改进的Vague等价聚类分析

Vague关系作为模糊关系的一种推广,在某些情况下,比直觉模糊关系具有更强的模糊信息表达能力。通过对照关系和模糊关系的传递闭包,把求模糊矩阵的传递闭包算法完整地推广到Vague关系矩阵上,从而可以将相似Vague关系矩阵转换为等价Vague关系矩阵,进而通过设定肯定、否定双维度阀值α_t、α_f,将此等价的Vague关系矩阵转化成一个等价的布尔矩阵,最终使得达到聚类分析的目的。最后通过一个实例给出了这种聚类分析方法在模式识别中的应用。     

Vague聚类分析在模式识别中的应用

本文借鉴灰色关联分析法建立Vague相似关系矩阵。给出了Vague聚类的概念，并在此基础上进行Vague聚类分析。该方法充分利用Vague集的特点，可从肯定、否定和未知度等多雏度进行聚类分析。最后用模式识别中的实例验证了本方法的可行性和有效性。     

基于Vague集的模糊聚类方法

提出了一种新的基于Vague相似关系的聚类方法。通过构造Vague相似关系矩阵,运用编网法进行模糊聚类分析,使得聚类分析的结果更加全面。用具体实例验证方法的有效性。     

Vague矩阵的代数性质

在Vague集理论的基础上,结合Vague关系和Vague集的运算,讨论了Vague矩阵的一些相关性质,并给出了m×n阶Vague矩阵的全体所具有的代数结构。     

基于三元模糊数Vague集的SPA方法及应用

在结合集对理论（SPA）与Vague集理论的基础上,提出了一种新的三元模糊数Vague集。并采用集对联系数同、异、反来表示Vague集的函数,这种不确定信息的表示要比Vague集的表示更加合理、准确和有效。在此基础上,通过一个具体的实例来验证该方法的可行性和实用性。     

边界不确定信息的处理—Fuzzy集和Vague集

Fuzzy集和Vague集都可用于边界不确定信息的处理。文章首先研究了这两种集合间的关系、性质,提出了Fuzzy集和Vague集的边界不确定性都可用犤0,1犦上的一个子区间来进行描述的思想。然后基于一些Vague集相似度量的思想,提出了一种求Fuzzy集和Vague集的相似性度量方法,并建立了基于Fuzzy集和Vague集度量方法的统一模型,该模型在这两种集合相似性度量上是等价的,并给出了该模型满足的性质。     

Vague集的相似度量及其在聚类分析中的应用

在智能系统的研究与开发中,聚类分析是一个非常重要的问题。提出了一个基于未知度和核的Vague集间的相似度量公式。在考虑算法自主性和计算复杂性的基础之上,通过参考Fuzzy集中的相关聚类分析方法,给出了一种以Vague集的相似度量为评价准则的直接聚类算法。使用相似度量公式,分别采用Vague 传递闭包法和Vague 直接聚类法进行计算,实验结果表明,基于Vague 相似度量的直接聚类法计算简单,不会造成原始信息的失真,而且对数据量的大小均无特别的要求,比Vague 传递闭包法更加有效。     

(λ,μ)Vague商环

引入了[(λ,μ)]Vague环,[(λ,μ)]Vague理想的概念,利用截集给出了它们的等价刻画,研究了同态映射下它们的像与原像的问题,在此基础上通过构造陪集的方法引入了[(λ,μ)]Vague商环,给出了[(λ,μ)]Vague商环的同构定理,初步探索了[(λ,μ)]Vague环的理论。     

Vague集多指标决策的模糊值线性序法

就Vague集的多指标决策问题,提出了一种新的多指标决策方法。该方法首先将Vague值转化为模糊值,从而建立模糊值矩阵,由模糊值矩阵按各指标对应值的大小对方案进行排序,形成多个线性序,进而由线性序来构造模糊优先矩阵,然后通过对模糊优先矩阵进行截割,得到方案的优劣程度排序,从而选出最优方案。最后通过一个实例说明此方法的具体决策过程。     

基于Vague集的人工免疫模型

分析了众多的应用在入侵检测系统中免疫模型存在的不足,提出了一种基于Vague集理论的人工免疫模型的设计实现方法,该方法采用了Vague集的核函数和精确函数来解决基于Vague集的模式识别问题,由于Vague集可以同时表示"肯定"、"否定"和"不确定"的信息,这使得在采用了Vague集的人工免疫模型中得到的识别结果更符合实际情况,最后给出了实验证明了该方法的有效性.     

