基于集合论的光谱相似性度量及在影像检索中的应用

将高光谱遥感中光谱向量相似性度量转换为相应的集合相似性度量,提出了两种适用于光谱的相似性度量方法,即基于光谱多边形面积和基于特征波段位置匹配度量.实验结果表明,基于光谱多边形的方法能够更有效地综合应用反射率和波长二维信息,有效度量光谱向量相似性.     

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.     

基于三维Vague向量的相似度量

现有vague的相似度量基本可分为基于记分函数、距离和最大最小值的三类度量方法.本文在分析它们的缺陷后,利用向量空间的性质,结合vague集的三维特性提出了一种新的基于向量夹角余弦的相似度量构造方法,并通过数据对比分析显示该方法的优越性,最后给出了新的Vague集相似度量在智能决策中的应用方法和应用实例.     

基于面积的模糊集相似性度量方法

在分析经典集合相似性度量问题的基础上,对于模糊集合的相似性度量问题,提出了一种基于面积的相似性度量方法.不仅适用于论域是离散的情形,而且也适用于论域是连续的情形.     

基于中介真值程度度量处理图像的应用理论研究

中介数学系统是处理模糊现象的一种数学工具.文中首先将中介真值程度的度量方法拓展到对称的数值区域中并结合数字图像的特点,以中介真值程度度量为基础,研究了图像单个像素点灰度的度量、图像集合灰度的度量、图像像素点间的相似性度量以及图像集合问相似性度量.定义了图像中介熵,获得了利用图像中介熵表示的图像离散模糊程度,为处理图像建立了一种新的基于中介逻辑的、自然的数值化方法.     

软直觉模糊集的相似、距离和熵测度

软直觉模糊集之间的相似性可以用相似测度进行度量。通过举例指出以往文献中所提出的相似测度不合理,进而给出一种更为合理的相似测度,并将纠正后的相似测度应用于震后隧道安全状况的判定;引入软直觉模糊集的距离测度、熵测度的公理化定义以及相应的计算公式;给出在参数集合不同的情况下,软直觉模糊集之间相似性的度量方法。     

区间直觉模糊集的新相似性测度

相似性测度是度量两个集合相似性程度的重要方法.本文针对 Liang和Shi提出的直觉模糊集的相似性测度存在的问题进行改进,并将改进后的直觉模糊集的相似性测度推广到区间直觉模糊环境.同时,归纳了一种计算区间相似性测度的一般步骤,最后通过实例验证了该方法的有效性.     

基于拉普拉斯矩阵的DNA序列集相似性分析

研究两个序列集合之间相似性度量,提出基于拉普拉斯矩阵特征值的分离度概念和公式表示.基于人工序列和真实DNA序列上的实验结果,证实了分离度能够度量序列间的相似程度.     

N维单形中Jain R.R.型分式不等式的稳定性

引入两个单形之间的一种新度量, 使得全体n维单形集合成为一个度量空间, 应用这种度量方法, 证明了涉及n维单形体积、高和单形内点到侧面距离的Jani(c) R. R. 型分式不等式的稳定性, 这些结论是对应的几何不等式的推广和加强.     

双论域区间值直觉模糊vague粗糙集及其应用

区间值直觉模糊集可诱导出vague集和粗糙集，而后两者的结合具有不确定性深入分析的优势.立足双论域区间值直觉模糊粗糙集，引入vague集进行融合扩张，研究双论域区间值直觉模糊vague粗糙集.首先，定义区间值直觉模糊vague相容类，构建双论域区间值直觉模糊vague粗糙集模型，提出关于双逼近近似和三支决策区域的计算算法，并确立该模型的精确度、粗糙度、依赖度.然后，研究该模型的近似算子与不确定性度量的性质.最后，采用医疗例子进行模型计算、度量测量、性质验证，并得到关于患者临床诊断的患病分析与治疗决策.     

一种新的集合表示方法（刻划函数方法）及其运算

本文提出了一种新的集合表示方法即刻划函数方法,并且讨论了在该表示方法下的集合运算.该方法不同于特征函数法和线性表表示方法.该方法把集合表示成刻划数,刻划数唯一刻划了集合的本质特征,使得集合运算转化为简单的数值运算,运算方便,节省空间.     

基于混合机器学习模型的短文本语义相似性度量算法

为提高短文本语义相似性度量准确性,设计一种基于混合机器学习模型的短文本语义相似性度量算法.先对短文本实施预处理,基于混合机器学习模型构建短文本的字词向量模型,对短文本进行特征扩展;然后组合短文本的多样度量特征,对多样度量特征进行维度规约;最后通过构建一个集成学习模型,计算语义相似性结果,实现语义相似性的度量.使用“Quora Question Pairs”比赛数据集测试该方法的性能,测试结果表明,该方法的准确性较高,对数损失和度量均方差均较低,说明该方法的相似性度量准确性较高.     

