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.     

两类高区分能力的Vague集之间的相似度量

提出两类高区能力的Vague集之间的相似度量公式,应用实例表明它们是实用的。     

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。     

Vague值与Vague集的多测度相似度量

针对Vague值(集)相似度量问题,指出了采用单一测度构造Vague值(集)相似度量的不足,根据不同测度表现的不同相似性度量特点,提出了两种由距离测度、未知度测度和熵测度三种测度结合的Vague值(集)多测度相似度量,并给出了相应的定义和性质.多测度相似度量体现出了多特征度量相似性的特点,若距离与熵测度失效,未知度测度仍能发挥作用,而距离与熵测度度量结果的综合,则进一步提高了分辨力.实例验证了该多测度相似度量的有效性和优越性.     

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。     

Vague集的相似度量及其应用

提出了一个Vague 集之间的相似度量公式,例子表明该公式的分辨力是较强的。在潜艇威胁等级判断中的应用进一步表明这个公式是实用的。     

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。     

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。     

Vague集的熵

Liu在文献[6]指出一个模糊集的模糊熵可由它与它的补集的相似度量来刻画，与模糊集不同的是，Vague集同时提供支持与反对的证据，因而它的模糊熵来自两方面，即未知信息和不确定性信息，首先在暂不考虑未知信息的前提下，将Liu的方法推广到Vague集上，然后以此为基础，给出一种同时考虑到上述两种影响因素的非概率型Vague熵公理准则及其计算公式，最后将它和现有的其它几种Vague熵计算公式进行比较，结果发现它与Szmidt等（2001）建议的公式完全等效，但它形式更简单、可操作性更强，并且它是Liu的方法在Vague集上的推广，这进一步揭示了Vague集和模糊集之间的内在联系．     

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集的模糊熵

由于Vague集是Zadeh's模糊集的一个扩展,为计算Vague集的模糊熵,有学者提出将Vague集转化为模糊集,然后借用模糊集有关熵的计算方法来讨论它们。该文首先给出反例说明Li's(2003)的方法在某些情况下和基于模糊集的Vague集模糊熵定义不一致。在指出Vague集的模糊性主要来自未知信息和不确定性信息的基础上,提出了一个基于非模糊集的Vague集模糊熵公理化定义,给出了该类模糊熵的计算公式,最后通过定理证明了它确实同时考虑到了影响Vague集模糊熵的两个因素。     

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     

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.     

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。