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.     

基于距离意义下的Vague集相似度量比较研究

目前已有多种Vague集相似度量计算方法被提出来,但它们都是一种实验计算方法,论文首先设计了一组实验数据对它们进行实验分析,得出基于距离意义下各个相似度量的评价,发现闫等(2004)方法的性能不稳定,并指出产生这种局限性的原因,在证明一个引理的基础上提出一种新的度量方法,它实际上是对闫方法基于距离意义下的改进。最后从理论上将它和Hong的方法进行比较分析。     

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。     

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.     

基于Vague集投影及距离的相似度量方法

根据Vague集距离及投影的概念,提出了一种新的相似度量方法,结合二维图形说明投影越大、距离越小,Vague集之间的相似度就越大,接着证明了该方法满足相似度量的约束条件,最后通过与已有方法的比较说明该方法的有效性。     

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     

离散Vague集的相似度

全面分析了近年来百余篇关于Vague集理论及应用的论文,将以往Vague集的相似度分为5类,指出了它们存在的一些不足之处。在此基础上,给出了更一般的离散Vague集间的相似度。     

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。     

模糊熵、距离测度和相似性测度之间的关系

模糊熵、距离测度和相似性测度是模糊集合的三种重要度量,许多学者对三者之间的关系进行了研究。采用更为严格的定义,通过定义模糊集合之间新的运算研究了三者之间的关系,给出了三者之间的相互诱导公式。对部分公式进行了举例说明。     

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。     

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.     

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（值）间的距离测度

1 引言自从Zadeh提出fuzzy集理论以来,fuzzy集理论就在不断地发展和完善,并在许多领域里得到了成功的应用。但在实际应用中我们也发现它存在一些问题,例如,fuzzy集的隶属度是一个单值,该单值既包含了支持u∈U(U为论域)的证据,也包含了反对u∈U的证据,它不可能表示其中的一个,更不可能同时表示支持和反对的证据。为此,Gau等在文中提出了vague集的概念,用一个真隶属函数t_A和一个假隶属函数f_A来描述vague集,真假隶属函数形成了隶属函     

Value集模糊嫡度量的新构造方法

指出了现有vague集模糊墒定义的不足,分析了其存在不足的根本原因,给出了vague集模糊嫡的公理化定义,提出了一种新的vague集模糊嫡的计算方法,并证明了其合理性和有效性。     

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集的新模糊熵

对于Vague集模糊熵应该既有Vague集的未知性又有Fuzzy集的不确定性。首先在给出了反例证实现有方法在某些情况得出的结果与实际结论不一致情况下,提出了一个真正考虑了两种因素的改进的Vague集模糊熵公理化定义,然后给出一种Vague集模糊熵的新计算公式,最后通过定理证明和实例分析,指出它确实同时考虑到Vague集的未知性和不确定性,从而证明所给出Vague集模糊熵的定义是更加合理的。     

Vague集模糊熵度量的新方法

本文指出了现有Vague集模糊熵定义的不足,分析了其存在不足的根本原因,给出了Vague集模糊熵的公理化定义,提出了一种新的Vague集模糊熵的计算方法,并证明了其合理性和有效性。