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。     

基于直觉模糊熵的交叉评价方法

对基于相对贴近度的第二目标模型进行模糊扩展,充分利用模糊信息,定义一种新的方法将三角模糊效率值转化为直觉模糊集,并用直觉模糊熵对模糊交叉效率进行集结,然后用三元有向距离指数对全局模糊效率值进行排序。最后用基于直觉模糊熵的交叉评价方法,对国家自然科学基金委员会管理科学部认定的管理科学与系统科学10种重要期刊在2011年的引证效率进行分析,以此来说明该方法的有效性与可行性。     

混合型概率犹豫模糊熵和交叉熵测度

针对已有概率犹豫模糊熵测度构造复杂、区分能力弱等缺点,提出一种混合型概率犹豫模糊熵测度.混合型熵测度能够综合反映概率犹豫模糊元所具有的个体不确定性和整体不确定性,具有结构简单、物理意义明确、区分能力强等优势.在概率犹豫模糊元规范化的基础上,基于混合型熵测度的构造理念所设计的混合型交叉熵测度,能够克服已有交叉熵测度的设计缺陷,综合反映两个概率犹豫模糊元之间的个体区分度和整体区分度,且具有自然的对称性.基于混合型熵测度和交叉熵测度,进一步设计概率犹豫模糊环境下的多属性决策方法,并将其应用于无人机集群作战效能评估.数值和理论分析结果表明,所提出的混合型概率犹豫模糊熵和交叉熵测度能够成对设计,互为印证,具有广泛的应用前景.     

基于模糊相对熵的网络异常流量检测方法研究

基于模糊相对熵的网络异常流量检测方法可以在缺乏历史流量数据的情况下,通过对网络流量特征进行假设检验,实现对网络异常行为的检测发现。通过搭建模拟实验环境,设计测试用例对基于模糊相对熵的网络异常流量检测方法进行多测度测试验证,结果表明该方法在设定合理模糊相对熵阈值的情况下检测率可达84.36%,具有良好的检测效率。     

基于熵准则的发酵过程TSK模糊建模

提出了一种基于熵准则函数的TSK模糊系统建模方法.不同于传统的基于MSE经验误差最小的准则函数,该准则函数能从训练样本的整体分布结构来进行参数学习,有效地避免了由于过学习而导致泛化能力差的缺点.将其应用于复杂的发酵过程建模,结果表明新方法具有良好的预测精度、泛化能力和鲁棒性.为解决发酵过程建模中试验数据含有噪音,导致模型预测精度下降的问题提供了一条研究思路.     

Vague集模糊熵的构造方法研究

对现有Vague集模糊熵构造方法的缺陷以及Vague集模糊度的基本性质进行分析.在此分析基础上,给出一种新的Vague集模糊熵的构造方法和一种Vague集概率模糊熵的构造方法.并将普通集、Fuzzy集统一表示为Vague集.     

区间犹豫模糊熵应用于地方高等教育发展研究

构造了新的区间犹豫模糊熵、交叉熵公式,提出了一种新的区间犹豫模糊多属性群决策方法,并将其应用于地方高等教育发展研究的过程中。构建了一种新的区间犹豫模糊熵公式,并证明其满足区间犹豫模糊熵的公理化条件;给出了区间犹豫模糊距离测度的公理性定义,研究了区间犹豫模糊距离测度和区间犹豫模糊熵、交叉熵的关系,并构建了区间犹豫模糊加权交叉熵公式。在区间犹豫模糊环境下,基于区间犹豫模糊熵、交叉熵以及交叉熵贴近度,提出了一种新的属性权重未知的多属性决策方法,并将其应用于对地方高等教育发展研究的过程中,验证该方法的可行性和有效性。     

基于估计熵的模糊滤波

介绍了近年来出现的一种度量信号复杂程度的统计量——估计熵（Ａｐｐｒｏｘｉｍａｔｅｅｎｔｒｏｐｙ），并将其用于信号的模糊滤波。这种滤波器具有能随信号的特征自动调节滤波器结构的优点，特别是当信号为非平稳时有较好的效果。这种滤波方法具有一定的自适性，适合于工程应用。     

一种基于模糊熵的模糊分类算法

在模糊ID3算法中,用模糊分类熵选择扩展属性,以自顶向下的方式递归地构建模糊决策树,对数据进行分类。提出了一种基于属性模糊熵的模糊分类算法,不同于模糊ID3算法,模糊条件属性的模糊熵作为权值用来对相对模糊频率进行加权,综合考虑各个模糊条件属性对分类的贡献。实例分析和实验结果表明了这一算法的有效性。     

基于极大模糊熵原理的模糊产生式规则中的权重获取方法研究

模糊产生式规则（IF-THEN规则）是不确定性知识表示的一种最基本的最常用的形式,在模糊规则中引入权重,能增强模糊规则对待分类示例的泛化能力．模糊产生式规则的一项重要研究工作就是权重如何获取．目前常用的权重获取准则是依据于训练精度的提高,这种方法的明显不足就是会引起过度拟合．因此,提出了一种新的基于极大模糊熵原理的权重获取准则．在保证不降低训练精度的前提下,调整权重来极大化训练集的模糊熵,能有效提高测试精度．新的权重获取策略有效解决了过度拟合问题,同时提高了测试精度．     

