基于关联熵系数的粗糙Vague集相似性度量方法

粗糙Vague集是将粗糙集和Vague集理论相互融合以处理不确定性信息的一种理论工具。本文在深入研究Vague集及粗糙模糊集的关联熵、关联熵系数及集合相似性度量方法基础上,将关联熵和关联熵系数的概念引入到粗糙Vague集,并详细讨论了它们的主要性质,同时证明了关联熵系数满足粗糙Vague集相似度的定义,可用于粗糙Vague集的相似性度量。最后通过实例验证了粗糙Vague集的关联熵系数用于度量粗糙Vague集之间相似性程度的有效性,该理论为粗糙Vague集相似性度量提供了一种新方法。     

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。     

Vague集（值）相似性度量

不确定信息对Vague值（集）相似性度量的影响非常复杂、难以刻画,现有的度量方法大多都忽略了该因素。为此,在已有主要研究方法的基础上尝试以二次投票模型为背景考虑了不确定信息对Vague值（集）相似性的影响,提出一种新的Vague值（集）相似性度量方法,并对其性质进行了较系统的分析。通过与现有主要方法的比较,表明该方法具有较好的相似度区分能力。将新的Vague值（集）相似度量用于多准则模糊决策中,考虑候选方案与理想方案在相应准则下相似度的大小得出最佳方案。并通过实例分析验证了该方法的有效性和可行性。     

多测度Value集相似度量

针对单一测度度量Vague集相似性上的缺陷,提出了两种Vague集的多测度相似度量.给出了一种Vague集的单形体几何表示方法,亦即将Vague集的真、假隶属度和未知度表达为划分单形体同一平面的3个三角形,进而提出了适合于度量Vague集相似性的面积测度,并结合距离测度和未知度测度构造了Vague集多测度相似度量,以在空间上体现出“点-线-面”多特征相似性度量格局.实例验证了多测度相似度量的有效性和优越性.     

Vague拓扑空间和Vague连续映射*

基于Vague集现有理论、经典集合和Fuzzy集的拓扑理论,运用分析的方法推广了经典集合和Fuzzy集的相关拓扑理论,初步给出了Vague拓扑空间和Vague连续映射的概念,并就它们的一些性质进行了讨论。所得结果扩展了Vague集理论的研究范围,并提出了该领域未来可研究的方向。     

Vague集转化为Fuzzy集的新方法

结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的方法进行了分析,指出已有方法存在的不足之处,提出了一种Vague集转化为Fuzzy集的新方法,并证明了该方法的有效性。     

Vague集向Fuzzy集转化的两种新方法

指出了陈玉明等提出方法存在的不足之处,结合Vague集理论及投票模型下的解释,给出了Vague集向Fuzzy集转化时应满足的约束条件,提出了Vague集向Fuzzy集转化的两种新方法,并说明了其有效性。     

基于Vague集的多目标决策

通过研究Vague集合转化为Fuzzy集的不同方法,采用将Vague集转化为Fuzzy集的方法来研究多目标决策问题,提出了基于Vague集的简化的模糊多目标决策算法,并通过实例验证了算法的有效性。     

一种Vague集向Fuzzy集转化的新方法

基于Vague集理论及投票模型下的解释,介绍了Vague集向Fuzzy集转化的一些方法,并指出了这些方法的不足,在此基础上提出了一种新的转化方法,并证明了该方法的有效性,实例表明该方法比已有的方法更合理。     

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。     

基于模糊粗糙特征集的不确定性知识表达

某些客观事物因其复杂性具有或不具有某种特征有时是不确定的、模糊的，针对此类不确定性知识表达和量化的需要，基于模糊粗糙集理论构建了知识表达的模糊粗糙特征集模型，并将其应用于研制经验的不确定性知识表达。实例结果表明，这种方法是合理的、可行的、有效的。     

Vague软集的模糊熵和它的一些性质

Vague软集理论被认为是一种新的处理不确定信息的数学工具,而模糊熵又是度量各种不确定信息的重要技术.文章基于Vague集思想和软集思想之间的联系,以及Vague集与软集现有理论,在Vague集模糊熵公理化定义的基础上,初步提出了Vague软集的模糊熵的公理化定义.同时给出了一种Vague软集的模糊熵的计算公式,并在此基础上证明了我们的模糊熵公式具有一些良好的数学性质.所得结果扩展了Vague软集理论的研究范围,并提出了该领域未来可研究的方向.     

Approximation operators based on vague relations and roughness measures of vague sets

Rough set theory and vague set theory are powerful tools for managing uncertain, incomplete and imprecise information. This paper extends the rough vague set model based on equivalence relations and the rough fuzzy set model based on fuzzy relations to vague sets. We mainly focus on the lower and upper approximation operators of vague sets based on vague relations, and investigate the basic properties of approximation operators on vague sets. Specially, we give some essential characterizations of the lower and upper approximation operators generated by reflexive, symmetric, and transitive vague relations. Finally, we structure a parameterized roughness measure of vague sets and similarity measure methods between two rough vague sets, and obtain some properties of the roughness measure and similarity measures. We also give some valuable counterexamples and point out some false properties of the roughness measure in the paper of Wang et al.     

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     

基于包含度的Vague集相似度量

在模糊模式识别中经常要根据最大相似度原理来分辨待测样品属于哪种模式．由于现有的vague集相似度量公式都是基于距离测度的，因此只要vague集间距离测度一样，它们就无法分辨，因此非常有必要寻找其它的相似度量计算方法．首先将模糊集上的包含度概念扩展到Vague集上，指出Vague集相似度量可以由包含度诱导出，然后给出一组新的Vague集相似度量计算公式．数值算例证明它们是有效的，最后将它们与现有方法进行比较，发现它们各有所长．     

关于Vague集之间的相似度量

首先提出了定义一个Vague集之间的相似度量所应该满足的若干准则,而后指出了Chen给出的vague集之间的相似度量所存在的缺陷,并分析了李凡提出的vague集之间的相似度量,在此基础上,基于对不确定性信息处理的背景,提出了一种新的相似度量方法。研究了这一新的相似度量的性质。     

Vague集的模糊逼近与模糊熵

给出了vague集转换为模糊集的一种新的方法,定义了vague集的模糊逼近。利用vague集的模糊逼近研究了vague集的模糊熵及其相关性质。     

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。     

Vague集向Fuzzy集的转换函数

给出了两类Vague集向Fuzzy集的转换函数,并讨论了其性质;指出了现有的Vague集的模糊熵概念的不足,最后给出了模糊熵的新的约束条件.     

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。