Vague集之间的相似度量及其在模式识别中的应用

讨论Vague集之间的相似度量问题 .首先 ,基于Vague集定义本身的动态趋势 ,分别给出元素相对于Vague集的隶属度与非隶属度的合理表示 ,进而提出一种新的度量Vague集之间相似程度的方法 ,并讨论其性质 .然后 ,将元素在Vague集中所呈现的三部分 :隶属度、非隶属度和不确定程度的相对重要性以及每个元素的相对重要性考虑进去 ,提出并讨论一种新的加权相似度量方法 .进一步 ,将上述Vague集之间的相似度量和加权相似度量推广到连续论域 ,得到相应度量的积分表示 ,同时指出Hong和Kim给出的度量方法是结论的特例 .最后 ,将Vague集之间的相似度量应用于模式识别     

一种基于未知度的区间值加权模糊推理方法

基于Vague集未知度给出一种新的区间值加权模糊推理方法,将精确量的推理规则区间值模糊化,并给出加权的基于Vague集未知度的相似度量方法,用以确定事实为区间值的模糊控制匹配函数,通过实例分析表明,该推理方法过程比较简单,具有较好的实用价值。     

基于未知度的Vague集相似度量新方法

分析了现有的相似度量方法,指出影响Vague集相似度量的因素和衡量Vague集相似程度的必要参数,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,通过实验结果表明,新的方法区分能力高,而且有更好的度量效果.     

改进的Vague值相似度及多准则决策方法

为了区分Vague值的相似性,提出一种基于Vague值的区间中点值的相似度量。考虑隶属度与非隶属度间的运算关系,构成区间中点值,在基于Vague值相似度量的公理化条件的基础上,将隶属度、非隶属度及Vague值的区间中间值3个因素结合起来,构成了一个改进的相似度量公式。与已有的相似度量进行仿真比较,结果表明该度量能有效区分Vague值数据。将该度量应用于多准则决策问题,实例验证了该度量的有效性。     

基于Vague软集相似度量的网络舆情综合评判方法

针对现有Vague软集相似度量方法的局限性,修正了Vague软集相似度量公式,提出了一种考虑Vague值区间中心差异性的Vague软集相似度量方法,并给出公理化证明。基于大规模网络舆情数据集的综合评判分析实验表明,该方法是合理的、有效的、可行的,在网络舆情分析等综合决策问题研究中有较好的应用前景和效果。     

覆盖空间下粗糙集和Vague软集融合方法研究

针对覆盖近似空间下粗糙集、Vague集和软集3种不确定性理论方法融合扩展的问题,提出了一种新的基于近邻域的覆盖粗糙Vague软集模型,并讨论了相关性质。又针对该模型的不确定性度量问题,定义了一种新的覆盖粗糙Vague软集的不确定性度量方法。该方法通过引入覆盖粒度空间下知识熵的概念定义覆盖粒度空间的不确定程度,同时采用粗糙度定义覆盖粗糙Vague软集本身的粗糙性,最后将二者结合度量覆盖粗糙Vague软集的不确定性程度。算例分析表明,该度量方法是有效可行的,并且随着覆盖粒度的增大覆盖粗糙Vague软集的不确定性程度也随之增大。覆盖粗糙Vague软集模型在胃电信号(EGG)分析及胃疾病辅助诊断问题研究中有很好的应用前景。     

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法。首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值，然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值。最后给出两个具有直观意义且计算简便的排序准则，利用它们对方案进行排序并选出最优方案，实例分析表明了该方法的可行性和有效性。     

基于区间值Vague集的多目标模糊决策方法

介绍了一种新的模糊集合即区间值Vague集，此集合把Vague集的肯定与否定隶属度函数值采用区间值表示，使其表达不确定数据的形式更灵活，并研究在此种集合下多目标的模糊决策问题，采用评价函数和记分函数进行决策。     

基于Vague集的不确定方向查询

针对方向关系界定的不确定性,提出基于Vague集的不确定区域方向关系模型,并利用Vague集方向关系矩阵分析不确定空间对象的方向关系隶属程度.讨论了空间对象与其MBR间的方向谓词映射关系,给出了边界不确定对象之间的方向查询实例及算法.结果表明,用Vague集来表示不确定性区域能够体现出空间对象与方向片相交的最大(最小)程度,比用模糊集更确切,不确定查询更符合人类思维的心理特征.     

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法.首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值,然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值,最后给出两个具有直观意义且计算简便的排序准则,利用它们对方案进行排序并选出最优方案,实例分析表明了该方法的可行性和有效性.     

基于转化模型的Vague集多准则模糊决策记分函数

针对现有记分函数问题,考虑记分函数与 Vague集向Fuzzy集转化模型在未知度转化方面的相通性,提出一种基于转化模型的记分函数及其加权形式,给出其定义和性质。该（加权）记分函数与转化模型之间具有直接运算关系,与现有加权记分函数之间具有良好转换关系,能够合理表达真、假隶属度大小关系对未知度价值取向的影响,具有更细腻的表达能力,是对极限转化状态（或接近）下的决策目标集的记分排序,实例对比说明了其有效性和优越性。     