基于信息测度的勾股模糊决策模型及其应用

相对于直觉模糊集，勾股模糊集能够更为全面和有效地表达描述复杂问题中的不确定和非一致信息，使其受到了广泛研究。对于属性评价值为勾股模糊数并且属性指标权重信息数据完全未知的多属性决策问题，以提出的勾股模糊信息测度为基础，设计了新的多属性决策模型。该模型运用对数函数设计了一种新的勾股模糊数信息熵计算方法；引入了勾股模糊相似度概念，并结合对数行数提出勾股模糊数相似度的衡量方法，随后挖掘出勾股模糊数的信息熵和相似度之间的内在联系；运用提出的勾股模糊熵和相似度计算方法，构建新的多属性决策模型，并进行应用研究。实验结果表明，提出的模型合理有效，同时拓展了模型的使用范围。     

基于熵聚类模糊神经网络味觉信号识别系统的研究

提出了一种基于熵聚类的模糊神经网络味觉信号识别系统模型,该模型利用聚类方法实现模糊输入空间划分和模糊IF-THEN规则提取,并使用梯度下降法对系统参数进行精炼,系统兼具有良好的可解释性和学习能力,对11种矿泉水味觉信号的识别实验结果表明了该系统的可行性和有效性。     

Two Information Measures for Inconsistent Sets

I present two measures of information for both consistentand inconsistent sets of sentences in a finite language ofpropositional logic. The measures of information are based onmeasures of inconsistency developed in Knight (2002).Relative information measures are then provided corresponding to thetwo information measures.     

不完备信息系统中基于模糊测度的知识不确定性度量

考虑到不完备信息系统中属性的相似关系和缺失值对系统不确定性的影响,如果仍然利用分块大小来衡量知识的信息量或粗糙性将变得不合理。本文在信息系统中定义了模糊测度系统信息熵、知识粗糙熵和粗集粗糙熵,证明了模糊测度粗糙熵的合理性及其性质,并举例说明如何选择合理的测度计算模糊测度粗糙熵,最后运用到知识的约简,为信息系统的约简提供了一种新的途径。     

Multicriteria Decision-Making Using Fuzzy Measures

We are interested in the formulation of multicriteria decision functions based on the use of a measure over the space of criteria. Specifically, the relationship between the criteria is expressed using a monotonic set measure. We then use the Choquet integral to construct decision functions based on the measure. We look at a number of different decision functions generated from specific classes of measures.     

Fuzzy entropy in fuzzy weighted linear regression model under linear restrictions with simulation study

In fuzzy set theory, it is well known that a fuzzy number can be uniquely determined through its position and entropy. Hence, by using the concept of fuzzy entropy the estimators of the fuzzy regression coefficients may be estimated. In the present communication, a fuzzy linear regression (FLR) model with some restrictions in the form of prior information has been considered. The estimators of regression coefficients have been obtained with the help of fuzzy entropy for the restricted/unrestricted FLR model by assigning some weights in the distance function. Some numerical examples have also been provided in order to illustrate the proposed model along with the obtained weighted estimators. Further, in order to compare the performance of unrestricted estimator and restricted estimator, a simulation study has been conducted by using two fundamental criteria of dominance – mean squared error matrix (MSEM) and absolute bias.     

基于正规三角模糊集相似度量的模糊推理

文章首先定义了正规模糊集相似度量的一般公式,然后给出了正规三角模糊集相似度量计算的简化公式,在正规三角模糊集相似度量的基础上,提出了一种新的模糊推理的方法——基于正规三角模糊集相似度量的模糊推理,并与Mamdani模糊推理方法做了比较。最后给出了模糊推理的仿真实现。     

两种改进的相似度及模糊推理方法

在专家系统的模糊推理中,基于相似度的方法是一种简便而又重要的方法。文章指出了已有的两种相似度及其算法的局限性,提出了两种改进的相似度及其推理算法,并用实例说明了改进方法的效果。     

信息论在异常检测中的应用

异常检测能有效地检测出新类型的攻击,但是目前大多数入侵检测使用的异常检测技术都缺乏理论指导,通常是经过反复的实验建立检测模型,这样建立的模型只适用于某些环境,不具有通用性。该文提出了一种可以指导异常检测的理论基础———信息论,介绍了应用在异常检测中的几种信息论的方法,包括熵,条件熵,相对(条件)熵,信息量。利用这些方法可以指导异常模型建立过程和解释模型性能。最后该文还通过举例说明了这种理论的可行性和必要性。     

基于严凹函数的粗糙集不确定性度量

通过语义分析,提出了一种拓展的粗糙集不确定性度量公理化定义;将香农熵函数推广到严凹函数,提出了一类以条件概率为自变量、基于严凹函数的粗糙集不确定性度量公式,它是严凹函数值的加权平均.在此基础上,得到一系列粗糙集不确定性度量方法.从严凹函数视角讨论了基于模糊熵的不确定性度量方法,发现现有多种能够用于度量粗糙集不确定性的模糊熵函数都是所提出方法的特殊情形.比较了粗糙度、改进粗糙度和所提出方法的区别和联系,最后设计了一些算例,比较了各种方法的异同,验证了基于严凹函数的粗糙集不确定性度量与粗糙集不确定性语义是一致的.