基于相似度量的加权近似推理方法

提出了规则中命题加权的真值计算方法及其约束条件,给出了加权的产生式规则的表示形式,定义了一个新的相似度量的加权运算和结论的加权组合方法．在此基础上提出了一种新的基于相似度量的加权近似推理方法．     

基于直觉模糊相似度量的近似推理方法

针对直觉模糊逻辑推理,提出一种基于直觉模糊集之间相似度量的近似推理方法,给出了相关的推理合成运算公式,并用实例说明近似推理的推理过程。该方法的最大优点是概念上更清晰,易于直观理解。     

基于Vague集加权相似度量的近似推理

基于Vague(值)集间的相似度量的公理化定义,给出两个新的Vague(值)集间加权相似度量公式,细化了线性插值法进行近似推理的过程,并应用一个新加权相似度量公式进行推理,实例表明近似推理是可行的.     

基于相似关系的广义近似推理方法

目前基于相似关系的近似推理方法 (SBAR)对相似关系的理解并不一致 ,在推理过程中未能考虑相异关系的影响。提出了一种基于相似关系的广义近似推理方法(GSBAR) ,并详细论述了 GSBAR的推理流程以及其中的相似关系函数、相似关系调整函数、相似关系合成函数和推理转换函数的性质 ;进而证明了该方法的逼近能力 ;同时给出了 GSBAR的一个示例。结果表明 ,GSBAR严格遵照相似关系定义 ,综合考虑相似关系和相异关系 ,推理过程直观简便 ,具有一般意义     

一种新的基于距离度量的近似推理方法

对常用的近似推理方法如合成推理方法（CRI）和基于相似度量的近拟推量方法（AARS）进行了研究,指出了它们存在的缺陷;在此基础上,提出了基于距离度量的近似推理方法,该方法较好地解决了CRI和AARS方法的中的问题。     

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。     

一种新的相似性度量在加权模糊推理中的应用

指出了已被定义的2种相似度在模糊推理中的局限性,并且进行了改进,又举例验证了新的相似性度量在模糊推理中的合理性.     

基于区间值相似度的加权模糊推理

在相似度的方法用于区间值模糊推理的过程中,为合理地计算区间值加权模糊产生式规则的输入事实与规则前件之间的相似度,给出区间值相似度的计算公式.在此基础上提出基于区间值相似度的加权模糊推理算法.为体现规则前件断言对于规则结果的重要性程度,在区间值模糊产生式规则中加入了权值参数.为了采用该算法,给出区间值排序的方法.最后用实例说明所给出的推理算法更符合实际需要,可操作性强,便于应用.     

基于相似度量的规则库简化方法

分析了Setnes给出的对规则库进行简化的原理和方法．为保证所分区域内的规则是单调的，提出了采用论域分区的方法，并用Fuzzy的势来保证简化后的规则包含了简化前的规则信息这一思想．在此基础上给出了一个新的基于相似度量的简化规则库的算法。     

一种改进的加权模糊推理方法

在模糊专家系统中,模糊推理方法的优劣是衡量系统性能好坏的关键指标.文章举例指出了文[1]中模糊推理方法的局限性,并且给出了改进的方法,并通过实例验证了改进方法的合理性.     

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。     

基于相似度加权的模糊聚类方法

模糊聚类分析主要用于研究样本的分类问题.在引入加权相似系数和加权距离系数的计算公式的基础上,提出了一种既能考虑到样本之间的值贴近程度,又能考虑到样本之间的形贴近程度的改进统计量-相似度,用相似度矩阵替代传统的相似矩阵,得到了模糊聚类分析方法的改进.实验结果表明改进的模糊聚类分析方法是有效的.     

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.     

两种新的相似性度量在模糊推理中的应用

基于相似度的推理在模糊专家系统中是一种重要的方法,指出了已被定义的两种相似度在模糊推理中的局限性,并且给出了两种新的相似度,又举例验证了这两种新的相似性度量在模糊推理中的合理性。     

基于相似度量的规则库简化方法

分析了Setnes给出的对规则库进行简化的原理和方法．为保证所分区域内的规则是单调的,提出了采用论域分区的方法,并用Fuzzy的势来保证简化后的规则包含了简化前的规则信息这一思想．在此基础上给出了一个新的基于相似度量的简化规则库的算法．     

基于 Vague 集的加权模糊运算

分析了Vague集的性质,定义了Vague集上的加权析取式和加权合取式。讨论了Vague集上的加权析取式和加权合取式的模糊运算及性质,这些运算及性质可以很好地用“投票模型”来解释。     

D-逻辑度量空间与近似推理

通过随机化赋值集的方法,在二值逻辑中提出了公式的 D- 随机真度概念,证明了全体公式的 D-随机真度之集在[0,1]中没有孤立点;提出了 D- 逻辑伪距离和 D- 逻辑度量空间,证明了该空间中没有孤立点;指出当取均匀概率测度,且各概率测度均为 1/2 时,D- 随机真度就转化为计量逻辑学中的真度,同时两公式间的 D- 逻辑伪距离就转化为计量逻辑学中的伪距离,从而建立了更具一般性的随机逻辑度量空间;最后在 D- 逻辑度量空间中提出了3种不同类型的近似推理模式,并证明了这三种模式是等价的.     

一种基于相似性的加权模糊产生规则计算方法

提出了一种基于相似性的加权模糊产生规则计算方法.该方法允许权重与确定因子等参数用普通的语言词来表示,从而提高了模糊产生规则的知识表示力,使其更符合人们的思维习惯,为其应用提供了更大的范围.还提出了一种改进的方法来计算结果的模糊值及其确定因子,从而使计算结果更加合理.     

结合加权子空间和相似度度量学习的人脸验证方法研究

在无约束条件下,人脸表情、姿态、光照以及背景等复杂因素可能导致人脸图像的类内变化大于类间变化.针对如何降低较大的类内变化对人脸验证研究的影响,本文结合加权子空间,提出了一种带先验相似性和先验距离约束的相似度度量学习方法.首先,利用类内人脸对样本,学习带权重的类内协方差矩阵,通过加权子空间的投影,从人脸图像中获得鲁棒性的人脸特征表达;其次,利用样本对的相似性与差异性,建立了带先验相似性和先验距离约束的相似度度量学习模型,优化后的度量矩阵可以有效提高特征向量的类内鲁棒性和类间判别性;最后,利用优化的度量矩阵计算人脸对的相似度.在LFW(Labeled Faces in the Wild)数据集的实验验证了所提模型的有效性,与其它同类相似度度量学习方法相比,优化的度量矩阵更能准确地评估人脸间的相似性,并在受限训练集上取得了91.2%的识别率.