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。     

Vague集相似度量方法的分析与研究

指出了影响Vague集相似度量的四个要素,考虑了未知度对相似度的影响,提出了一种新的Vague集相似度量的方法,通过实例说明该方法的有效性和直观性。     

Vague集的相似度量

Vague集的相似性度量对于知识表达、模式识别等人工智能研究具有重要意义。Chen给出的关于Vague集的相似性度量体现出注重确定Vague集中总体肯定度相似的思想,但相似度量的公式存在度量上的不足,也蕴含了在Vague集的不可知部分接支持度和反对度各占一半的概率计算,这样既不客观也不合理。为此,提出了一种改进的相似度量。     

基于未知度的Vague集相似度量方法研究

分析并指出了现有的相似度量方法的不足,考虑了未知度在相似度量方法中的影响,提出了一种基于未知度Vague集相似度量的方法,通过实例说明该方法具有一定的有效性和优越性。     

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。     

粗糙Vague集(值)相似性度量的一种新方法

对粗糙集和Vague集的概念、知识表示方法进行了讨论,把粗糙集和Vague集进行了融合,描述了粗糙Vague集概念,给出粗糙Vague值的相关概念及其相似性度量的一种新方法,研究了粗糙Vague集的相关性质及其相似性度量的方法。     

关于Vague集相似度量的一个注记

自从Hong等学者指出由Chen给出的关于Vague集的相似性度量方法不合理并提出改进的相似性度量方法后,很多新的改进方法被提出.文章认为Chen给出的关于Vague集的相似性度量与Hong等学者提出的相似性度量具有不同的度量意义,Hong对Chen的否定是错误的.     

一种Vague集相似度量的新方法

提出了一种Vague集相似度量的新方法,该方法充分考虑到未知度对相似度量的影响。先用理论证明了它满足相关基本规则,进而通过分析它与一些经典的相似度量方法,在具体实例中得出的不同结果,说明了它具有的有效性和优越性。     

Vague集相似度量的新方法

根据区间相似性的原理,指出影响Vague集相似性度量的4个因素,指出了现有方法的不足,提出了一种新的Vague集相似性度量方法,证明了它满足若干准则。通过例子证明了方法的有效性和优越性。     

Vague集相似度量及其在模糊数据检测中的应用

分析现有一些Vague集相似度量方法,并指出其不足。考虑在实际应用中,未知度对相似度量的影响,从动态的角度出发,挖掘未知度中包含的赞成与反对信息,提出了一种基于未知度的Vague集相似度量新方法,并将该相似度量方法应用于模糊数据检测中,通过实际应用说明该方法更加有效。     

一种基于支持系数的Vague集（值）相似度量新方法

对现有的一些Vague集（值）相似度量算法进行分析,指出了这些方法在计算相似度方面的片面性与局限性。通过对Vague集中元素的未知度进行分析,并引入支持系数来调节未知信息对真、假隶属度的影响,从而提出了新的Vague集（值）相似度量算法,通过模式匹配的实例验证了该算法的实用性。通过与以往的一些算法进行比较,充分证明了新算法的合理性与有效性。     

Vague集之间的相似度量新方法*

为了构建一个新的Vague集之间相似度量方法,运用比较法和Vague理论,分析现有的相似度量方法的缺陷所在,给出了一种新的相似度量公式, 该公式不但包括了衡量Vague值（集）的相似的必要参数,且考虑到无论是Vague值区间两端的距离、核距离还是未知度距离,距离越大,对Vague值相似性的影响也越大,相似度越小,使之更直观、更符合实际情况。最后通过定理证明以及与相关文献的比较说明该方法具有更好的度量效果。     

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。     

基于Vague集相似度量的模糊分类

在区间值模糊集理论和Vague集理论的基础上,提出了一种新的基于Vague集相似度量的模糊分类方法,对Fisher建立的Iris数据库进行了分类实验处理,分类结果的正确率超过95%。该方法计算简单有效,具有一定的实际应用价值。     

一种基于未知度的Vague集相似度量新方法

分析了现有的相似度量方法,提出了一种基于未知度Vague集相似度量的方法,证明该方法满足基本准则,通过实例与现有相似度量方法的比较,说明新的方法区分能力较高,具有一定的有效性和优越性。     

基于Vague集相似度量的一种联系数方法

运用集对分析法中联系数理论与Vague集理论,给出了一种新的Vague集相似度量的联系数方法。该方法用联系数理论确定与不确定规律,刻画了Vague集相似度量的同异反状态关系,克服了传统相似度量方法的缺陷与不足,并指出联系数是Vague集的一般形式及表示。通过实例表明该方法切实可行,是一种有效的Vague相似度量方法。