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

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。     

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.     

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.     

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。     

关于Vague集相似度量的一个注记

自从Hong等学者指出由Chen给出的关于Vague集的相似性度量方法不合理并提出改进的相似性度量方法后,很多新的改进方法被提出.文章认为Chen给出的关于Vague集的相似性度量与Hong等学者提出的相似性度量具有不同的度量意义,Hong对Chen的否定是错误的.     

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。     

Value集的模糊嫡、相似度量和距离测度的关系

Vague集理论在各个领域中的广泛应用引起越来越多学者的注意,而模糊墒、相似度量和距离测度是其中的3个关键技术。目前已提出多种关于Vague集的模糊嫡、相似度量和距离测度的计算方法,但这些研究都没有讨论这3个基本概念之间的联系。基于Vague集的模糊嫡、相似度量和距离测度的公理化定义,给出了三者之间的相互诱导关系,建立了模糊墒、相似度量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.     

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。