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.     

基于加权因子的Vague(值)集相似度量

在Vague集的各种应用中,相似度量扮演着非常重要的作用,针对现有不同的相似度量方法,主要指出文献[16,17]度量方法的缺陷,通过引入加权因子,指出一类Vague集相似度量公式的约束条件,进而解决了文献[16,17]所存在的问题,在模式识别中的一个应用实例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集相似度量方法

提出一种新的Vague集相似度量方法,并证明了它满足若干准则。指出了现有方法的不足,并通过实例说明了该方法的有效性和优越性。     

Vague集相似度量的新方法

系统介绍现有Vague集相似度量的方法,并根据它们目前所存在的一些不足,提出新的方法。通过举证和论证的方法证明了它满足若干规则性从而得到其有效性。最后通过实验与所提方法进行比较,证明了它的正确性和优越性。从而为决策方面能够提供一些帮助。     

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.     

Vague集相似度量的新方法

指出了现有方法的不足,提出一种新的Vague集相似度量方法,并证明了它满足若干准则。通过实例说明了方法的有效性和优越性。     

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。     

一类新Vague集相似度量

Gau和Buehrer提出Vague集概念以来,为刻画两个Vague集(值)之间的相似程度,一些vague集的相似度量方法被提出来,然而在有些情况下,有些度量方法存在一些不足之处。一些反例首先被给出,如文献[7]提出的vague集相似度量在有些情况下是失效的,然后证明了一个引理,以此为基础提出一种新的相似度量计算方法,通过引入两vague集间的lp距离公式将它推广到更一般的情形,得到一类Vague集相似度量公式。     

Vague集的转化与相似度量

基于Vague集的投票模型解释,对Vague进行分步转化,得到转化的极限状态为一模糊集。在此基础上讨论Vague集之间及元素之间的相似度量,给出一系列相似度量公式,并讨论其性质。最后,用实例说明其应用。该文的结论为Vague环境下的信息处理提供有效方法。     

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.     

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.     

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。     

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。     

Vague集及其相似度量

相似度量是Vague集研究中的一个重要内容,具有重要的理论和工程实际意义。本文首先讨论了Vague集的两种扩张原理,并结合Vague集自身的特点及其典型的背景知识,提出了两种Vague集的相似度量方法,同时分析了它们的性质。本文的结果对Vague的研究和工程应用有一定意义。     

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     

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。