一种基于隶属函数的相似度计算方法及其应用*

针对在模糊实例检索中传统的基于距离函数相似度算法的复杂性和不精确性等缺点,通过分析隶属函数提出了基于隶属函数的相似度计算方法。该方法根据不同类型的检索需求,构建了针对模糊数字型需求和模糊语义型需求的相似度计算模型;同时考虑了属性权重问题,采用基于相似度离差信息的客观赋权方法将主观权重和客观权重加以组合,以组合权重来计算实例的全局相似度。以汽车发动机的概念设计为例,验证了基于隶属函数的相似度计算方法能对不同类型的需求实现快速而有效的实例检索。     

基于多参数的直觉模糊集相似度及其应用

有关直觉模糊集相似度的文献很多,但是现有的部分公式在处理实际问题时效果不理想。土耳其学者Boran和Akay提出了一种新的双参数相似度公式,改进了主流公式中存在的一些模式识别失灵问题。但是在他们引入隶属度、非隶属度、犹豫度取值对应等腰直角三角形的区域中,只考虑了斜边中线上的点。通过对这个公式改进,使情况一般化,并给出了一个更泛化的多参数公式,证明了其正确性,验证了其在模式识别中的有效性。     

FCM图像分割算法的特征分析与改进

通过对模糊C均值算法聚类特性的分析，引入了约束函数及模式相似度的概念，提出了改进的FCM算法。实验表明，改进的FCM算法具有良好的隶属信息分布特性并提高了图像处理的精度。     

基于相似度测量和模糊熵的矿井图像增强方法

为了提高煤矿井下图像的视觉效果,提出一种改进的基于相似度测量的增强算法和模糊熵理论相结合的方法.根据煤矿井下图像的特点,引入模糊熵,建立基于模糊熵测度的判别准则,尽量去除噪声干扰.改进隶属度函数的计算方法,充分提取图像中的分形维特征信息.通过改进对比度变换因子的计算方法,进一步增强图像局部对比度.实验结果表明,处理后的图像不会出现增强过度现象,具有较好地噪声抑制、明暗对比和保持图像细节,是一种有效地矿井图像增强方法.     

面向隶属度修正模糊聚类的参数选择方法

隶属度修正是模糊C-均值聚类算法改进的一个重要方向,该类改进算法引入模糊阈值修正隶属度,极大的加快了算法的收敛.然而其模糊阈值的自适应取值一直是一个较难解决的问题.针对这个问题,从数据对聚类中心的物理吸引和相似关系等角度提出了一种针对隶属度修正类FCM算法的模糊阈值参数选择方法,并从该参数选择公式的单调性、收敛性和鲁棒性等角度理论验证了该方法的有效性.仿真实验表明,该参数选择方法有效并具有较好的自适应效果,在加入离群点时也有着较强的鲁棒性,对于隶属度修正类FCM算法的参数选择有着较高的应用价值.     

模糊信息系统中基于OWA算子的模糊粗糙集模型

在模糊信息系统中,属性值并不是一个确定的值,而是一个隶属度函数。因此,通过利用有序加权平均(OWA)算子聚合对象间在每个属性上的差异,刻画出对象之间的相似性,定义对象的相似度并讨论其相关性质。借助对象相似度,通过逻辑关系和相应的函数运算,分别给出了对象隶属于上、下近似集合的隶属度。最后,通过实例分析说明在模糊信息系统中,该相似度能较准确地刻画出对象的相似性,同时,对象对于上、下近似的隶属度能更直观、合理地反应对象隶属于某一集合的上、下近似的情况,且能更合理地描述这一粗糙集合。     

一种基于义原信息量的词语相似度计算方法

国内利用知网计算中文词语相似度通常采用基于义原距离和深度的方法,计算结果依赖于公式的设计和参数的选取.针对词语相似度的计算,文章提出采用知网义原信息量来计算中文词语相似度,根据信息论中计算两个事物相似度的思想,利用知网的分类体系来计算义原信息量,从词语概念的主类义原信息量、义原及其角色关系的信息量及义原结点相似度三个方面来综合计算词语的相似度,与刘群和知网在线的方法进行比较,实验结果显示本文方法与人的判断更为接近.     

一种基于包含度理论的图像分割方法

采用模糊集中的包含度提出阈值化分割图像方法.由于人眼视觉的主观性和图像结构的不确定性使得图像分割比较适合采用模糊技术进行处理.首先引人基于模糊集的包含度理论,其次基于模糊包含度公式定义图像分割选取阈值的新准则函数,最后基于互信息量和混沌理论给出该分割方法中的模糊隶属函数参数的最佳选取办法.实验结果表明,本文方法是可行的,且分割性能明显优于基于模糊熵或相似度的分割法.     

