：相等、包含、交、並、余、差集等）以及各種運算的性質，可以用來操作和使用模糊集合。模糊集合的核心是隸屬度函式的確定，隸屬度函式對模糊集合的套用效果有很大的影響。確定隸屬度函式的過程與實際套用背景有很大關聯性，沒有通用的方法。

數學公式

模糊統計法

uF(u.)=lim(u.屬於F*的次數)/n，式中F*——與模糊集合相聯繫的普通集合，此方法類似於投票選舉

二元對比排序

對類域U中的元素xi按照某種特性在兩兩對比中建立比較值，然後在相對比較值的基礎上通過某些計算方法確定總體隸屬度。