基于组合相似度的混合多指标信息聚类分析方法

针对传统聚类分析只采用单一相似测度进行刻画的不足,提出了一种组合相似度的聚类分析思路.同时在实际问题中,由于聚类问题的复杂性、模糊性和不确定性,聚类信息常常是包含精确实数形式、区间数形式、模糊数形式等多种形式的混合型多指标信息,为此利用组合相似度的聚类思想对这种混合多指标信息进行了聚类分析.该聚类分析方法相对于传统单一方法更加全面,并考虑了混合指标信息.最后给出了一个算例,证明了所提方法的有效性.     

基于相似度的模糊粗糙近似算子

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具.相似度是用于比较2个相似的模糊粗糙集所包含信息的精确性大小的,是模糊集理论和粗糙集理论的热点问题之一.文章利用一种改进的相似度定义了模糊粗糙近似算子,重新定义了粗糙集的一些概念,给出并证明了模糊粗糙近似算子的几个性质.     

广义模糊粗糙集的包含度和相似度

模糊粗糙集是目前数据挖掘领域关注的热点之一，作者在Pawlak粗糙集模型基础上，把一个论域推广为两个论域；把等价关系推广为模糊关系，被近似对象换成模糊集，得到广义模糊粗糙集模型，建立了广义模糊近似空间。在广义模糊近似空间中定义了广义模糊粗糙集上的包含度和相似度，并讨论了此包含度和相似度相关性质。     

基于包含度的模糊粗糙近似算子

1965年,L.A．zadeh提出了模糊集理论,1982年,波兰数学家Z．pawlak提出了粗糙集理论,将二结合而形成模糊粗糙集及粗糙模糊集．利用包含度的概念定义上模糊粗糙近似算子,下模糊粗糙近似算子,边界．并讨论它的性质．     

模糊数相似度的结构元方法

为解决现有计算模糊集合或模糊数相似度的方法中,模糊数的隶属函数难得到,模糊数相似度难计算的问题,将模糊集合相似度的概念引申到模糊数中,利用模糊结构元理论解决模糊数相似度的表达计算.研究结果表明:基于结构元的模糊数相似度不仅简化计算,而且为模糊数相似性推理提供了良好的工具.     

D型隶属函数与模糊度

研究D型隶属函数与O型隶属函数的关系,证明了确定X上一个D型隶属函数等价于确定X上一个O型隶属函数和X×X上一个O型隶属函数。并讨论了D型隶属函数与聚类的关系,对D型模糊集和O型模糊集分别定义了模糊度且研究了相应的性质。     

基于相似度的信息权重模糊推理方法

在陈永义等提出的模糊集特征展开近似推理方法的基础上,提出了一种广义的模糊集特征展开推理方法的数学模型,实际上也是一种基于相似度的加权模糊推理方法,并给出了一种基于模糊信息的权重确定方法.     

模糊集的直觉熵与直觉相似度

熵与相似度都是用来描述模糊集模糊程度的指标,现有方法都是通过将其刻画为具体的数值展开研究.针对当模糊集的模糊程度具有不确定性,无法利用具体的数值表示时,如何利用熵与相似度来进行度量的问题展开讨论.首先提出了直觉熵与直觉相似度的定义,其次利用两个定理说明直觉熵与直觉相似度可以相互转化.     

模糊度的积分表示

针对论域Ｘ＝［ａ，ｂ］上的模糊集合，给出了一种描述其模糊度的方法，讨论了它的一些性质；并基于模糊度，提出了构造２个模糊集合的贴近度方法，这些结论可在模式识别、决策科学中得到应用。     

区间值模糊集的分解定理及相似度的计算

针对区间值模糊集相似度公式只是经验公式并没有理论依据问题.建立了区间值模糊集新的截集概念,研究了相似度计算方法.结果表明:所建立的新截集概念是以往截集概念的推广.在新截集理论的基础上,进一步给出了区间值模糊集的分解定理;根据该截集发展出一种推导区间值模糊集相似度的方法,建立了模糊集相似度与区间值模糊集相似度之间的联系,可进一步应用到模糊风险分析研究中.     

Order Relation for Type-2 Fuzzy Values

In this paper an order relation and a ranking method for type-2 fuzzy values are proposed. In order to compare type-2 fuzzy sets, the concepts of satisfaction function for continuous fuzzy values, h-level type-2 fuzzy values and strong order relation are introduced. The proposed method is an approach based on the possibility theory, and it generates a ranking sequence with the greatest possibility. Some properties of the proposed method are also analyzed.     

一种新的区间二型模糊集排序方法

区间二型模糊集排序是模糊决策领域中的一个重要内容,然而文献中排序方法在某些情形下无法区分区间二型模糊集的排序顺序.针对这一问题,给出了一种新的基于模糊集内心的排序方法,依据排序值的大小来确定区间二型模糊集的排序顺序.与已有排序方法相比较,所给方法能够有效区分区间二型模糊集的排序顺序.     

