模糊子集贴近度的普遍定义与模糊度

文[1]提出了模糊子集的“贴近度”的概念,它是度量模糊子集间吻合程度的一个必不可少的工具.在[1]的启发下,本文给出了贴近度概念的普遍定义,并指出通常的贴近概念总是与一定的模糊测度空间相联系,进而讨论了一些常见的模糊测度空间上的贴近度. 本文还建立了模糊度与贴近度之间的关系,特别是具体给出了贴近度σ_D与模糊熵的关系式.     

基于区间模糊数的模糊线性回归模型及其应用

以区间模糊数为研究对象建立了模糊线性回归模型,以模糊集之间的测度贴近度为理论依据引入了一种模糊数之间距离的概念,并通过最小二乘原理给出了该模型的参数估计方法,最后结合沈阳市温度变化情况的实际例子给出该模型的应用。     

模糊粗糙集的贴近度

基于模糊集理论中贴近度的定义及模糊粗糙集的有关性质 ,讨论了模糊粗糙集 (FR集 )的贴近度 ,进而给出了模糊粗糙集的距离贴近度、最小最大贴近度、最小平均贴近度以及格贴近度     

直觉模糊匹配的语义距离与贴近度

首先引用Atanassov直觉模糊集的基本概念,阐述了直觉模糊推理的语义匹配问题．给出了计算直觉模糊匹配度的语义距离与贴近度扩展方法,重点研究了直觉模糊贴近度扩展计算模型与直觉模糊语义距离,包括在离散论域和连续论域上的海明距离、欧氏距离、明可夫斯基距离、切比雪夫距离等扩展计算模型,提出了将直觉模糊贴近度与直觉模糊语义距离转换成直觉模糊匹配度的方法。     

基于可比较语言多属性决策的扩展TOPSIS方法

针对偏好信息是可比较语言的多属性决策,提出了一种新的决策方法——基于可能度分布距离测度的TOPSIS方法;该方法首先将可比较语言转化为犹豫模糊语言信息,通过定义可能度分布距离公式,避免了传统犹豫模糊语言评价信息在距离计算过程中的误差;然后建立了基于可能度分布距离测度的TOPSIS决策模型,通过计算正负理想点得到最优参照方案,根据各方案与最优参照方案间的距离进行排序并择优,相比于传统TOPSIS方法更能体现各方案与理想方案的贴近程度;最后,以快递服务公司的测评案例验证了所提方法的可行性和有效性。     

粗糙模糊数的贴近度

首先讨论了粗糙模糊数(RFN)的性质和运算法则，进而定义了粗糙模糊数的贴近度，在此基础上，分别给出了粗糙模糊数的距离贴近度，最大-最小贴近度，最小平均贴近度以及格贴近度，可用于在实际问题中对模糊信息的表述及信息加工。     

贴近度的新定义

比较两个模糊子集是否贴近,有的利用距离公式,有的利用贴近度。但是,它们存在一些问题,本文定义了一种新的贴近度,利用它能度量模糊子集的模糊性和进行模式识别。     

基于TOPSIS的模糊数直觉模糊多属性决策法

对属性值以模糊数直觉模糊数形式给出的多属性决策问题,提出了一种基于TOP-SIS的模糊数直觉模糊数多属性决策方法,该方法首先定义了两个模糊数直觉模糊数之间的距离,然后给出了方案与理想点的相对贴近度,基于相对贴近度对方案进行排序。最后进行了实例分析。     

基于梯形直觉模糊数的TOPSIS多属性决策方法

针对属性值为梯形直觉模糊数的多准则决策问题,给出了一种基于梯形直觉模糊数的TOPSIS多属性决策方法.根据提出的梯形直觉模糊数的Hamming距离公式,计算各方案和梯形直觉模糊数正负理想方案的距离,从而求得各方案和正理想解的相对贴近度,基于贴近度大小对方案集进行排序.最后,用数值实例进一步说明了该梯形直觉模糊TOPSIS方法的有效性和实用性.     

