一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的Vague集的加权相似度量方法以解决文献[1]中关于vague集相似度量的某些缺陷，并且提出了Vague集间相似方向的概念，用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了vague集信息的精确性，从而提高了推理的精确性和适用性．这为智能系统中的近似推理提供了一个十分有用的工具．     

一个基于Vague集相似度量的近似推理方法

对文献[1]中提出的一种基于Vague集之间相似程度的度量方法进行了分析，指出了这种相似度量方法存在的缺陷。在此基础上，给出了一种改进的相似度量方法。同时，我们还给出了一种新的Vague集的交并运算规则，并在新的交并运算基础上，提出了一种基于Vague集相似度量的近似推理方法。最后，用实例说明了这种近似推理的推理过程。     

Vague集相似度量

在不确定信息处理中,判定两个知识模式的相似度是知识划分、规则推理的前提.Vague集是处理模糊信息的一种有效工具,众多学者提出了基于Vague集的相似度量方法,但这些方法不足以准确描述Vague集的相似本质,并且度量的准确度较低.本文提出了一种度量Vague集相似度量方法的标准,为研究Vague集相似度量提供了参考;提出了一种新的Vague集相似度量的方法.实验结果表明,本文方法的区分能力高,并且有更好的度量效果.     

一种新的Vague集相似度量

针对以往的Vague集相似度量方法的不足之处,提出了一种新的Vague值相似度的定义,并重新给出了新的Vague集相似度量的定义和性质。最后,又提出了在Vague环境下用Vague集间的相似度和相似度量进行模式识别的方法。通过一些应用实例计算,结果表明,该Vague集的相似度量具有一定的优越性,并提高了Vague集相似度量的精确度。     

边界不确定信息的处理—Fuzzy集和Vague集

Fuzzy集和Vague集都可用于边界不确定信息的处理。文章首先研究了这两种集合间的关系、性质,提出了Fuzzy集和Vague集的边界不确定性都可用犤0,1犦上的一个子区间来进行描述的思想。然后基于一些Vague集相似度量的思想,提出了一种求Fuzzy集和Vague集的相似性度量方法,并建立了基于Fuzzy集和Vague集度量方法的统一模型,该模型在这两种集合相似性度量上是等价的,并给出了该模型满足的性质。     

关于Vague集间相似度量的缺陷及修补

在Vague集中,Vague集间相似度量的应用是最广泛的,但遗憾的是这些公式中的大多数是有缺陷的。用分段函数的方法试图修补这些公式,使得这些公式中的大多数能够继续使用。给出一个新的Vague集间的加权相似度量公式,该公式更具合理性。     

Vague集相似度量的比较研究

给出了完整的Vague集相似度量约束准则,在此基础上对现有的Vague集相似度量的缺陷,进行了定量分析和证明。在充分考虑了支持度、反对度、未知度以及核函数概念之间相互关系后,提出了一种新的Vague集相似度量。通过对定理的证明以及与其他相似度量违反直觉例子的比较,表明新的相似度量全面考虑了各种约束准则,符合人们直观感觉。给出了新的Vague集相似度量在智能决策中的应用方法和应用实例。     

一种基于Vague集相似度量推理的控制器设计

针对模糊变量隶属值难以确定、描述信息单一这一问题，将区间值模糊集引入控制领域。在Vague集相似度量推理基础上，设计了一种模糊控制器。为了应用Vague集相似度量推理方法，给出了一种清晰量的区间值模糊化方法。说明了该类模糊控制器设计过程，给出Matlab仿真控制效果。仿真结果表明，该控制器隶属函数值较易确定，设计过程简化，模糊化过程偏差小，有很好的应用价值。     

Vague集的三维表示及相似度量

Gau和Buehrer于1993年提出了一个新的处理模糊信息的模糊理论——Vague集。与Fuzzy集相比较,Fuzzy集不能表示的模糊信息Vague集也能表示。本文首先提出一种新的Vague集的三维表示方法,在此基础上,给出了Vague集的若干性质及交并运算规则,然后根据Vague集的三维表示方法,对上述性质和定义进行讨论,最后给出Vague集三维表示方法情况下相似度量的算法及运算实例。     