区间Ⅱ型变论域自适应模糊逻辑控制器

在变论域自适应模糊控制方法的基础上,结合Ⅱ型模糊集较强的鲁棒性和处理不确定性问题的能力,设计了一种区间Ⅱ型变论域自适应模糊逻辑控制器.为了使控制器保持在最优状态,采用粒子群优化算法来优化隶属度函数;然后由Lyapunov方法证明了区间Ⅱ型变论域自适应模糊逻辑控制器的稳定性.对Duffing系统和1维6卷混沌系统的仿真表明,区间Ⅱ型变论域自适应模糊逻辑控制器可以很好地跟踪参考信号,较之变论域模糊逻辑控制器,其可以有效地防止抖震且控制量较小.     

几种L-模糊集之间的关系

研究了区间值模糊集，直觉模糊集，模糊值模糊集和二型模糊集之问的关系，指出直觉模糊集与区间值模糊集是等价的；在一定条件下，模糊值模糊集可由区间值模糊集生成；每一个二型模糊集可转化成一个区问值模糊集且每个区间值模糊集可看做一个二型模糊集．     

犹豫模糊熵生成算法及在后勤补给基地选址评估中的应用

为了定量地刻画犹豫模糊信息的不确定性程度,将犹豫模糊元和区间值犹豫模糊元的熵推广成了犹豫模糊集和区间值犹豫模糊集的熵。首先给出了犹豫模糊集和区间值犹豫模糊集的熵与相似度的公理化定义,在此基础上提出了犹豫模糊集熵和相似度的一般公式,给出了犹豫模糊集的熵和相似度的生成算法。然后研究了犹豫模糊集的熵与相似度间的关系,提出了基于相似度的熵的一般公式。进一步把犹豫模糊集的熵与相似度的关系的有关结论及各自的一般公式和生成算法推广到区间值犹豫模糊集。最后给出了基于犹豫模糊集熵和相似度的后勤补给基地选址方案可靠性分析的数值例子。     

基于QPSO算法优化的区间二型模糊逻辑系统预测

设计了一类区间二型模糊逻辑系统,研究基于历史数据的预测问题.在区间二型模糊逻辑系统设计中,前件、后件、输入测量区间二型模糊的主隶属函数均选择成具有不确定标准偏差的高斯型二型隶属函数.量子粒子群优化(QPSO)算法用来调整所设计的区间二型模糊逻辑系统参数.部分欧洲智能技术网络(EUNITE)的负荷竞赛数据和美国田纳西州(WTI)原油价格数据用来测试所提出的模糊逻辑系统预测方法.定义综合评价误差和作为模糊逻辑系统的预测性能指标.仿真研究表明,所提出的区间二型模糊逻辑系统预测方法在收敛性和稳定性上均优于相应的一型模糊逻辑系统.     

一种区间二型模糊隶属度函数的构造新方法

针对现有区间二型模糊隶属度函数的构造方法中,存在受试者需为模糊专家,易出现不确定迹(FOU)填满现象(下隶属度函数近似为0),或需预先确定不确定迹的形状的问题,设计受试者不为模糊专家也可正确回答的调查问题,提出一种构造区间二型模糊集隶属度函数的新方法.该法不需预先确定FOU的形状,受试者不必为模糊专家.该法的基本思想是从一组领域专家中收集类属词的上下隶属度区间数据,对所获数据进行数据预处理,最后获得类属词的隶属度函数和FOU.实验结果表明,所提出的新方法可有效构造区间二型模糊隶属度函数,避免出现填满现象.     

多粒度邻域粗糙模糊集及其不确定性度量

邻域粗糙集是经典粗糙集的一个扩展模型,研究其不确定性度量模型具有重要意义。在邻域粗糙集理论中,当前不确定性度量方面的研究工作主要专注于度量知识空间的粒度大小或边界域尺寸。在邻域系统中,对于目标概念为模糊时的情形,其不确定性不仅来自于邻域粒的边界域,还来自于正域和负域,当前的不确定性度量方法较少考虑这种情形。为此,构建了邻域粗糙模糊集模型,从粒计算的角度出发,进一步提出了多粒度邻域粗糙模糊集模型;针对多粒度邻域粗糙模糊集具有乐观性与悲观性的特点,借鉴Vague集中支持度和反对度的思想,设计了基于模糊度的多粒度模糊熵的不确定性度量方法,不仅符合人类的认知习惯,而且可以有效刻画整个邻域知识空间的结构信息。     

模糊包含关系

本文定义了集合的模糊包含关系，利用测度给出了模糊包含关系的隶属函数的一些生成方法，并在模糊集向量空间上研究了这些问题，得出了一些有意义的结果     

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．