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集之间相似度量的分析与研究

分析了现有的5种Vague集(值)之间相似度量的方法,指出这些度量方法不能准确刻画Vague集(值)之间相似度量的本质,导致了错误的推论.通过确定2个Vague值之间精确相似度存在的最小区间,得到一种新的度量方法--最小区间法.该方法不仅具有较好的特征和度量效果,而且为匹配算法的改进提供了数学基础.     

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.     

基于Vague集的近似推理方法

针对Vague集之间相似程度的度量方法存在的缺陷，给出了一种新的相似度量方法。同时，也提出了一种新的Vague集的交并运算规则，并用实例说明了基于这种相似度量的近似推理的推理过程，为智能系统中的近似推理提供了一个十分有用的工具。     

Vague集相似度量模型的研究

鉴于Vague集的相似度量在模糊推理、模式识别、聚类分析、决策分析等领域的广泛运用,本文首先对已有Vague值的相似度量模型进行了分析,发现已有的模型在应用时所得的结果或者不符合人的直觉,或者明显违背客观实际,或者存在区分度不足。然后提出了一个新的Vague值相似度量模型m(x,y)=1/2+ψ(x,y)/2-S(x,y)/4-|tx-ty|/4,并证明了该模型满足文献[1-4]相似度量的公理化定义。在提出的Vague值相似度量模型的基础上,建立了Vague集的相似度量一个新模型M(A,B)=∑ni=1m(A(xi),B(xi()))/n。最后,通过数值实验,新模型度量结果又较好符合人的直觉以及具有较好的区分度。     

Vague集相似度量模型的研究

鉴于Vague集的相似度量在模糊推理、模式识别、聚类分析、决策分析等领域的广泛运用,本文首先对已有Vague值的相似度量模型进行了分析,发现已有的模型在应用时所得的结果或者不符合人的直觉,或者明显违背客观实际,或者存在区分度不足.然后提出了一个新的Vague值相似度量模型m(x,y)=1/2+φ(x,y)/2-S(x,y)/4-|tx-ty|/4,并证明了该模型满足文献[1-4]相似度量的公理化定义.在提出的Vague值相似度量模型的基础上,建立了Vague集的相似度量一个新模型M(A,B)=(n∑i=1m(A(xi),B(xi)))/n.最后,通过数值实验,新模型度量结果又较好符合人的直觉以及具有较好的区分度.     

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集元素等相似度图形化表示

基于Vague集元素之间相似度量的讨论,将已有的Vague值相似性公式用图形表示,提出Vague值等相似度曲线,该曲线能更直观地体现出Vague值之间的相似性关系,并可非常清晰地反映常见相似性公式的优缺点,为相似度量提供了一种更简单、更有效的研究与评测工具。     

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.     

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.     

p-E-凸集及其若干性质

在p-凸集和E-凸集概念基础上,通过将p-凸集和E-凸集相结合,提出了一种广义凸集——p-E-凸集,使得凸集、p-凸集和E-凸集成为它的特例,推广了凸集的概念.最后,初步研究了p-E-凸集的性质.     

关于模糊粗糙集的一个注记

指出文献[6]中定义的模糊粗糙集的补集不再是模糊粗糙集.为了克服原定义中的缺陷,给出了关于模糊粗糙集的新的补集定义,讨论了相应的运算性质.同时还证明:模糊粗糙集其实就是定义在F格L上的L-模糊集.     

q-开集及其性质

给出了q-开集的定义及其相应性质,讨论q-开集同半开集、准开集,α - 集之间的关系.     

教育实验结果的评价──模糊数学在教育实验中的应用

利用模糊矩阵，对教育实验结果的价值进行综合评判，以实现评价的客观性，并对影响实验结果的各因素作分析。     

康托型集的应用

着重讨论了康托型集在实变函数论中的某些应用。     

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.     

粗糙集与模糊集的比较研究

近来许多研究致力于不确定性问题的知识获取，不确定产生于许多方面：它可以来自于对事物进行描述的术语的模棱两可；也可以来自描述过程中对规则的怀疑；或者数据的错误、丢失．处理不确定性问题的理论有很多，粗糙集与模糊集都是有效手段，它们有联系有区别，可以相互补充有机结合起来解决更多问题．     

自相似马氏过程的极性

本文我们给出了任意紧集不是自相似马氏过程的本性极集的充要条件，并讨论了自相似马氏过程极集，本性极集，半极集之间的关系．     

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。     

不变反凸模糊集

研究了不变反凸模糊集及其相关性质,推广了有关文献中反凸模糊集的概念和相关结论.首先,通过将不变凸集的思想应用到反凸模糊集,定义了一种新的广义反凸模糊集——不变反凸模糊集:设A∈F(Rn),称A为不变反凸模糊集,若存在映射η:Rn×Rn→Rn,有A(y+αη(x,y))≤A(x)∨ A(y),(V) x,y∈Rn,(V)α∈[0,1].然后,探讨了反凸模糊集与不变反凸模糊集的关系:当η(x,y) =x-y时,不变反凸模糊集就退化为反凸模糊集,显然,反凸模糊集成为不变反凸模糊集的特例；通过构造例子说明不变反凸模糊集不是反凸模糊集,得到不变反凸模糊集是反凸模糊集的真推广的结论.根据不变反凸模糊集的定义,研究了不变反凸模糊集的并、稠密性等性质以及模糊集成为不变反凸模糊集的条件.最后,类似于不变反凸模糊集,分别探讨了模糊集成为不变强反凸模糊集和不变严格反凸模糊集的条件.