python最大最小距離算法貼近度評價法

1、大最小貼近度評價法

　　概念：

　　　　貼近度表示兩個模糊幾何之間的彼此接近程度，在模糊模式識別方法中采用貼近度的大小識別待判別模糊子集的模式類別。為衡量待識別子集的類別，需要判別各個階段與標桿模糊集合之間的相對貼近程度。

上表中第一列是優化（標桿）模糊集合（共15項因子），第二列是待判定的集合，第三列是（1）式的分子項，第四列是（1）式的分母項，貼近度=第三列數據求和/第四列數據求和=8.64/13.52=0.64

 

 

如果優化集改了，那么新的貼近度=0.52/10.64=0.05

　　python代碼實現

# coding:utf-8
import numpy as np
# 最大最小值評價度量
def minMaxDist(x,y):
    x = np.array(x,np.float16).reshape(-1)
    y = np.array(y,np.float16).reshape(-1)
    map_xy = np.vstack((x,y))
    return np.sum(np.min(map_xy,axis=0))/np.sum(np.max(map_xy,axis=0))

# 調用的方式
x = [1,2,3,4,1,2,3,4,5,2]
y = [1,2,3,2,2,3,6,7,4,3]
score = minMaxDist(x,y)
print(score)