Vague集向Fuzzy集的转换函数

给出了两类Vague集向Fuzzy集的转换函数,并讨论了其性质;指出了现有的Vague集的模糊熵概念的不足,最后给出了模糊熵的新的约束条件.     

关于Vague集的相似度量的一个注

Vague集的相似度量在Vague集的应用中具有极其重要的地位.分析了现有3类Vague集(值)之间的相似度量方法 ,指出这些相似度量方法的分类是源于对特殊Vague值s=[0,1]的处理上.提出Vague集之间新的相似度量的定义.给出Vague集之间新的相似度量公式.该公式的结构是简洁的.     

一种Vague集上的直接聚类法

Vague集是Fuzzy集的扩展,在给出几种构造Vague集相似矩阵方法的基础上,将Fuzzy集上的编网法和最大树法引入到Vague集上,定义了Vague关系图,并给出了基于Vague集的直接聚类法：编网法和最大树法。最后使用文献[1]中的例子,分别采用Vague传递闭包法和Vague直接聚类法进行计算。实验结果表明,Vague直接聚类法计算简单,不会造成原始信息的失真,比Vague传递闭包法更加有效。     

Vague关系与Vague映射

在系统研究了作为Zadeh模糊集理论重要扩展的Vague关系及其合成运算,并就Vague关系的性质进行了讨论。在此基础上研究了Vague等价关系,给出了Vague映射的概念,讨论了Vague映射的一些性质。     

Vague集的模糊逼近与模糊熵

给出了vague集转换为模糊集的一种新的方法,定义了vague集的模糊逼近。利用vague集的模糊逼近研究了vague集的模糊熵及其相关性质。     

"关于Vague集的模糊熵及其构造"的注记

讨论了文[1，2]中将vague集变换为fuzzy集的转换函数的作用，指出了vague集就是一类特殊的L-模糊集，分析了文[1，2]中提出的vague集的模糊熵概念的不足，在此基础上，基于对不确定性信息处理的背景，提出了一种模糊正熵和模糊负熵的概念，并讨论了它们的性质。     

覆盖Value集

覆盖粗糙集和Vague集都是处理不确定性问题的数学工具,它们分别是粗糙集和模糊集的扩展。已有的覆盖粗糙集模型在求上、下近似时,可能将一些实际上并非肯定属于给定集合的元素纳入到下近似中,而一些可能属于给定集合的元素却没有纳入到上近似中,这就会改变一些元素与给定集合的关系。通过深入分析论域中的元素与其相关覆盖元之间的关系,建立了覆盖Vague集。该覆盖Vague集能够从一种新的角度反映出论域中各元素与给定集合之间的从属程度。进一步研究了覆盖Vague集与覆盖粗糙集中一些重要概念之间的关系。最后讨论了当覆盖退化为划分时覆盖Vague集的特性。     

基于Vague关系数据模型的除操作研究

基于Vague集理论的Vague关系数据库由于其所含信息的模糊性,对应于现实世界的多种状态。为此,基于扩展的Vague关系数据模型,研究一种条件受限的Vague除操作实现方法,并给出相应的操作步骤和算法。实例分析结果表明,该实现方法可直接作用于整个Vague关系数据库,无需对Vague关系数据库对应的所有状态逐一进行扫描即可获得正确的操作结果,具有较高的执行效率。     

基于Vague聚类规则的双向近似推理

在智能系统的研究与开发中，推理方法的计算复杂性是一个很重要的问题．为了获得良好的推理效果和推理效率，就必须降低推理方法的计算复杂性．为此本文首先给出了一个新的vague集间的距离定义，然后给出了相似方向的概念及相似方向的判定方法．在此基础上，提出了对vague规则进行聚类，以及基于vague聚类规则的双向近似推理方法，该方法更好地利用了vague集信息的精确性，而且降低了推理的计算复杂性，从而提高了推理的精确性和适用性．并用实例验证了该方法的有效性．这为智能系统中的近似推理提供了一个十分有用的工具．     

A note on information entropy measures for vague sets and its applications

A new nonprobabilistic entropy of a vague set is proposed by means of the intersection and union of the membership degree and nonmembership degree of the vague set. The concept called vague cross-entropy of vague sets will also be discussed and its definition is given by analogy with the cross-entropy of probability distributions. Finally, two numeric examples are presented to illustrate the applications of vague cross-entropy to pattern recognition and medical diagnosis.