Vague集的模糊熵和距离测度的相互诱导关系

Vague集自提出以来,由于它在各个领域中的广泛应用而引起众多学者的注意,而模糊熵和距离测度是其中的关键技术。目前已有多种Vague集的模糊熵和距离测度的计算方法被提出来,但所有这些研究都没有讨论两者之间的联系。论文基于Vague集的模糊熵和距离测度的公理化定义,给出两者之间的相互诱导关系,建立了模糊熵和距离测度之间的联系。     

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.     

Vague集的三维表示及一组距离测度

Gau和Buehrer提出Vague集以来，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，但在许多情况下，求相似度量往往和距离测度有关。本文通过建立Vague集隶属函数的三维表示方法，证明了一个不等式，在此基础上给出了一组Vague集(值)之间的距离测度公式，并证明它们满足距离测度的有关性质，最后给出一个它们的实例应用。     

基于包含度的Vague集相似度量

在模糊模式识别中经常要根据最大相似度原理来分辨待测样品属于哪种模式．由于现有的vague集相似度量公式都是基于距离测度的，因此只要vague集间距离测度一样，它们就无法分辨，因此非常有必要寻找其它的相似度量计算方法．首先将模糊集上的包含度概念扩展到Vague集上，指出Vague集相似度量可以由包含度诱导出，然后给出一组新的Vague集相似度量计算公式．数值算例证明它们是有效的，最后将它们与现有方法进行比较，发现它们各有所长．     

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.     

模糊集之间的距离测度

介绍了Vague集距离测度公理化的定义,引入了一些新的距离测度并给出了这些距离测度性质的证明。讨论了相似测度与距离测度之间的关系。最后,指出Vague集距离测度在模式识别中的应用。     

一种新的Vague集距离测度及其应用

在给出Vague集及其距离测度的概念后,将单个Vague值作为一个区间,运用Vague集向Fuzzy集转化的思想将区间离化为点,通过求点的欧式距离得出两个Vague值之间的距离测度。分析了该公式的性能,并讨论了它在模糊识别中的应用。     

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。     

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.     

基于记分函数的区间值Vague集的相似度量

分别利用区间的中值和Hausdorff测度将基于记分函数的实数型Vague集的相似度方法扩展到i-v Vague集上，比较各种方法的优缺点．并且充分利用Vague集的性质，给出动态的i-v Vague集之间的相似度量方法．     

直觉区间值模糊集的熵、距离测度和相似测度

熵、距离测度和相似测度是模糊集理论中的三个基本概念.本文中,我们给出了直觉区间值模糊集的熵、距离测度和相似测度的公理化定义并讨论了它们之间的基本关系.有别于以往的交、并运算,我们提出了直觉区间值模糊集的加法、乘法运算,并在此基础上讨论了直觉区间值模糊集的熵、距离测度和相似测度的性质.     

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集理论及其在国画类别区分中的应用

为解决Vague值（集）的相似度量问题,提出一种公理化意义下全面综合的度量方法。通过对现有Vague集相似度量的功能进行分析对比,获得在相似度量公理化下的扩展形式,并结合模糊熵理论,综合Vague值（集）相对熵的公理化思想,研究Vague值（集）相似度量与相对熵的关系,给出带参数的计算方法。分析结果证明,将该方法应用于国画类别的区分识别中,能获得较好的分类结果。     

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.     

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。     

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。