4/10

gt93

傍晚的小雨给炎热的夏天带来了一丝尴尬，今天的课程介绍了模糊集、模糊模式识别和模糊聚类。模糊集就是每个元素都有隶属度的集合，主要是构建隶属函数，隶属函数的确定采用模糊分布法，将隶属函数看成一种模糊分布。First选分布，next确定参数。常用的分布有梯形分布、抛物线型和柯西分布，参数的确定要理由充足。例如，人们公认A（35）=1/2。35岁是一个尴尬的年纪，不年轻也不老，带回方程求得参数a=1/100。模糊模式分为2类。1：个体对集，识别准则是最大隶属度。2：集对集，识别准则是择近原则。模糊集的贴近度有海明贴近度、欧几里德贴近度和格贴近度，都一样不分好坏。模糊识别的额步骤是：1建立隶属函数2：计算贴近度3.最大隶属度原则和择近原则。接下来介绍了模糊聚类问题，First数据标准化，m个对象,n个指标，生成m*n矩阵。Second建立模糊相似矩阵，元素属于[0,1]的矩阵称为模糊相似矩阵，且rij=rji , rii=1的矩阵称为模糊相似矩阵。相似系数介绍了夹角余弦法，百度的搜索引擎就是这一原理，但是算法高明的多。Next模糊聚类采用传递闭包法。Last人以类聚，模糊聚类采用类内距和类间距判断聚类的好坏，在聚类时可计算出不同类水平的λ的F值，最大的F值对应的λ即为最佳的分类水平。下午上机没有用层析分析法解选拔18名学生那一题，实在没有勇气建立6个20*20矩阵，默默的放弃自己的想法，许峰说灰色关联比较适合，于是跑了GIA，然后跑了2个灰色预测GM11模型，领悟了灰色预测需要累加、指数模型，而灰色关联分析不需要。自己水平较低，昨天写错了，请多包涵。接下来用模糊聚类fuzzy_cluster.m跑了相貌分类，城市分类(稍有一点bug)，还有一个不知所云的分类。后来简单跑了一个茶叶分类的模糊识别程序。在学习linux的时候，会遇到很多很多的麻烦，论坛百度求助呼声一片，菜鸟的我收到过一段中肯的回复，自从经历过那些以后，不多问别人，偶尔也问，但更多的是打开金山，新建文本，help命令，一字一句划词。或许对于即将到来的国赛毫无意义，但沉淀下来的或许是不浮躁的品格。
5 o  s, g, f  v) J5 a% @( Y