基于Vague集的模糊聚类方法研究

引入Vague集(值)的距离概念及Vague集(值)的贴近度概念,并证明了这一新的贴近度的性质.利用此贴近度概念给出了基于Vague集的模糊聚类方法,这一方法对于数据挖掘研究有很好的参考价值.     

基于算数平均值的直觉模糊集合的相似度

从几何的角度出发,依据犹豫度将直觉模糊数转化为一个等腰直角三角形,把2个直觉模糊数之间的相似度定义为对应的等腰直角三角形对应点距离的平均值.在此基础上,引入了2个直觉模糊集的相似度,证明了它们都满足相似性公理.通过数值实例与已有的直觉模糊集的相似度进行比较,结果表明该相似度具有一定的优越性.最后,给出了该相似度在模式识别中的应用实例.     

实例检索中基于混合属性距离的相似性度量

提出了一种基于混合属性距离的相似性度量方法.利用各个属性间的距离及其组合权重求得实例间的总体距离,再用实例间的总体距离来刻画其相似程度.基于区间数的距离计算公式和模糊集合理论,给出了属性值为模糊数、模糊区间数时的距离公式,并改进了属性值为隶属度函数时的距离公式.同时考虑了属性权重问题,提出了一种基于距离离差信息的客观赋权方法,将主观权重和客观权重加以组合,以组合权重来计算实例的全局相似度.以阀门的概念设计为例,验证了该方法在实例检索中的的可行性和合理性.     

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．     

基于区间值模糊理论的农作物病害判决方法

定义了区间模糊数核距离、空间距离和线距离,给出相似程度计算公式.构建了区间模糊数值型大豆病库模型,并通过举例说明了大豆病害的综合判决过程.     

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。     

基于模糊集的时序关联规则的度量准则

指出了时序关联规则在支持度度量上的不足,存在处理高密度海量数据时往往要耗费大量的时间处理规模巨大的频繁候选集,同时需要多次重复扫描数据库,执行效率低等问题,提出了重新定义支持度度量方法的时序关联规则.针对时序关联规则在解决项分类时涉及到的分层不确定、不准确情形,引入了基于隶属度的模糊层次分类结构,定义了项间距离、项集间距离,最终得到一种新的关联规则间距离的度量方法.实现了模糊层次分类,将时序关联规则结果进行聚类分析,得到规则和规则之间相似性,实验验证了该方法的有效性.     

一种新的知识表示模型及其规则推导

目前指挥决策支持系统中的知识系统大多只能表示清晰信息,当给定对象、属性及属性值,便能完全肯定对象是否具有这个属性(值)。但实际情况并不是这样,对象和属性(值)关系常常是不确定的。本文提出FPS模型解决这种不确定性,并在此基础上,为概念归纳推理定义了模糊粗糙集,为对象的排序定义了相似性测度、距离测度和熵测度,用模糊集方法定义了概念的上下近似集,并得出了决策规则。     

基于重心法的模糊风险分析

为了使模糊风险分析理论在实际中的应用更有效,需要建立更合理的模糊数间的相似性测度公式.以往基于重心法所建立的模糊数间的相似性测度依据的都是近似的重心公式,缺乏理论根据.针对广义梯形模糊数,采用SCGM建立准确的COG公式,说明了基于此表达式计算广义梯形模糊数相似度的优势,从而克服了用近似重心公式得到的相似性测度公式的缺陷.结果表明:基于准确COG表达式所给出的相似性测度进行模糊风险分析,得到的结果可靠性更高,便于决策者作出更加准确的决策.     

基于幂均融合算子的模糊传感器数据融合

提出了一种新的融合模糊传感器数据的方法。首先把模糊传感器输出的隶属函数作为对模糊命题的支持程度，之后引入了一个相似性测度对各个传感器输出的相似性进行度量，定义了一个相对一致度系数表示各个传感器被其他传感器所支持的程度，最后基于幂均算子实现了模糊传感器的数据融合。与已有的方法相比，该方法综合考虑了各个传感器的输出信息，降低了融合过程中的信息损失。通过一个目标识别的算例验证了该方法的有效性。