基于包含度的Vague集相似度量

在模糊模式识别中经常要根据最大相似度原理来分辨待测样品属于哪种模式．由于现有的vague集相似度量公式都是基于距离测度的，因此只要vague集间距离测度一样，它们就无法分辨，因此非常有必要寻找其它的相似度量计算方法．首先将模糊集上的包含度概念扩展到Vague集上，指出Vague集相似度量可以由包含度诱导出，然后给出一组新的Vague集相似度量计算公式．数值算例证明它们是有效的，最后将它们与现有方法进行比较，发现它们各有所长．     

Vague集上一个新的贴近度公式

基于已有文献给出的一般性Vague集上贴近度的表达式,结合已提出的几个贴近度公式,研究了一个新的贴近度公式具有的性质,揭示了几个贴近度表达式之间的关系。     

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。     

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     

Vague集模糊熵的再研究

Vague集模糊性主要来自未知信息与不确定信息这个结论上,构造出一种新的Vague集模糊熵计算公式,并给出它的公理化定义及证明。最后通过几组实例的分析,得出提出的Vague集模糊熵定义是已有Vague集模糊熵公式中最合理的一种。     

计算Vague集贴近度的一种新方法

指出了Chen给出的Vague集的贴近度存在的缺陷,并分析了李凡[1]提出的贴近度。在此基础上,引入了Vague集(值)的距离概念,进而引入并研究了Vague集(值)的贴近度,并证明了这一新的贴近度的性质。     

基于一般二元关系下的粗糙Vague集

本文研究了一般关系下Vague集合的近似问题,建立了一般关系下粗糙Vague近似的框架。在分析经典的粗集理论、模糊集理论、Vague集理论三者关系的基础上,提出了一般关系下粗糙Vague集的概念,并定义了粗糙Vague近似算子,讨论了粗糙Vague的性质。本文的结果对进一步开展粗糙集Vague集的研究具有一定的意义。     

Vague集相似度的积分表示

Chen犤1犦和李凡犤2犦分别研究了Vague集之间的相似度量。笔者也在文献犤3犦中定义了一种新的相似度量。但这些相似度量均定义在有限论域上,对无限论域的情况均未作讨论。该文给出了Vague集之间的相似度的统一概念,基于信息处理的背景,给出了论域X=犤a,b犦上Vague集之间相似度的积分表示,这些结果可以在模式识别、决策科学等领域中得到应用。     

关于Vague集概念的一点注记

1.中国台湾学者Wen-Lung Gan与Daniel J.Buehrer于1993年引入了所谓Vague集的概念。按照文[1],论域X中的一个Vague集V是由X到[0,1]的两个映射t_v与f_v所确定: t_v(x) f_v(x)≤1,x (1)t_v(x)表示支持“x属于V”成立的程度,称为真隶属函数;f_v(x)表示反对“x属于V”成立的程度,称为假隶属函数。在此基础上,Gan等讨论了Vague集的包含关系,并、交、补运算及其简单性质。然而,应该指出,早在1990年,上述所谓Vague集的概念已被大陆学者任平所给出。在文[2]中,任平提出了广义模糊集的概念,它是由一对隶属函数u_A~T(x)与u_A~F(x)所确定。确切地说,u_A~T(x)表示x属于A的程度,即命题“x属于A”的真值;u_A~F(x)表示命题“x属于A”的假值,即从另一角度看x不属于A的程度。两个隶属函数u_A~T、u_A~F自然满足     

基于包含度的直觉模糊粗糙集模型

将直觉模糊包含度引入粗糙集与直觉模糊集的融合建模。首先,介绍直觉模糊集在特殊格L上的定义;其次,将模糊包含度拓展到直觉模糊环境下,提出取值于特殊格L的直觉模糊包含度定义和计算公式;在此基础上,分别利用直觉模糊包含度的隶属度与非隶属度定义了上下近似算子,建立了直觉模糊相似关系下的直觉模糊粗糙集模型,并对近似算子的重要性质进行了证明。     

考虑犹豫度的Vague集相似度量方法

研究了本刊2008年第4期王伟平的论文“Vague 集之间相似性度量的基本准则与一般方法”中的Vague集间相似度量方法的优点和不足,考虑到犹豫度之差对相似度的影响,提出同时考虑真隶属度、假隶属度、相对优势、犹豫度之和以及犹豫度之差的Vague集相似度量方法,并证明王伟平相似度量方法的不足和新相似度量方法的优点,并把新相似度量方法应用于病症诊断中。     

基于未知度的Vague集相似度量方法研究

分析并指出了现有的相似度量方法的不足,考虑了未知度在相似度量方法中的影响,提出了一种基于未知度Vague集相似度量的方法,通过实例说明该方法具有一定的有效性和优越性。     

一种基于未知度的Vague集相似度量新方法

分析了现有的相似度量方法,提出了一种基于未知度Vague集相似度量的方法,证明该方法满足基本准则,通过实例与现有相似度量方法的比较,说明新的方法区分能力较高,具有一定的有效性和优越性。     

Vague集的相似度理论

基于对现有Vague集（值）之间相似度度量方法的分析,给出了基本相似度和强相似度的定义,引入了能反映相似度与距离内在联系的边界条件,减少了相似度选取与构造的盲目性与随意性。基于Hausdorff距离给出了一种相似度度量新方法,并将该方法应用于离散论域及连续论域,得到了若干对应的加权相似度的计算公式。为解决基于Vague集的模式匹配和决策分析等问题作了理论上的准备,也为吸收和利用Fuzzy集、Rough集理论的相关结果和思想提供了方便。     

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.     

S-粗Vague集合及应用

在原始Vague集基础上提出动态的Vague集,即Ｓ-Vague集,由此提出了Ｓ-粗Vague集概念。接着给出了Ｓ-粗Vague集结构与性质,分析了Ｓ-粗Vague集与Z.Pawlak粗集、Dubois粗糙模糊集以及S-粗集之间的关系,给出了Ｓ-粗Vague集的应用。     

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。     

Vague集相似度量方法的分析与研究

指出了影响Vague集相似度量的四个要素,考虑了未知度对相似度的影响,提出了一种新的Vague集相似度量的方法,通过实例说明该方法的有效性和直观性。