一种新的Vague集相似度量及在模式识别中的应用

相似度量是研究Vague集的一个关键技术,目前虽有很多学者提出了一些相似度量的方法,但是对在连续论域下的研究甚少.介绍了一种在连续论域下求Vague集贴近度的一种新方法,并且证明了它是满足Vague集贴近度的公理化定义的,最后以实例说明其在模式识别中的应用.     

Vague集之间相似度量的一种新方法

Vague集是对于模糊集合概念的推广，作为当前模糊信息处理中的一个新兴研究课题，在多个领域中获得了成功的应用，本文提出了Vague集（值）之间的相似度的概念，并给出了一种新的Vague集（值）之间相似度量的方法，该方法与目前国内外众多学者们的方法相比较，具有更好的合理性和度量效果，因而是一种更理想的检测Vague(值）之间相似程度的度量方法。     

Vague集的贴近度

文章定义了Vague集的序关系,引入并研究了Vague集的贴近度。所得结果推广了Shiy-MingChen的作者的一些工作。     

基于距离的区间值Vague集的多准则决策方法

研究将实数型Vague集的距离方法扩展成为区间值Vague集的距离度量方法. 给出区间值Vague集的模糊度定义和Hausdorff距离,建立基于距离的区间值Vague集多准则决策的相对优属度法,并通过例子说明实施方法的步骤.     

一种基于Vague集的多属性群决策排序方法及其应用

针时Vague值的多属性群决策排序问题,提出了一种新的得分函数.定义了Vague值的贴近度,并结合信息集成算予和专家权重,进而提出了一种新的群决策排序方法,本文应用实例证明了该方法的合理性和实用性.     

融合包含度和距离的Vague熵

Vague集的模糊熵来自未知信息和不确定性信息两方面.在暂不考虑不确定性信息的前提下,利用Vague包含度的概念导出了体现Vague集未知度的模糊熵,再利用距离来计算不确定性信息的模糊熵,在此基础上构造出一种能准确反映二者相互关系的Vague熵计算公式;最后通过数学推导,证明其满足Vague集模糊熵的定义准则.将它与现有的其它几种Vague熵计算公式进行实例比较,发现只有它与文献[11]Vague熵公式的计算结果能正确地反映未知信息和不确定性信息之间互相约束关系,但它形式更简单、可操作性更强.     

一种新的基于核函数的Vague集间的相似度量

分析了已有Vague集之间相似度度量方法存在的缺陷. 在此基础上,充分挖掘Vague值中的不确定信息,利用两个Vague值核函数取小、取大的比值给出新的相似度量方法,给出基于动态核函数的Vague值的相似度定义,以及相应的Vague集和Vague元素的相似度定义. 并通过例子说明该方法适用于Vague环境的行为分析问题.     

基于Vague集距离的多评价指标模糊决策方法

给出了Vague集的基本概念和Vague集多评价模糊决策的概念，提出了一个新的基于Vague集距离的多评价指标模糊决策方法．在这个方法中，提出了理想方案的概念和候选方案对满足多评价指标的不确定性的概念，利用候选方案与理想方案的Vague集距离来求出最佳方案．     

一种计算Vague集之间相似程度的新方法

从Vague集的直觉理解出发,提出了一种新的度量Vague集(值)之间相似度量的计算方法．与文献现有的Vague集(值)之间相似度量的方法进行比较,新方法更加合理,更接近于人的直觉理解,是一种比较理想的度量Vague集(值)之间相似程度的计算方法。     

基于理想解的Vague物元决策方法及其应用

结合物元理论和Vague集理论,提出模糊环境下的物元决策模型.介绍了Vague集的概念,给出Vague复合物元的定义.根据改进的Vague排序函数确定方案物元的正理想解和负理想解.利用相似度量确定各方案物元到理想物元的距离,计算方案的贴近度,以此选择最优方案.用案例说明所提出的物元决策方法的应用过程.结果表明,本文提出的方法对模糊和不确定的决策问题具有较好的实用性.     

基于Vague相似矩阵的分类方法

本文提出一种基于Vague相似矩阵的分类方法，以解决Vague集上的知识分类问题，并定义了所需的概念，设计了详细算法．实验分析表明了该方法的有效性．     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题.对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质.这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路.     

半群上的Vague粗糙性

基于一般二元关系下的粗糙Vague集,定义了半群上的Vague同余关系,给出了Vague集在Vague关系下的上、下近似,并研究了这个半群上Vague粗糙性.     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题。对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质。这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路。     

Vague集间新距离的分析和定义

Vague集的相似度量是Vague集在各个应用领域中的关键技术．根据相似工程学原理,指出一个相似度量必须满足的约束条件,提出一种改进的Vague集相似度量公理化定义,然后引入一种新的Vague集相似度量方法,并证明它满足这些公理化条件,最后,用实例说明其应用以及该方法的有效性和直观性．     

模糊Bayes决策模型及其应用

Bayes决策是传统决策理论中一种应用性很强的决策方法。将模糊数学方法引入Bayes决策中，详细介绍了基于模糊数学与Bayes决策分析解决实际问题的步骤，有效的实现了模糊数学与Bayes决策分析的结合，并在实际应用中取得了良好的效果。     

关于Smooth群和Vague群的几个基本结果

给出了Smooth群和Vague群的几个基本结果，推广了Smooth群中的6个等价式．     

关于Vague集理论中记分函数的分析

分析了Vague集理论中记分函数的内涵、本质及现有几种主要记分函数的优缺点,指出了构造记分函数时应考虑的主要因素.从评价函数的角度提出Vague值的期望的概念,从风险的角度看待未知信息,提出风险厌恶型和风险追求型两类记分函数的概念.给出一种风险厌恶型记分函数的具体形式并讨论其性质,通过实例对比说明该记分函数能够体现出决策者的决策偏好并保持决策方法的一致性.     

一种新的Vague集相似度量方式

在分析比较当前几种Vague集相似度量方法及其优缺点的基础上,提出一种新的Vague集相似度量方法.该方法充分考虑支持度以及真隶属度差距和假隶属度差距,并且区分隶属度差距的方向.该方法更符合实际,它为Vague集之间的相似度提供了一种更好的度量方法.