Vague集(值)之间的相似度量定义新探

研究了现有Vague值之间相似度量的不足之处,分析这些不足之处的产生原因,给出一种解决该问题的方法:提出Vague集(值)之间的相似度量的新定义,给出一个能够满足此定义的Vague集(值)之间的相似度量新公式。将公式应用于待识别样本,得到的识别结果证明,所提出的公式结构合理,结果可信。     

关于Vague集的新模糊熵

Vague集是fuzzy集的推广,但是与fuzzy集不同的是,它同时提供支持和反对的证据.因此,Vague集的模糊熵应该既有Vague集的未知性又有fuzzy集的不确定性.提出了一个考虑未知性和不确定性因素的Vague集模糊熵的公理化定义,给出一种新的Vague集模糊熵计算公式,得到了新的Vague熵一些良好的数学性质.通过定理证明和实例分析,表明新公式的定义是合理的.     

Vague值转化Fuzzy值的一种偏势方法

在联系数理论与Vague集理论基础上,提出了一种新的Vague值转化Fuzzy值的偏势方法.分析了相关文献的不足与缺陷,认为Vague值转化Fuzzy值的本质是对Vague值中未确知度趋向支持度的一种偏势变化.最后讨论了该转化方法满足的准则、可分辨性及可行性等,并通过实例比较了该方法的实用性.     

关于生成Vague子群的一点注记

根据已有的关于生成Vague子群的定义和性质,结合Vague群的知识,构造出了广义的生成Vague子群的定义,得到了一系列的性质和定理.并给出了严格的证明,推广了生成Vague子群的概念和性质,进一步完善了Vague群理论.     

基于Vague集的插值模糊推理

对于模糊概念(用Vague集表示)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,然后给出基于Vague集的隶属函数为连续情况下的插值模糊推理方法;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/假隶属函数分别进行线性插值,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插值模糊推理方法.     

基于Vague集的多属性采煤工艺选取

针对采煤工艺优选的决策信息具有多属性和模糊性等特点,提出采用Vague集理论建立决策模型,给出的记分函数全面考虑了未知度对决策的影响,属性因素的权重利用模糊层次分析法确定,为了提高决策的准确性和安全性,模型采用由多名专家参与,通过方案综合记分值和精确度值最终实现决策分析.利用模型对内蒙古某煤矿进行了实例分析,结果表明该方法具有较强的适用价值,可为采煤工艺优选的决策提供理论依据.     

基于Vague集的元素间相似度量的近似推理

给出了Vague集元素间的一个相似度量方法,对于模糊概念(用Vague集表示)的隶属函数为连续的情况,将规则前件中Vague集的论域与后件中Vague集的论域作一一映射,然后给出基于Vague集的隶属函数为连续情况下的元素间相似度量的近似推理方法;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/假隶属函数分别进行线性插值,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元素间相似度量的近似推理方法.     

Vague集上基于蕴含算子I(,■)的三I算法

给出区间集上蕴含算子的定义和一个蕴含算子。利用三I思想,给出了Vague集上基于蕴含算子I(x,y)的三IVMP算法的计算公式,分析了三IVMP算法的还原性,并给出了基于区间集上蕴含算子I(x,y)的三IVMP算法具有还原性的本质条件.由于Vague集具有表达不确定性知识比Fuzzy集更为丰富的特点,三I思想更为可信,故在不确定性的推理中,三IVMP算法是较为令人满意的算法。     

Vague集上基于蕴含算子I(,)的三I算法

给出区间集上蕴含算子的定义和一个蕴含算子.利用三I思想,给出了Vague集上基于蕴含算子I(x,y)的三IVMP算法的计算公式,分析了三IVMP算法的还原性,并给出了基于区间集上蕴含算子I(x,y)的三IVMP算法具有还原性的本质条件.由于Vague集具有表达不确定性知识比Fuzzy集更为丰富的特点,三I思想更为可信,故在不确定性的推理中,三IVMP算法是较为令人满意的算法.     

Vague集上基于蕴含算子I(x,y)的三I算法

给出区间集上蕴含算子的定义和一个蕴含算子。利用三I思想,给出了Vague集上基于蕴含算子I (x,y)的三IVMP算法的计算公式,分析了三IVMP算法的还原性,并给出了基于区间集上蕴含算子I (x,y)的三IVMP算法具有还原性的本质条件.由于Vague集具有表达不确定性知识比Fuzzy集更为丰富的特点,三I思想更为可信,故在不确定性的推理中,三IVMP算法是较为令人满意的算法。