模式识别是将待识别对象的特征与给定样本信息进行比较、匹配，并给出识别对象所属模式的判断.在计算机识别与控制系统中，常常要解决基于特征向量的模式识别问题，在这类识别中，标准模式与待识别对象均是以特征向量的形式表现. 由于客观事物的复杂性和不确定性以及人类思维的模糊性，在解决实际问题时，往往会因计算、测量数据带有误差而不能用确定的数来表示特征值，从而导致了特征向量的分量的'不确定性，在数量上的反映往往不是一个确定的数值，而是一个范围，适合用区间数表示.
因此，本文研究特征向量的分量以区间数呈现的模式识别方法，以拓广模式识别方法应用的对象.表示 a 与 b 之间的距离. 这种表示方法是将区间数视为平面上的点，并没体现区间数所呈现的不确定性.实际上，区间数完全由其宽度与中心确定，而在一定程度上宽度反映了不确定性的信息范围，中心反映了不确定性的信息取值的平均值. 同时，考虑到区间数的宽度与中心对不确定性信息的影响，因此，给出如下距离概念.在实际识别中，识别对象往往由多个特征刻画，而这些特征值的物理量纲也不尽相同，为了消除不同物理量纲对计算结果的影响，就需要对这些特征值进行规范化处理.
最常见的类型有效益型和成本型. 由于本文对区间数距离的定义是基于区间数的中值和宽度，因此我们采用文献中的基于中值—半宽的规范化方法. 规范化方法介绍如下: 2 模式识别方法2. 1 模型描述令 C = c1，c2{，…，c }n为特征集，特征的权重向量 W =( w1，w2，…，wn) .对象相对于某一个特征的特征值往往具有不确定性，因此用一个区间数来表示特征值，对每一个特征值作规范化处理. 这样，对象可视作 n 维区间数向量( 称之为特征向量) .这样，对待识别对象的识别，即归属哪一个标准模式之中的问题，可转化为特征向量之间的接近程度来考虑. 为此，结合本文中的贴近度，给出择近原则如下描述，用于基于区间数的距离的模式识别之中.
3 算例分析随着无线电通讯技术的发展，考试作弊手段越来越现代化. 为了防范考试作弊现象，需要对考场周边的电磁环境进行监测和评估，以便高效地发现高科技作弊信号. 本文从无线电信号强度、频率占用度和频段占用度三个方面基于模式识别方法对考场电磁环境进行分析. 依据历史数据和专家经验将电磁环境的复杂度分为五个等级，将其视为五种标准识别模式，表示为 A1，A2，A3，A4，A5，其中依据择近原则该考场电磁环境属于“二级”，本文结果与实际电磁环境一致.
【基于区间型特征向量的模式识别方式论文】相关文章：
基于RFID物品防盗系统的设计方式论文11-17
基于RFID物品防盗系统的设计方式的论文11-13
基于时间导向的享乐与功利型消费的支付方式研究社会学论文10-26
基于知识管理的高校学习型班级建设论文12-29
基于学习兴趣的角度设计教学的方式创新论文09-06
基于幼儿心理的幼儿想象力培养方式论文08-15
基于任务型教学的教学设计10-16
探析基于电商平台的创业型人才培养模式论文09-12
一种基于合约的构件易测试性设计方式论文11-12