一种新的Vague集相似度量及在模式识别中的应用

相似度量是研究Vague集的一个关键技术,目前虽有很多学者提出了一些相似度量的方法,但是对在连续论域下的研究甚少.介绍了一种在连续论域下求Vague集贴近度的一种新方法,并且证明了它是满足Vague集贴近度的公理化定义的,最后以实例说明其在模式识别中的应用.     

模糊集的贴近度及多维综合贴近度

通过对传统F集贴近度的公理化定义进行改造,从而用普通函数的形式对两个F集之间的贴近度进行了更加全面、合理的描述。然后,将描述两个F集之间贴近度的函数推广到多维领域,使得所定义的综合贴近度能够对受多种因素影响的全体F集的综合贴近度进行度量。从而为模糊诊断的自学习功能提供了一条很好的解决途径。     

Vague集间新距离的分析和定义

Vague集的相似度量是Vague集在各个应用领域中的关键技术．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．     

双枝模糊集与Vague集的关系

研究了双枝模糊集与Vague集的关系,指出对于给定的双枝模糊集,可以求得它的伴随Vague集;给出了双枝模糊集与它的α-伴随Vague集的关系定理;研究表明:可以利用Vague集的一些成熟的理论来研究和拓展双枝模糊集理论,以相似度量为例,基于Vague集现有的相似度量方法,利用双枝模糊集的α-伴随Vague集的相似度量作为双枝模糊集的相似度量。     

Vague集的两点注记

指出Vague集等价于i-vfuzzy集,提出Vague集向模糊集的一种转化方法。     

粗糙集的贴近度

为描述两个粗糙集的接近程度,提出了粗糙集贴近度的概念,给出了粗糙集贴近度的基本性质．根据模糊集贴近度的几种具体形式,分别定义了粗糙集的距离贴近度,最大最小贴近度,最小平均贴近度以及格贴近度．     

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。     

Vague集元素等相似度图形化表示

基于Vague集元素之间相似度量的讨论,将已有的Vague值相似性公式用图形表示,提出Vague值等相似度曲线,该曲线能更直观地体现出Vague值之间的相似性关系,并可非常清晰地反映常见相似性公式的优缺点,为相似度量提供了一种更简单、更有效的研究与评测工具。     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题.对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质.这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路.     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题。对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质。这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路。     

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。     

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。     

连续Vague集

对存在中立者的投票模型进行了分析,指出Fuzzy集和Vague集在表达此类模糊信息时所存在的不足;根据投票模型中中立者的倾向程度,对中立者的倾向性给出了三种不同方式的赋值方法,即等量赋值为0.5,由支持者和反对者的人数的比例等量赋值以及根据中立者和反对者的比例不等量赋值.由这三种赋值方式提出了三种由Vague集向Fuzzy集的转化方法,并根据第三种转化给出了连续Vague集的定义,最后对连续Vague集的交、并、补等性质进行了初步讨论.     

模糊贴近度的覆盖粗糙模糊集不确定性度量研究

针对一种覆盖粗糙模糊集的不确定性度量,分析了不确定性的物理含义,给出了一种基于模糊贴近度的度量方法,进而对其性质进行了分析。结果表明该度量方法能客观反映粗糙模糊集不确定性的程度,从定量的角度为刻画粗糙模糊集的不确定性提供了方法。     

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.     

一种基于弱模糊相似关系的广义粗糙集

粗糙集理论是建立在等价关系的基础上发展起来的,但等价关系性质的应用领域是有限的,等价关系不能对现实世界中的元素关系给出客观的描述.为此提出用模糊相似关系和弱模糊相似关系的概念来代替等价关系,同时引入了弱模糊相似关系的相似度概念和相似类概念,定义了基于弱模糊相似关系的广义粗糙集及标准的广义粗糙集上下近似;研究了两对上下近似算子的性质,讨论了3种粗糙隶属函数的性质并验证了它们的性质.     

Vague集向模糊集转化的一种新方法

对Vague集向模糊集转化的方法进行分析,指出已有方法存在的的不足,根据Vague集的三维表示图提出一种新的有效转化方法,并通过实例说明其有效性和直观性.     

粗糙Vague集及其相似度量

对粗糙集和Vague集的概念、知识表示方法进行了研究,提出了粗糙Vague集的概念．研究了粗糙Vague集的相关性质,提出了粗糙Vague集相似度量的方法．     

一种由三角模所诱导的粗糙集间的相似性度量方法

给出两粗糙集间一种新的相似度计算方法,并将其应用到模糊模式识别问题中,通过算例说明这种方法的可行性和有效性.