Vague集之间的一种加权相似度量

研究Vague值转化的性质,给出Vague集相似度量的一种公理化定义,提出基于Vague值转化的两类Vague集之间加权相似度量。应用模式识别的例子表明这些公式是实用的。     

一个基于未知度的Vague集（值）相似度量新方法

相似度是研究和应用Vague集(值)的重要工具.分析了现有Vague集(值)之间的相似度量方法,揭示了这些方法不能准确刻画Vague集(值)之间相似度量的本质,并总结了相似度量的一般准则,指出了影响Vague集相似度量的3个因素.在此基础上充分考虑了未知度,它为Vague集之间的相似度提供了一种更好的度量方法.最后用实例说明其应用以及该方法的有效性和直观性.     

模糊模式识别的基础--相似度量

讨论模糊模式识别中模糊集之间的相似度量.针对模糊集的推广形式--Vague集,给出Vague集之间一系列新的相似度量方法,并对其性质进行讨论.通过与现有方法的比较,阐明该方法有较强的分辨能力.对连续论域的情况一并作了讨论,给出相应度量的积分表示.最后,用例子说明Vague集之间的相似度量在模式识别中的应用.     

关于Vague集的相似度量

研究Vague集的相似度量的意义及其表示方式.对已有关于Vague集的相似度量进行分析与讨论,探讨了Vague集的相似度量的实质意义和确定相似度量的方法,给出Vague集的相似度量的一种基于距离表示的新方法,同时指出了可以在各种距离意义下产生不同形式的相似度量.另外,做出了把Vague集分解为模糊集的尝试.     

信息意义下Vague集的相似度量

从信息熵的角度出发,提出了一种新的度量Vague集之间相似度量的计算方法,并对其性质进行讨论。通过与现有方法的比较,阐明该方法具有较强的分辨力。用例子说明Vague集之间相似度量在模式识别中的应用。     

关于Vague集的相似度量的一个注

Vague集的相似度量在Vague集的应用中具有极其重要的地位.分析了现有3类Vague集(值)之间的相似度量方法 ,指出这些相似度量方法的分类是源于对特殊Vague值s=[0,1]的处理上.提出Vague集之间新的相似度量的定义.给出Vague集之间新的相似度量公式.该公式的结构是简洁的.     

Vague模式排序法进行目标价值排序

提出从Fuzzy数据向Vague数据的两个转化公式,提出Vague集之间的相似度量公式。数据转化公式和相似度量公式是Vague模式排序法的两个基础。该方法能进行目标价值排序,也能为如何选择更重要攻击目标提供理论依据。应用实例表明Vague模式排序法是实用的。     

Vague集间的一种新相似度量

Vague值的转化的递推定义被给出,Vague值的三维表示是Vague集思想的直接体现,基于三维表示和Vague值的转化而提出一种Vague集之间的相似度量,最后这个公式被应用于一个模式识别的例子中.     

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。     

基于最大最小值的Vague集相似度量方法

通过分析现有Vague集相似度量方法,指出这些方法虽然满足相似度量基本准则,但是在描述Vague集相似性上存在不足之处,并且度量的准确度较低,在分析Vague值的支持度、反对度及其补集之间的最大最小值关系的基础上研究Vague集相似度量方法,给出一种新的Vague集相似度量方法,并证明该方法满足相似度量的基本准则。通过与现有相似度量方法的比较,说明该相似度量方法克服了现有相似度量方法的不足,符合人们的直观感受,能够合理、有效地区分数据。     

基于Vague熵的Vague集相似度量

对当前Vague集相似度量及Vague熵之间的关系进行了分析,指出它们并不匹配,本文分析了Vague熵的影响因素,给出一种新的Vague熵定义及一种新的计算公式,提出基于熵的Vague集新相似度量,与现有方法相比,本文的方法可以像普通模糊集一样,一个Vague集的熵可由它与它的补集间的相似度量较好地刻画.     

Vague相似度量与Vague熵

德国数学家G.Contor于19世纪创建了经典集合论,集合中的元素只能在{0,1}中取值,无法处理具有模糊性和不确定性的信息和数据。Zadeh于1965年提出了模糊集合论,将集合中的元素定义在[0,1]区间中取值,为我们描述世界提供了一个更符合实际的方法和工具。1993年Gau和Buehrer提出了Vague集的概念(与Atanassov提出的直觉模糊集的概念相同)将集合中元素的取值定义为[0,1]中的一个子区间,进一步加强了对客观世界描述的真实程度。Vague集是一个有着广泛应用前景的理论,目前国外已有些学者将此技术     

粗糙Vague集（值）间k步相似度量新方法

对粗糙集、Vague集及粗糙Vague集的概念、知识表示方法进行了讨论,描述了粗糙Vague集的相关概念,在研究了粗糙Vague集相似性度量方法的基础上,提出了一种对踌躇度п_v（x）k步细化的k步相似度量新方法,并且研究了该方法的相关性质。进一步对k步相似度量在k趋向无穷时求极限,得出粗糙Vague集退化为模糊集的特例情况。     

Vague 集之间相似性的度量方法

指出现有Vague集相似度量方法的不足,分析了其存在不足的根本原因,给出了一种Vague集相似度量的新的计算方法.通过实例说明了该计算方法的有效性和合理性.     

Vague集间的相似性度量及应用

论文提出了一种描述Vague集间的不确定关联度概念,并提出了一种新的Vague集间相似性度量模型,它不但考虑了Vague集论域元素间的物理意义,而且也考虑了论域元素间的不确定关联程度,因此,它比已存在的Vague集间相似度量模型更加精细地刻画了Vague集间的相似性,从而在基于Vague集的不确定性智能信息处理领域中可有广泛应用。     

粗糙Vague集（值）间k步相似度量新方法

对粗糙集、Vague集及粗糙Vague集的概念、知识表示方法进行了讨论,描述了粗糙Vague集的相关概念,在研究了粗糙Vague集相似性度量方法的基础上,提出了一种对踌躇度п_v（x）k步细化的k步相似度量新方法,并且研究了该方法的相关性质。进一步对k步相似度量在k趋向无穷时求极限,得出粗糙Vague集退化为模糊集的特例情况。     

Vague集及其相似度量的新方法

相似度量是Vague集研究中的一个重要内容,对于知识表达、模式识别等研究具有重要意义。引入了Vague值（集）相似度量的基本准则,并对现有的一些Vague值（集）相似度量方法进行研究,发现目前Vague值（集）相似度量方法存在一些缺陷,因此提出了一种新的Vague值（集）的相似度量方法,并通过数据分析验证了新方法的有效性。     

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.     

Vague集中的分解定理与相似度量

1 引言目前,在计算机科学及应用的多种领域中,模糊集起着重要的作用。因而其理论及应用都得到了迅速的发展。Vague集从一定意义上讲在对事物属性的描述上较模糊集提供了更多的选择方式,因而已在学术界和工程技术界引起了广泛关注。事实上,Vague集正成为当前模糊信息处理中的一个新兴课题。当前相对于应用而言,Vague集的理论研究方面有待     

模糊集之间的距离测度

介绍了Vague集距离测度公理化的定义,引入了一些新的距离测度并给出了这些距离测度性质的证明。讨论了相似测度与距离测度之间的关系。最后,指出Vague集距离测度在模式识别中的应用。