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。     

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.     

Vague集相似度量的新方法

根据区间相似性的原理,指出影响Vague集相似性度量的4个因素,指出了现有方法的不足,提出了一种新的Vague集相似性度量方法,证明了它满足若干准则。通过例子证明了方法的有效性和优越性。     

Vague集相似度量的新方法

指出了现有方法的不足,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。通过实例说明了方法的有效性和优越性。     

Vague集及其相似度量的新方法

相似度量是Vague集研究中的一个重要内容,对于知识表达、模式识别等研究具有重要意义。引入了Vague值（集）相似度量的基本准则,并对现有的一些Vague值（集）相似度量方法进行研究,发现目前Vague值（集）相似度量方法存在一些缺陷,因此提出了一种新的Vague值（集）的相似度量方法,并通过数据分析验证了新方法的有效性。     

Vague集之间的相似度量

分析了Chen给出的一种度量Vague集(值)之间相似程度的度量方法,指出了这种相似度量方法所存在的缺陷.在此基础上,给出了一种新的相似度量方法.由于该方法具有较好的性质,更具合理性,因而是一种较为理想的检测Vague集(值)之间相似程度的度量方法.     

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。     

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.     

一种Vague集相似度量的新方法

提出了一种Vague集相似度量的新方法,该方法充分考虑到未知度对相似度量的影响。先用理论证明了它满足相关基本规则,进而通过分析它与一些经典的相似度量方法,在具体实例中得出的不同结果,说明了它具有的有效性和优越性。     

Vague 集之间相似性的度量方法

指出现有Vague集相似度量方法的不足,分析了其存在不足的根本原因,给出了一种Vague集相似度量的新的计算方法.通过实例说明了该计算方法的有效性和合理性.     

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。     

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。     

基于Vague集相似度量的一种联系数方法

运用集对分析法中联系数理论与Vague集理论,给出了一种新的Vague集相似度量的联系数方法。该方法用联系数理论确定与不确定规律,刻画了Vague集相似度量的同异反状态关系,克服了传统相似度量方法的缺陷与不足,并指出联系数是Vague集的一般形式及表示。通过实例表明该方法切实可行,是一种有效的Vague相似度量方法。     

基于加权因子的Vague(值)集相似度量

在Vague集的各种应用中,相似度量扮演着非常重要的作用,针对现有不同的相似度量方法,主要指出文献[16,17]度量方法的缺陷,通过引入加权因子,指出一类Vague集相似度量公式的约束条件,进而解决了文献[16,17]所存在的问题,在模式识别中的一个应用实例验证了新方法的有效性。     

一类新的Vague集间的相似度量方法及其应用

相似度量是研究和应用Vague集的重要工具。首先介绍了Vague集的概念,接着用实例说明已有的Vague集相似度量在某些情况下并不适用,并分析了造成不适用的原因,进而给出了Vague集相似度量的公理化定义,提出了一种新的Vague集之间的相似度量,并将其应用于模式识别中。     

Vague集相似度量的比较研究

给出了完整的Vague集相似度量约束准则,在此基础上对现有的Vague集相似度量的缺陷,进行了定量分析和证明。在充分考虑了支持度、反对度、未知度以及核函数概念之间相互关系后,提出了一种新的Vague集相似度量。通过对定理的证明以及与其他相似度量违反直觉例子的比较,表明新的相似度量全面考虑了各种约束准则,符合人们直观感觉。给出了新的Vague集相似度量在智能决策中的应用方法和应用实例。