基于相互隶属度的云模型相似性度量方法

针对现有云模型相似性度量方法计算复杂度高、结果不稳定、适用性有限等问题,提出了一种基于相互隶属度的云模型相似性度量方法.依据云模型期望曲线以公共面积与自身面积之比定义云模型之间的隶属度,进而利用相互隶属度计算云模型之间的相似度.讨论了不同交点及半云情形下相应面积的计算方法,并给出了相似度的计算公式及性质证明.仿真实验表明,该方法能够在多种情形下合理地度量云模型的相似性,并且具有较高的结果准确度和较低的计算复杂度,基于云模型的评估实例进一步验证了该方法的有效性.      

集合的等价度量研究

通过引进特殊的复合函数,分别给出一个集合与n个集合的Cartesian积的等价度量．     

基于流域日降水量图的相似性搜索方法

为了提升降水量图相似性分析的精确度,提出了一种基于流域日降水量图的相似性搜索方法,该方法从降雨图像中提取日降水量、降雨空间分布和降雨中心特征,并分别计算各特征的相似距离,同时通过提出的归一化折旧累积增益改进粒子群优化的集合加权方法对3个特征的相似距离进行加权融合,作为降雨图像的相似性度量。嘉陵江流域实例验证表明:该方法能够更好地表征降水量图的时空特征,可快速地从降水量图中检索出相似的降雨过程。     

基于Cheng-范数的不同维度样本相似性度量

样本相似性度量在机器学习,尤其在聚类任务中起着至关重要的作用,而且许多实际问题涉及的样本,如基因、蛋白质、药物等通常具有不同维度。因此,如何度量不同维度样本相似性显得尤为重要。鉴于大多数现有相似性度量方法仅适用于相同维度样本,基于Cheng-范数,提出一种不同维度样本相似性度量新方法,并以该方法分别基于蛋白质加权图对应的加权邻接矩阵和加权拉普拉斯矩阵测量的相似性,采用层次聚类算法对蛋白质样本进行功能聚类,取得了预期的聚类结果,从而充分验证了该相似性度量方法的有效性。     

基于趋势信息的时间序列分类方法

大部分时间序列数据分析的一个重要组成部分是相似性度量方式.在众多相似性度量方式中,基于最长公共子序列的相似性度量方式是一种常用的有效方法,但该方法仅仅度量序列点对点的数值差异,而忽略了序列的变化趋势.为此提出一种基于趋势信息的时间序列离散化方法并用最长公共子序列进行相似性度量.该方法能够很好地度量时间序列的趋势信息.此外,还将其与现有的点对点函数线性结合.与现有相似性度量方法不同,该方法能同时考虑时间序列的趋势信息和函数距离,相似性度量方案运用最近邻分类算法规则进行分类.为了进行全面的比较,在42个时间序列数据集上测试该算法的有效性.实验结果表明,所提出的方法能有效提高时间序列分类准确率.     

基于Gene Ontology的MicroRNA功能聚类

MicroRNA(miRNA)的许多生物过程是通过影响靶基因的转录后表达.miRNA与靶标之间的互补程度和性质决定其基因调控作用.结构相似性可以作为一个强有力的方法推断分子功能的相似性.然而,结构比对的方法来度量miRNA之间的相似性通常不太准确,而且时间开销大.对这些表达差异的miRNA的靶标基因进行聚类,可以很好地理解miRNA的功能.提出一个新的GO(gene Ontology)语义相似性的方法来区分miRNA功能组.该方法采用项信息和边的权重来度量GO项的权重.此外,2个GO图的共同项和非共同项还被用来度量这2个图之间的相似度.对于2个miRNA,它们之间的相似性可以用它们靶标基因标注的GO项的相似性来计算.实验结果表明此方法不仅可以将相似功能的miRNA聚在一起,而且可以预测未知miRNA的功能.     

基于分数微分的时间序列相似性度量及其应用

时间序列的相似性度量是时间序列聚类、分类以及其他相关时间序列分析的基础.传统基于距离的相似性度量方法，忽视了时间序列可能存在的时间上的联系，而将时间序列看作一系列孤立点的集合.对于序列间可能存在的前后联系，基于分数阶微分的遗传特性和记忆特性，提出一种新的时间序列聚类的相似性度量.根据时间序列的分数阶微分计算新序列间的点距离，将其作为聚类算法的输入对时间序列进行聚类.仿真实验结果表明，与基于原始序列矢量距离的聚类结果相比，新的分数阶相似性度量方法表现更好.     

基于Hausdroff距离的扩展模糊数相似性测度

提出了一种新的度量扩展模糊数相似性的新方法．在分析了现有几种相似性测度原理的基础上,指出了它们的不足之处,通过将每个扩展模糊数当作图像样本,并引入了模式识别领域中Hausdroff距离,构造了新的相似性测度公式．多组数值算例表明,该方法可以有效地度量扩展模糊数之间的相似性．