基于(tx,fx)扩展的Vague集之间的相似度量及其应用

基于Vague值的三维表示,(tx, fx)扩展和模糊集运算,给出Vague集间的相似度量的三个系列公式。提出Vague集间的相似度量在网络信息过滤问题中的应用思路及例子。此例表明这些新公式是实用的。     

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.     

(b,c)扩展的Vague集之间相似度量及其应用

基于Vague值的三维表示,(b,c)扩展和模糊集运算,给出Vague集(值)间的相似度量的三个系列公式.应用于网络信息过滤的实例表明这些公式是实用的.     

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集间的相似度量及其在正文检索中的应用

基于Vague值的三维表示,给出两个Vague集（值）间的相似度量公式。提出基于Vague集间的相似度量的正文检索方法。实例表明相似度量公式是实用的。     

Vague值与Vague集的多测度相似度量

针对Vague值(集)相似度量问题,指出了采用单一测度构造Vague值(集)相似度量的不足,根据不同测度表现的不同相似性度量特点,提出了两种由距离测度、未知度测度和熵测度三种测度结合的Vague值(集)多测度相似度量,并给出了相应的定义和性质.多测度相似度量体现出了多特征度量相似性的特点,若距离与熵测度失效,未知度测度仍能发挥作用,而距离与熵测度度量结果的综合,则进一步提高了分辨力.实例验证了该多测度相似度量的有效性和优越性.     

一类Vague集间的相似度量

研究了Vague值的（α,β） 扩展的性质,提出一类基于这种扩展的Vague集间的相似度量。在模式识别中的应用实例表明这类公式是实用的。     

Vague集的相似度量

Vague集的相似性度量对于知识表达、模式识别等人工智能研究具有重要意义。Chen给出的关于Vague集的相似性度量体现出注重确定Vague集中总体肯定度相似的思想,但相似度量的公式存在度量上的不足,也蕴含了在Vague集的不可知部分接支持度和反对度各占一半的概率计算,这样既不客观也不合理。为此,提出了一种改进的相似度量。     

Vague集方案优选算法在传动方案优选中的应用

针对火力发电厂的圆锥滚筒筛主结构传动设计方案问题,提出完整的Vague集传动设计方案决策优选算法。应用Vague集的相似度量分析,在一套新的Vague集(值)之间的相似度量公式的基础上,提出两个从区间值数据向Vague数据转化的公式,这两类公式成为完整的Vague方案优选方法的两个技术支撑。实验数据结果说明文中所提出的公式和方法都是实用的。     

Vague集相似度量

在不确定信息处理中,判定两个知识模式的相似度是知识划分、规则推理的前提.Vague集是处理模糊信息的一种有效工具,众多学者提出了基于Vague集的相似度量方法,但这些方法不足以准确描述Vague集的相似本质,并且度量的准确度较低.本文提出了一种度量Vague集相似度量方法的标准,为研究Vague集相似度量提供了参考;提出了一种新的Vague集相似度量的方法.实验结果表明,本文方法的区分能力高,并且有更好的度量效果.     

一种新的Vague集相似度量

针对以往的Vague集相似度量方法的不足之处,提出了一种新的Vague值相似度的定义,并重新给出了新的Vague集相似度量的定义和性质。最后,又提出了在Vague环境下用Vague集间的相似度和相似度量进行模式识别的方法。通过一些应用实例计算,结果表明,该Vague集的相似度量具有一定的优越性,并提高了Vague集相似度量的精确度。     

Vague集的k步分配与k步贴近度

定义了Vague集不确定度的k步分配,在此基础上给出了一种Vague集的k步相似度量方法并讨论此种度量的性质。结论对Vague集的理论和应用有一定的意义。     

多测度Value集相似度量

针对单一测度度量Vague集相似性上的缺陷,提出了两种Vague集的多测度相似度量.给出了一种Vague集的单形体几何表示方法,亦即将Vague集的真、假隶属度和未知度表达为划分单形体同一平面的3个三角形,进而提出了适合于度量Vague集相似性的面积测度,并结合距离测度和未知度测度构造了Vague集多测度相似度量,以在空间上体现出“点-线-面”多特征相似性度量格局.实例验证了多测度相似度量的有效性和优越性.     

Vague（值）集间的相似度量及其应用

鉴于已知的一些Vague集间的相似度量和距离公式有缺陷,提出用分段函数表达的Vague（值）集间的接近度的定义,应用此定义重新给出用分段函数表达的Vague（值）集相似度量的定义。给出了三个加权接近度公式和三个加权相似度量新公式。给出在Vague环境下用Vague集间的接近度和相似度量进行模式识别的方法。应用实例表明所给公式皆是有效的。     

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。     

基于关联熵系数的粗糙Vague集相似性度量方法

粗糙Vague集是将粗糙集和Vague集理论相互融合以处理不确定性信息的一种理论工具。本文在深入研究Vague集及粗糙模糊集的关联熵、关联熵系数及集合相似性度量方法基础上,将关联熵和关联熵系数的概念引入到粗糙Vague集,并详细讨论了它们的主要性质,同时证明了关联熵系数满足粗糙Vague集相似度的定义,可用于粗糙Vague集的相似性度量。最后通过实例验证了粗糙Vague集的关联熵系数用于度量粗糙Vague集之间相似性程度的有效性,该理论为粗糙Vague集相似性度量提供了一种新方法。     

Vague集之间的相似度量新方法*

为了构建一个新的Vague集之间相似度量方法,运用比较法和Vague理论,分析现有的相似度量方法的缺陷所在,给出了一种新的相似度量公式, 该公式不但包括了衡量Vague值（集）的相似的必要参数,且考虑到无论是Vague值区间两端的距离、核距离还是未知度距离,距离越大,对Vague值相似性的影响也越大,相似度越小,使之更直观、更符合实际情况。最后通过定理证明以及与相关文献的比较说明该方法具有更好的度量效果。     

关于Vague集的相似度量定义的注

克服在许多公式中,当Vague值x=[01]和y=[01]时,Vague值之间的相似度量值M(xy)=1的缺陷,给出Vague集的相似度量新的定义,并给出符合相似度量新定义的一个公式。