1、模型识别的问题提出
模型识别，通俗地理解即是对一个类别未知的对象进行归类（或者叫分类）。这里与聚类不同的是，聚类实际上是要区分出已有的样本哪些属于同一类，但并没有参考标准。而识别则事先有参考的标准，在此前提下对模型进行识别。
简单抽象描述这一问题即是，现有对象
2、预备知识
- 模糊向量：所有元素均在
上取值的向量可称为模糊向量。如：
模糊向量可以用于表示一个模糊集
其中
- 模糊向量的内积：
- 模糊向量的外积：
3、最大隶属度原则
- 最大隶属原则 I ： 设论域
上有
个模糊 子集
(即
个模型),构成一个标准模型库,若对任一
有
, 使得
则认为
相对隶属于
.
这里需要稍作解释。上述内容里面
- 例：考虑年轻、中年、老年的三类标准模型
分别定义如下：
那么考虑
再考虑
4、小结
由上述描述可见，模糊模型识别的操作过程实际上是比较简单的。但这里也很容易看出一个问题，在上例中我们是直接给出了隶属度函数，然而这种做法显然并不是最好的。因为可以看到35岁也被归为了中年人之列。那么容易看到不同隶属度函数对应的是不同的选择标准，因此合理的隶属度函数是合理的识别方法的前提。
关于隶属度函数的选取，前文中已经讲过，可以参考：
模糊数学笔记：三、模糊隶属度函数的确定及常用隶属度函数_半个冯博士-CSDN博客_连续型 隶属度函数blog.csdn.net
