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。     

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.     

一个新的基于Vague集的近似推理方法

对于模糊概念的隶属函数为连续的情况,将规则前件中模糊概念的论域与后件中模糊概念的论域作一一映射,给出基于Ｖａｇｕｅ集的隶属函数为连续情况下的近似推理方法;对于Ｖａｇｕｅ集的隶属函数为离散的情况,在作上述相同的映射后,再将规则前件中的Ｖａｇｕｅ集和事实中的Ｖａｇｕｅ集的真／假隶属函烤分别进行线性插值,使它们都成为连续函数,然后给出基于Ｖａｇｕｅ集的隶属函数为离散情况下的近似推理方法。     

一类Vague集模糊熵的构造方法

分析了Vageue集的性质,给出了将Vague集变换为Fuzzy集的转换函数并讨论了其性质,研究了关于Vague集的模糊熵的直观特性,在此基础上给出了Vague集的模糊熵的定义,最后给出了一个减地Vague集的模糊熵的构造方法。     

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Fuzzy集的Vague集的模糊熵

给出了Vague集的基本概念，阐述了Vague集的本质及Vague集与Fuzzy集之间的关系；通过对投票模型的分析，指出了在投票模型中投中立票者仍然有某种倾向，且该倾向由投赞成票和投反对票的人类之比来决定，在此基础上提出了一种Vague集向Fuzzy集转化的方法，最后给出了基于这种转化方法的Vague集模糊熵的定义。     

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.     

Vague集之间相似度量的一种方法

根据度量区间相似性的原理,指出影响Vague集相似性度量的4个因素,讨论了现有方法的不足,提出了一种新的Vague集相似性度量方法,并证明了它满足若干准则,通过实例说明了该方法的有效性.     

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。     

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.     

基于Vague集的一类蕴涵算子

介绍了采用Fuzzy集进行近似推理的一些蕴涵算子的性质,根据Vague集的直觉特性提出了采用Vague集实现近似推理的一类蕴涵算子的构造方法,并根据Vague集的模糊熵对上述蕴涵算子的特性进行了解释。     

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Vague集的模糊聚类方法研究

引入Vague集(值)的距离概念及Vague集(值)的贴近度概念,并证明了这一新的贴近度的性质.利用此贴近度概念给出了基于Vague集的模糊聚类方法,这一方法对于数据挖掘研究有很好的参考价值.     

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.     

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集的医疗诊断系统

讨论了Vague集的基本概念;介绍了一种基于Vague集理论的医疗诊断系统的设计实现方法,该方法中采用Vague集的核函数与精确函数来解决基于Vague集的模糊决策问题,由于Vague集可以同时表示“支持”,“反对”和“不确定”的信息,这使得在采用Vague集的医疗诊断系统中得到的推理结论更符合实际情况,最后通过一个实际医疗诊断例子论证了该方法的正确性。