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。     

Vague集相似度量方法

提出一种新的Vague集相似度量方法,并证明了它满足若干准则。指出了现有方法的不足,并通过实例说明了该方法的有效性和优越性。     

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。     

关于Vague集间相似度量的缺陷及修补

在Vague集中,Vague集间相似度量的应用是最广泛的,但遗憾的是这些公式中的大多数是有缺陷的。用分段函数的方法试图修补这些公式,使得这些公式中的大多数能够继续使用。给出一个新的Vague集间的加权相似度量公式,该公式更具合理性。     

Vague集相似度量的新方法

指出了现有方法的不足,提出一种新的Vague集相似度量方法,并证明了它满足若干准则。通过实例说明了方法的有效性和优越性。     

Vague集相似度量的新方法

根据区间相似性的原理,指出影响Vague集相似性度量的4个因素,指出了现有方法的不足,提出了一种新的Vague集相似性度量方法,证明了它满足若干准则。通过例子证明了方法的有效性和优越性。     

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集的新相似度量方法

本文指出了现有Vague集相似度量方法的不足,提出一种新的Vague集相似度量方法,并证明了它的有效性.     

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。     

基于Vague集投影及距离的相似度量方法

根据Vague集距离及投影的概念,提出了一种新的相似度量方法,结合二维图形说明投影越大、距离越小,Vague集之间的相似度就越大,接着证明了该方法满足相似度量的约束条件,最后通过与已有方法的比较说明该方法的有效性。     

基于Vague值的扩展的Vague集间的相似度量

研究 Vague 值的(tx,fx)扩展的性质,给出Vague 集间相似度量公式的公理化定义,提出一类基于(tx,fx)扩展的Vague集之间的相似度量.应用于模式识别的例子表明这类公式是实用的.     

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。     

基于Kleene-Dienes蕴涵算子的Vague集相似度量方法

通过分析现有Vague集相似度量方法,指出这些相似度量方法的不足之处。根据Kleene-Dienes蕴涵算子及其否定算子的包含和相交关系,提出一种基于Kleene-Dienes蕴涵算子的Vague集相似度量方法,并证明该方法满足相似度量的条件。通过与现有相似度量方法的比较,说明该相似度量方法能克服现有相似度量方法的缺陷,能够有效区分数据,具有一定的优越性,为研究Vague集相似度量方法提供了一种新的思路。     

基于最大最小值的Vague集相似度量方法

通过分析现有Vague集相似度量方法,指出这些方法虽然满足相似度量基本准则,但是在描述Vague集相似性上存在不足之处,并且度量的准确度较低,在分析Vague值的支持度、反对度及其补集之间的最大最小值关系的基础上研究Vague集相似度量方法,给出一种新的Vague集相似度量方法,并证明该方法满足相似度量的基本准则。通过与现有相似度量方法的比较,说明该相似度量方法克服了现有相似度量方法的不足,符合人们的直观感受,能够合理、有效地区分数据。     

基于海明距离的直觉模糊粗糙集相似度量方法

针对直觉模糊粗糙集的相似度量问题,提出了一种基于海明距离的直觉模糊粗糙集相似度量方法。首先给出了两个直觉模糊粗糙值问的相似度量方法,并揭示了它的若干重要性质。然后,在此基础上,又提出了一种基于海明距离的直觉模糊粗糙集相似度量方法,并证明它也具有同样的性质。最后用数值算例验证了这种方法的有效性。     

基于非模糊集的Vague模糊熵

李(2002)提出了一个Vague集模糊熵的定义,但它是基于普通模糊集的,而模糊集本身又具有模糊性,因而它不能完全刻划出一个Vague集的模糊性。本文首先分析了Vague集的模糊性主要来自两方面,即弃权信息和不确定性信息,然后提出一个考虑了上述两种因素的Vague集模糊熵公理化定义,并给出了一个计算该类模糊熵的公式,最后将它和李的一个同类别公式作了比较。     

Vague集的偏熵与关联熵

在文献[1]的基础上,定义Vague集的偏熵,关联熵和关联熵系数等新概念.对其主要性质进行讨论,并给出了关联熵系数在相似度量中的应用.