Vague集的模糊熵*

首先,在给出了反例证实现有方法在某些情况得出的结果与实际结论不一致情况下,提出了一个真正考虑了两种因素的改进的vague集模糊熵公理化定义;然后给出一种vague集模糊熵的新计算公式;最后通过定理证明和实例分析,指出它确实同时考虑到vague集的未知性和不确定性,从而证明所给出vague集模糊熵的定义是更加合理的.     

Vague集模糊熵的约束条件及其度量方法分析*

为了体现vague集模糊熵既有vague集的未知性又有fuzzy集的不确定性,首先给出了反例说明已有方法在某些情况得出的结果与实际结论不一致情况下,提出了一个真正考虑了两种因素的改进的vague集模糊熵定义,然后给出一种vague集模糊熵的新度量方法,最后通过定理证明和实例分析,指出它确实同时考虑到vague集的未知性和不确定性,从而证明所给出vague集模糊熵的定义是更加合理的。     

Value集模糊嫡度量的新构造方法

指出了现有vague集模糊墒定义的不足,分析了其存在不足的根本原因,给出了vague集模糊嫡的公理化定义,提出了一种新的vague集模糊嫡的计算方法,并证明了其合理性和有效性。     

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。     

一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的Vague集的加权相似度量方法以解决文献[1]中关于vague集相似度量的某些缺陷，并且提出了Vague集间相似方向的概念，用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量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，从而提高了推理的精确性和适用性．这为智能系统中的近似推理提供了一个十分有用的工具．     

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     

Vague集模糊熵的注记

Vague集模糊熵应该既有Vague集的未知性又有Fuzzy集的不确定性,在指出了现有Vague集模糊熵定义的错误,给出了一个真正考虑了两种因素的改进的Vague集模糊熵公理化定义,然后提出一种Vague集模糊熵的新计算模型,最后通过定理证明和已有方法分析,给出Vague集模糊熵的定义和计算模型是更加合理的。     

关于“Vague集的新模糊熵”的注记

指出了“Vague集的新模糊熵”中模糊熵定义的错误,给出了修正后的模糊熵定义,提出了一种新的Vague集模糊熵的计算方法,并证明了该方法的有效性。     

Vague集的新模糊熵

本文指出了现有Vague集模糊熵定义的不足,分析了其存在不足的根本原因,给出了Vague集模糊熵的公理化定义,提出了一种新的Vague集模糊熵的计算方法,并证明了其合理性和有效性。     

Vague集模糊熵度量的新方法

本文指出了现有Vague集模糊熵定义的不足,分析了其存在不足的根本原因,给出了Vague集模糊熵的公理化定义,提出了一种新的Vague集模糊熵的计算方法,并证明了其合理性和有效性。     

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.     

Vague集的模糊熵及其构造

指出了现有Vague集模糊熵的不足和缺陷,在对投票模型进行分析的基础上,给出了Vague集模糊熵的公理化定义,提出了一种Vague集的新模糊熵,并证明了其合理性和有效性。     

关于未知度和不确定度的Vague集的模糊熵

Vague集的模糊熵应体现数据的未知性和自身的不确定性。分析了现有模糊熵的一些缺陷,并应用基于未知性和自身的不确定性的新模糊熵的公理化定义,构造了三个新模糊熵计算公式,分析了新模糊熵公式的合理性。     

基于Vague集模糊推理的多评价指标模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入，并运用于决策问题中，有学者已把Vague集用于多评价指标的模糊决策中，但其决策方法在某些时候却难以得到目标。为此，本文提出了一个基于Vague集模糊推理的多评价指标模糊决策方法。在这个方法中，从基于Vague集的模糊推理的观点来看待模糊决策问题。将评价指标和候选方案之间的关系用一组基于Vague集的推理规则来表示，将决策者的要求用一组Vague集来表示，经过模糊推理等过程最后得到决策结果。然后还给出了一个实例说明这种多评价指标模糊决策方法。这个基于Vague集模糊推理的多评价指标模糊决策方法的提出为决策系统提供了一个有用的工具。     

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集的研究进展及其在模糊信息处理中的应用

介绍vague集理论及其不同的表示形式，并解释这些表示形式的几何意义．讨论vague集与fuzzy集之间的区别和联系，较全面和系统地回顾vague集理论的研究进展及其在决策、近似推理及医疗诊断等领域中的应用现状．最后，指出vague在理论和应用等方面存在的问题及未来可能的研究方向．     

Vague集的新模糊熵

对于Vague集模糊熵应该既有Vague集的未知性又有Fuzzy集的不确定性。首先在给出了反例证实现有方法在某些情况得出的结果与实际结论不一致情况下,提出了一个真正考虑了两种因素的改进的Vague集模糊熵公理化定义,然后给出一种Vague集模糊熵的新计算公式,最后通过定理证明和实例分析,指出它确实同时考虑到Vague集的未知性和不确定性,从而证明所给出Vague集模糊熵的定义是更加合理的。