一种云模型相似性度量方法北大核心CSCD

针对现有方法存在的区分度不高、运行时间代价过高等问题,提出一种云模型相似性度量方法。首先采用云模型的扩展模型三角云模型作为研究对象,将三角云模型看作对称三角模糊数,根据EW-型距离公式引入指数贴近度概念,并用其表征云模型的距离相似度;然后通过云模型云滴的方差,计算出云模型的形状相似度;最后将云模型的距离与形状相似度综合起来,共同衡量两云模型的相似度。从仿真实验可以看出,该方法有较高的区分度;对Synthetic control chart data数据集进行的分类实验表明,该方法具有较好的分类精度及较小的运行时间代价。