区间值Vague集多目标模糊决策方法

研究了区间值多目标模糊决策方法问题。充分利用Vague集三维信息提出了Vague集和区间值Vague集模糊相对优势函数概念,该概念克服了以往Vague集优势函数定义中不考虑第三维信息的弱点。在区间值Vague集决策矩阵基础上,构造了模糊相对优势决策矩阵和模糊加权决策矩阵,给出了区间值Vague集多目标模糊决策过程,充实了Vague集多目标模糊决策理论体系。最后通过算例验证了该方法是一种有效可行的决策方法。     

基于Vague集模糊量化的图像检索算法

为了提高图像的检索效果,提出了基于Vague集模糊量化的图像检索算法。该算法首先在色调-饱和度-亮度(hue saturation value,HSV)空间中划分模糊区域,并建立每个区域的梯形隶属度函数;其次,通过梯形隶属度函数得到任意颜色在模糊区域的Vague隶属度,进而将该Vague隶属度转化为包含中立度信息的Fuzzy值,并对该Fuzzy值加权得到新的量化值,从而得到颜色直方图;最后,将原图平滑处理,并与原图直方图结合得到广义直方图,通过欧氏距离进行相似匹配得到检索结果。实验采用Corel1000图像库,选取花作为检索的目标图像,结果显示,非均匀量化算法,模糊量化算法和改进算法的查准率分别为62.5%,72.5%,75%;查全率分别为25%,29%,30%。采用3种算法分别检索主目标明确和主目标不明确的图片,结果显示,改进算法与非均匀量化算法,模糊量化算法相比,检索效果较好。     

区间直觉模糊粗糙集的不确定性度量

利用模糊熵工具将近似集的不确定性度量方法应用在区间直觉模糊信息系统中,给出了区间直觉模糊近似算子的不确定性度量公式.通过在区间直觉模糊近似空间中定义一对新的区间直觉模糊上、下近似算子,将模糊粗糙隶属函数的定义推广到了区间直觉模糊集的粗糙隶属函数;然后利用区间直觉模糊粗糙隶属函数的模糊熵,定义了区间直觉模糊粗糙集的熵;进而解决了区间直觉模糊粗糙集的不确定性度量问题,并讨论了度量的一些相关性质,以此说明定义的合理性.     

加权Petri网的字符串序列相似性度量

由于现有的流程相似性度量方法大多只关注流程的单一维度,缺乏对流程信息的综合考虑,使得流程检索的准确率还有待提高。在综合考虑结构信息和行为信息下,提出了一种高效率、多维度的加权Petri网的字符串序列的相似性度量方法。该方法首先将事件日志信息加权至Petri网,然后使用广度优先遍历将加权Petri网模型转换为字符串序列,再将该序列分为一个带权重的紧邻变迁对集和一个结构序列并分别计算相似度值,最后加权得到流程之间的相似度值。实验结果表明,该度量方法准确率达到99.51%。另外,该方法在时间复杂度上也有着不错的优势。     

一种基于加权图模型的手指静脉识别方法

提出一种基于加权图模型的手指静脉网络特征描述方法。对于一幅手指静脉图像,通过图像划分获得图的顶点集,利用三角剖分获得图的边集,边的权重由边所连接顶点之间的特征相似度决定。通过这种方式,一幅手指静脉图像可转化为一个加权图,并通过度量加权图邻接矩阵之间的相似度实现手指静脉识别。详细研究影响识别结果的几个因素,并通过试验证明了该方法的有效性。     

从模糊集到直觉模糊集相似度的构造方法

直觉模糊集的相似度是直觉模糊集的一个重要研究内容。从模糊集相似度角度,提出直觉模糊集相似度的一些构造方法。基于模糊集的相似度得到直觉模糊集的隶属度与非隶属度的相似度,进而提出从模糊集相似度构造直觉模糊集相似度的方法;利用已有的模糊集相似度公式,得到了17个新的直觉模糊集相似度;通过一个例子演示新相似度在模式识别方面的应用。     

结合紧密度和分散度的近邻亲和相似度函数

针对传统距离或相似度度量未考虑个体样本对整体样本集影响的情况,对K近邻算法提出了一种相似度改进策略．首先提出了一种新的亲和距离函数,以样本对整体样本集的紧密度和分散度为关注点;其次在亲和距离函数的基础上,提出了一种新的基于紧密度和分散度的亲和相似度函数,并将其作为K近邻算法相似度度量函数;最后通过理论分析及18个数值类型UCI数据集,以5交叉验证模式对所提出亲和相似度函数与传统距离和相似度函数进行验证对比．实验表明,所提出方法是一种有效的相似度策略,且与高效索引算法相结合,可降低在大规模数据集的分类时间．     

粗糙直觉模糊集的不确定性分析

基于粗糙直觉模糊集的基本概念和模糊熵的公理化定义,给出了直觉模糊集粗糙隶属函数的定义并讨论其基本性质,再利用粗糙隶属函数的直觉模糊熵,给出了粗糙直觉模糊集的不确定性度量,并讨论了度量的一些相关性质。     

基于杰卡德相似性的推荐系统研究

协同过滤推荐系统的核心是用户的相似性度量.在杰卡德相似性度量基础上,提出一种修正的杰卡德相似性度量.该方法将用户评分差异的数目融入相似度计算,并综合杰卡德相似度建立神经网络学习模型,选取Movielens数据作为训练集,得到合适的权重.实验结果表明,与pearson相似性度量相比,该方法在用户评价较少时给出相对可靠的推荐,在推荐的精度、平均绝对误差等方面具有一定的优越性.