Vague集相似度量的一个新模型

分析了已有vague值的相似度量模型的不足,指出了vague值的相似度量建模须考虑的因素,提出了一个新的vague值相似度量模型,并证明了其满足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.实验表明,新模型具有较好的区分度,能克服已有模型的不足.     

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.     

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.     

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。     

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．     

一种Vague集相似度量新方法及其应用

分析了影响Vague集相似度量的因素,并充分考虑了未知度对Vague集相似度量的影响,提出了一个新的Vague集相似度量方法,证明该方法满足相似度量的基本准则,通过分析影响相似度量的因素,探讨了现有Vague集相似度量方法存在不足之处,与现有相似度量方法比较证明新的相似度量方法能够有效和合理的区分数据,具有一定的优越性,最后在模式识别的应用实例中,给出了该相似度量方法的模式识别应用过程,实验结果表明了该方法的实用性。     

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.     

改进的Vague值间相似度量一般公式及其地标排序应用

针对现有Vague值间相似度量一般公式以常数为调节系数存在的不足,提出对其未知度子项调节系数增加与Vague值自身有关的函数的改进方法,给出了该函数应满足的条件。提出了一种包含该函数的新的Vague集间相似度量,对其性质进行讨论;并基于现有Vague集间相似度量,给出了一种该函数的选取方法。与现有相似度量比较表明,提出的相似度量明显改善度量结果的合理性和区分能力。与多准则模糊决策方法相结合,将提出的相似度量用于地标排序,表明其有效性、可行性和优越性,同时为地标排序提供了一种新方法。     

Vague集在软件成本估算中的应用

类比估算方法是软件成本估算的常用方法之一,而估算中选择的相似度函数则是估算结果准确有效的关键.由于Vague集可以较好地处理数据中的未知信息与不确定性,因此可使用Vague集来提高软件成本估算的准确性,为项目管理人员提供更加科学的预算保障.为此充分考虑未知度的因素,提出了一个新的基于未知度的Vague集相似度量方法,结合Vague集模糊熵与熵值法来确定不同指标的权重,以获取不同项目之间的相似度.最后将该方法应用在Desharnais数据集进行成本估算,实验结果表明,该相似度量方式较现有方法能够进一步降低估计过程中产生的误差.     

双枝模糊集与Vague集的关系

研究了双枝模糊集与Vague集的关系,指出对于给定的双枝模糊集,可以求得它的伴随Vague集;给出了双枝模糊集与它的α-伴随Vague集的关系定理;研究表明:可以利用Vague集的一些成熟的理论来研究和拓展双枝模糊集理论,以相似度量为例,基于Vague集现有的相似度量方法,利用双枝模糊集的α-伴随Vague集的相似度量作为双枝模糊集的相似度量。     

Vague集之间的一种新的相似度量

相似度量是一种在数据处理和分析中十分重要的、有效的和广泛使用的方法,本文在分析比较以前的几种相似度量的基础上,利用对隶属度差距、假隶属度差距以及未知值差距的重视,提出了一种新的相似度量方法,并通过文中的例子证明了该方法是有效的和可行的.     

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．     

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.     

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。     

一种基于积的vague集合相似性度量方法

为便于度量同一论域vague集合之间的相似性,定义vague集合之间的内积、外积、下积和上积等运算,在此基础上提出一种基于积运算的vague集合相似性度量方法,证明该方法的合理性,并通过实例验证了该方法的可行性和有效性。