基于Vague集的双向近似推理

给出了一种新的Vague集间的上似度量方法，提出了Vague集间相似方向的概念，可以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，为智能系统中的近似推理提供了一个十分有用的工具。     

Vague 集的三维表示

在分析Vague集性能的基础上，提出了Vague集的一种新的三维表示方法，用空间曲线来表示Vague集的隶属函数，能更直观地反映Vague集所包含的模糊信息，在此基础上给出了该Vague集的相似度量算法，反模糊化算法以及近似推理算法。     

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Vague集加权相似度量的近似推理

基于Vague(值)集间的相似度量的公理化定义,给出两个新的Vague(值)集间加权相似度量公式,细化了线性插值法进行近似推理的过程,并应用一个新加权相似度量公式进行推理,实例表明近似推理是可行的.     

Vague集之间的相似度量分析

Vague集的相似度量是Vague集在各个应用领域中的关键技术．本文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.     

Vague集相似度量基本准则和方法的研究

分析了现有的Vague相似度量基本准则并指出了不足之处,提出了新的Vague相似度量基本准则,指出了影响Vague集相似度量的4个因素,提出了一种新的Vague集相似度量方法,最后通过实例说明该方法的合理性和有效性.     

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.     

一种新的基于Fuzzy集的相似度量

给出了基于Fuzzy集的相似度量的定义,在此基础上提出了一种新的基于Fuzzy集的相似度量方法。解释了这种新的相似度量的含义和来源,并认为这种新的定义在智能系统的近似推理中是十分有用的。     

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．     

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。     

基于相似度量的加权近似推理方法

提出了规则中命题加权的真值计算方法及其约束条件,给出了加权的产生式规则的表示形式,定义了一个新的相似度量的加权运算和结论的加权组合方法．在此基础上提出了一种新的基于相似度量的加权近似推理方法．     

一种新的相似性度量在加权模糊推理中的应用

指出了已被定义的2种相似度在模糊推理中的局限性,并且进行了改进,又举例验证了新的相似性度量在模糊推理中的合理性.     

Vague集相似度量及其在模式识别中的应用

Vague集自提出以来,由于它在各个领域中的广泛应用而引起众多学者的注意,而相似度量是其中的关键技术．目前虽有多种相似度量的方法被提出,但还没有一个相应的相似度量约束条件标准．在Li(2003)的相关工作之上提出一种改进的Vague集相似度量公理化定义,指出一个相似度量必须满足的约束条件．然后引入两种新Vague集相似度量方法,并证明它们满足这些公理化条件,最后给出一个它们在模式识别的应用实例．     

基于直觉模糊相似度量的近似推理方法

针对直觉模糊逻辑推理,提出一种基于直觉模糊集之间相似度量的近似推理方法,给出了相关的推理合成运算公式,并用实例说明近似推理的推理过程。该方法的最大优点是概念上更清晰,易于直观理解。     

基于相似度量的规则库简化方法

分析了Setnes给出的对规则库进行简化的原理和方法．为保证所分区域内的规则是单调的,提出了采用论域分区的方法,并用Fuzzy的势来保证简化后的规则包含了简化前的规则信息这一思想．在此基础上给出了一个新的基于相似度量的简化规则库的算法．     

基于不同度量方法的Vague集的相似度量比较

基于海明距离函数,给出了Vague集2种新的相似度量方法.根据不确定信息处理的实际背景,利用Vague集的相似度量应该遵循的5项准则,对常见的几种相似度量性质进行了逐一检验,并将这几种相似度量进行比较,指出了它们的不足.     

基于Lukasiewicz蕴涵算子的Vague集相似度量

分析了Vague集存在未知度,表明了存在不确定性的原因。指出了现有Vague集相似度量方法存在的不足。在充分考虑了Vague集不确定性和对Lukasiewicz蕴涵算子进行研究后,提出了一个基于Lukasiewicz蕴涵算子的Vague集相似度量新方法;并证明该方法满足相似度量基本准则。通过与现有相似度量方法的比较,说明新的相似度量方法克服了现有相似度量方法的不足,考虑了未知度因素对相似度量的影响,能够有效合理地区分数据。