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。     

Vague集之间相似度量的新方法

Vague集的相似度量是Vague集在各个应用领域中的关键技术。论文根据相似工程学原理,指出一个相似度量必须满足的约束条件,提出一种改进的Vague集相似度量公理化定义,然后引入一种新的Vague集相似度量方法,并证明它满足这些公理化条件。最后,用实例说明其应用以及该方法的有效性和直观性。     

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。     

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。     

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。     

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。     

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集的新相似度量方法

本文指出了现有Vague集相似度量方法的不足,提出一种新的Vague集相似度量方法,并证明了它的有效性.     

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。     

基于Vague集的多传感器目标识别方法

采用Vague集来表达传感器的模糊测量信息,提出一种基于Vague集的多传感器信息融合方法.建立Vague集表达的多目标模型数据库,并定义两Vague值之间的贴近度,利用多目标规划模型客观地确定各特征的权重,根据综合贴近度给出目标识别算法.实例分析表明了算法的有效性.     

Vague相似关系与Vague划分

通过对单位区间[0,1]的闭子区间集中的元素——Vague值的定义,引入二元Vague关系、关系运算、逆关系、关系的合成、λ-截关系等新的定义。从基于可能度的区间数序关系的概念以及Vague集投票模型的实际意义两个方面,引入闭子区间集中Vague值的偏序关系的定义,并利用偏序关系证明了Vague关系的一些主要性质。给出了满足sup-min传递性的Vague相似关系以及Vague划分的定义,建立了Vague相似关系与Vague划分一一对应性,进而以[0,1]上连续t模作为广义的“与”逻辑算子,引入Vague相似关系的特例——满足T-传递性的Vague T-相似关系与Vague T-划分新的定义。     

Vague集的包含度

Vague集是Zadeh模糊集的一种推广形式,同样Vague集的包含度也是模糊集包含度的一种扩展。针对现有文献涉及到的Vague集的包含度只是属于[0,1]区间的一个模糊值的问题,根据Vague集理论的基本思想拓展了Vague集的包含度,提出一种新的Vague集的包含度定义,以体现Vague集的拓展意义。提出并验证了四类Vague集的包含度的计算公式,同时给出此Vague集包含度与模糊集包含度之间关系的定理。     

运用Vague集进行多传感器目标识别

针对具有多个特征指标的多传感器目标识别问题,采用 Vague 集表达目标特征的不确定信息,提出了一种新的多传感器目标识别方法.定义两 Vague 集之间的加权 Hamming 距离和相似度,建立了Vague 集表达的多传感器目标识别模型,通过最小化各目标类型的 Vague 度优化模型客观地确定了各特征的权重,利用相似度...     

多传感器目标识别的Vague集方法研究

采用Vague集来表达目标特征的模糊测量信息,提出了一种基于Vague集的多传感器目标识别方法。定义两Vague值之间的贴近度,建立了Vague集表达的目标识别数据库模型,利用贴近度矩阵客观地确定了各特征的权重,根据综合贴近度给出目标识别算法。实例分析表明方法的有效性。     

Vague(值)集间的相似度量及其应用

鉴于已知的一些Vague集间的相似度量和距离公式有缺陷,提出用分段函数表达的Vague（值）集间的接近度的定义,应用此定义重新给出用分段函数表达的Vague（值）集相似度量的定义。给出了三个加权接近度公式和三个加权相似度量新公式。给出在Vague环境下用Vague集间的接近度和相似度量进行模式识别的方法。应用实例表明所给公式皆是有效的。     

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。     

多传感器信息融合的Vague集法

采用Vague集表达传感器的模糊测量信息,提出一种基于Vague集的多传感器信息融合方法,给出基于Vague集的模型描述,定义2个Vague集之间的距离,利用TOPSIS法,根据相对接近度给出信息融合的算法。该方法充分考虑了测量信息的隶属度与非隶属度两方面的不确定信息。仿真实例验证了算法的有效性。