python最大最小距离算法贴近度评价法

1、大最小贴近度评价法

　　概念：

　　　　贴近度表示两个模糊几何之间的彼此接近程度，在模糊模式识别方法中采用贴近度的大小识别待判别模糊子集的模式类别。为衡量待识别子集的类别，需要判别各个阶段与标杆模糊集合之间的相对贴近程度。

上表中第一列是优化（标杆）模糊集合（共15项因子），第二列是待判定的集合，第三列是（1）式的分子项，第四列是（1）式的分母项，贴近度=第三列数据求和/第四列数据求和=8.64/13.52=0.64

 

如果优化集改了，那么新的贴近度=0.52/10.64=0.05

　　python代码实现

# coding:utf-8
import numpy as np
# 最大最小值评价度量
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))

# 调用的方式
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)