一类新的Vague集间的相似度量方法及其应用

相似度量是研究和应用Vague集的重要工具。首先介绍了Vague集的概念,接着用实例说明已有的Vague集相似度量在某些情况下并不适用,并分析了造成不适用的原因,进而给出了Vague集相似度量的公理化定义,提出了一种新的Vague集之间的相似度量,并将其应用于模式识别中。     

基于Vague集的双向近似推理

1 引言自从Zadeh提出Fuzzy集理论以来,Fuzzy集理论不断地发展和完善,并在许多领域里得到了成功的应用。Fuzzy集理论中的模糊推理一般可表示成如下形式:     

基于Vague聚类规则的双向近似推理

在智能系统的研究与开发中，推理方法的计算复杂性是一个很重要的问题．为了获得良好的推理效果和推理效率，就必须降低推理方法的计算复杂性．为此本文首先给出了一个新的vague集间的距离定义，然后给出了相似方向的概念及相似方向的判定方法．在此基础上，提出了对vague规则进行聚类，以及基于vague聚类规则的双向近似推理方法，该方法更好地利用了vague集信息的精确性，而且降低了推理的计算复杂性，从而提高了推理的精确性和适用性．并用实例验证了该方法的有效性．这为智能系统中的近似推理提供了一个十分有用的工具．     

基于Value双向近似推理的系统决策方法

先提出Vague值间的一种新的相似度,并基于有序加权聚类(OWA)算子给出Vague集间的新的加权相似测度,其中的权重是由决策者根据实际决策需求来确定的,具有一定的弹性;另外通过Vague输入事实与Vague决策规则的前件(或后件)之间的相似匹配度,得到一个简单可行的双向近似推理方法,这可为复杂环境下的系统决策(如工业检测和医疗诊断等领域问题)提供有效的支持工具。     

计算Vague集贴近度的一种新方法

指出了Chen给出的Vague集的贴近度存在的缺陷,并分析了李凡[1]提出的贴近度。在此基础上,引入了Vague集(值)的距离概念,进而引入并研究了Vague集(值)的贴近度,并证明了这一新的贴近度的性质。     

基于Vague集模糊推理的多评价指标模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入，并运用于决策问题中，有学者已把Vague集用于多评价指标的模糊决策中，但其决策方法在某些时候却难以得到目标。为此，本文提出了一个基于Vague集模糊推理的多评价指标模糊决策方法。在这个方法中，从基于Vague集的模糊推理的观点来看待模糊决策问题。将评价指标和候选方案之间的关系用一组基于Vague集的推理规则来表示，将决策者的要求用一组Vague集来表示，经过模糊推理等过程最后得到决策结果。然后还给出了一个实例说明这种多评价指标模糊决策方法。这个基于Vague集模糊推理的多评价指标模糊决策方法的提出为决策系统提供了一个有用的工具。     

Interval-valued intuitionistic fuzzy cosine similarity measures for multiple attribute decision-making

In this work, considering all information carried by the membership degrees, nonmembership degree, and hesitancy degree in interval-valued intuitionistic fuzzy sets (IVIFSs) as 3-D vector representations, we propose a cosine similarity measure and a weighted cosine similarity measure for IVIFSs based on the extension of the cosine similarity measure (angular coefficient) between intuitionistic fuzzy sets in 2-D vector space. Then, the weighted cosine similarity measure for IVIFSs is applied to multiple attribute decision-making problems under the interval-valued intuitionistic fuzzy environment. Through the similarity measure between the ideal alternative and each alternative, the ranking order of all alternatives can be determined and the best alternative can be easily identified as well. Finally, two illustrative examples are given to demonstrate the applications and efficiency of the proposed decision-making method.     

Vague集（值）间的距离测度

1 引言自从Zadeh提出fuzzy集理论以来,fuzzy集理论就在不断地发展和完善,并在许多领域里得到了成功的应用。但在实际应用中我们也发现它存在一些问题,例如,fuzzy集的隶属度是一个单值,该单值既包含了支持u∈U(U为论域)的证据,也包含了反对u∈U的证据,它不可能表示其中的一个,更不可能同时表示支持和反对的证据。为此,Gau等在文中提出了vague集的概念,用一个真隶属函数t_A和一个假隶属函数f_A来描述vague集,真假隶属函数形成了隶属函