挖掘机构别名的Jaccard相似度数据空间转换方法

针对同一机构实体对应多个机构名称的问题,提出了一种基于Jaccard相似度数据空间转换的机构别名挖掘方法。根据机构与作者间的隶属关系,建立机构-作者二部图模型;采用Jaccard相似度度量两机构名称所对应作者姓名集合间的相似度;根据机构间的相似度矩阵,将集合型数据转换成数值型数据;通过计算机构名称对应的相似度向量间的余弦相似度,实现了机构别名的有效挖掘。最后用真实数据进行对比实验验证了该方法的优越性。     

一种新的直觉模糊集相似度测量

直觉模糊集IFS是模糊集的进一步推广,比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。已有的部分相似度测量方法,不满足相似度的公理化或有些存在反直觉的情形。通过对Boran和AKay提出的直觉模糊集的相似性度量的研究,提出了一种新的改进的相似度测量公式,证明了该公式的合理性,最后通过实例说明了该方法的有效性。     

Vague集之间相似性度量的基本准则与一般方法

研究一般情形下Vague集之间的相似性度量问题。分析现有相似度度量方法的种类并指出其不足之处,提出Vague值间相似性度量的基本准则。考虑到未知信息对相似度的影响,根据基本准则提出适用于一般情况的度量公式。讨论该公式满足基本准则的必要条件,并给出具体的公式。最后通过模式识别中的实例说明其有效性。     

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。     

广义犹豫模糊软集的相似度量及其应用

在广义模糊软集和犹豫模糊软集的基础上给出广义犹豫模糊软集的概念,并研究广义犹豫模糊软集的相似度量。首先利用三种犹豫模糊集合的包含度,构造犹豫模糊集间的相似度量公式。然后在犹豫模糊集相似度基础上给出广义犹豫模糊软集相似度量的公理化定义,并构造广义犹豫模糊软集的相似度量公式,这些公式可以计算参数集不同时两个广义犹豫模糊软集间的相似度。最后利用广义犹豫模糊软集相似度量方法构造了一种决策方法,并将这个决策方法应用于环境治理问题中。通过实例验证了所提出方法的可行性和有效性。     

四种n值逻辑系统中命题的概率真度与相似度

逻辑度量研究是近似推理理论的一个重要组成部分。首先在四种常见n值逻辑系统中,利用概率测度的方法,引入了逻辑公式概率真度的概念及其表达式,讨论了其基本性质;然后在剩余格上定义了公式间的相似度,给出了四种n值逻辑系统中公式间相似度的统一表达式,研究了相似度的若干特征性质;最后引入了公式间的伪距离,为近似推理理论提供了依据。     

Some cosine similarity measures and distance measures between q-rung orthopair fuzzy sets

In this paper, we consider some cosine similarity measures and distance measures between q-rung orthopair fuzzy sets (q-ROFSs). First, we define a cosine similarity measure and a Euclidean distance measure of q-ROFSs, their properties are also studied. Considering that the cosine measure does not satisfy the axiom of similarity measure, then we propose a method to construct other similarity measures between q-ROFSs based on the proposed cosine similarity and Euclidean distance measures, and it satisfies with the axiom of the similarity measure. Furthermore, we obtain a cosine distance measure between q-ROFSs by using the relationship between the similarity and distance measures, then we extend technique for order of preference by similarity to the ideal solution method to the proposed cosine distance measure, which can deal with the related decision-making problems not only from the point of view of geometry but also from the point of view of algebra. Finally, we give a practical example to illustrate the reasonableness and effectiveness of the proposed method, which is also compared with other existing methods.     

Uncertainty measures for rough formulae in rough logic: An axiomatic approach

Rough set theory, initiated by Pawlak, is a mathematical tool in dealing with inexact and incomplete information. Various types of uncertainty measure such as accuracy measure, roughness measure, etc, which aim to quantify the imprecision of a rough set caused by its boundary region, have been extensively studied in the existing literatures. However, a few of these uncertainty measures are explored from the viewpoint of formal rough set theory, which, however, help to develop a kind of graded reasoning model in the framework of rough logic. To solve such a problem, a framework of uncertainty measure for formulae in rough logic is presented in this paper. Unlike the existing literatures, we adopt an axiomatic approach to study the uncertainty measure in rough logic, concretely, we define the notion of rough truth degree by some axioms, such a notion is demonstrated to be adequate for measuring the extent to which any formula is roughly true. Then based on this fundamental notion, the notions of rough accuracy degree, roughness degree for any formula, and rough inclusion degree, rough similarity degree between any two formulae are also proposed. In addition, their properties are investigated in detail. These obtained results will be used to develop an approximate reasoning model in the framework of rough logic from the axiomatic viewpoint.     

命题逻辑系统Ln中公式集上的真度函数

在n值Lukasiewicz命题逻辑系统中引入了公式集F（S）上真度函数的公理化定义,给出了真度函数的若干重要性质,利用真度函数从形式上定义了相似度和伪距离,建立了逻辑度量空间,为从语构的角度展开近似推理提供了一种可能的框架。     

区间二型模糊相似度与包含度

相似度与包含度是模糊集合理论中的两个重要概念,但对于二型模糊集合的研究还较为少见．鉴于此,提出了新的区间二型模糊相似度与包含度．首先选择了二者的公理化定义;然后基于公理化定义提出了新的计算公式,并讨论了二者的相互转换关系;最后通过实例来验证二者的性能,并将区间二型模糊相似度与Yang-Shih聚类方法相结合,用于高斯区间二型模糊集合的聚类分析,得到了合理的层次聚类树．仿真实例表明新测度具有一定的实用价值．     

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.