基本信息
- 项目名称:
- Vague集相似性度量方法研究
- 来源:
- 第十二届“挑战杯”省赛作品
- 小类:
- 信息技术
- 大类:
- 自然科学类学术论文
- 简介:
- Vague集同模糊集、粗糙集等集合一样是描述现实世界中模糊和不确定现象的有力工具之一,Vague集的特点时同时考虑隶属与非隶属两方面的信息,这使得Vague集能更好地表示决策者的偏好信息,在处理不确定信息时比传统的模糊集有更强的表示能力,且更为恰当。
- 详细介绍:
- 目前,vague已被成功应用于模式识别、信息融合、机器学习等领域,在这些应用中,相似度量起到非常重要的作用,因此研究度量vague集(值)之间的相似度,不仅有重要的理论意义,而且有着广泛的应用需求和现实意义。针对vague集的知识相似性度量这一问题,众多学者提出了多种vague集的相似性度量方法,每一种方法侧重于不同的角度,都各自有优缺点。相似性度量是一种在不确定性数据处理和分析中十分重要和广泛使用的方法,本文对现有的Vague集相似度量方法进行了研究,分析了现有的Vague集相似性度量方法存在的问题和局限性;根据度量区间相似性的原理,指出影响Vague集相似性度量的4个必要因素,在总结现有的度量准则的基础上提出了一个更加全面准确的衡量Vague集相似性度量方法的新评价准则;在综合考虑度量时必须考虑的主要因素和新的评价准则基础上,提出了一种新的Vague集相似性度量方法,并证明了该方法的所满足的性质,通过实例与其他Vague集相似性度量方法进行了对比验证,结果表明该方法是有效的和可行的。
作品专业信息
撰写目的和基本思路
- 首先对现有的Vague集相似度量方法进行了研究,分析了现有的Vague集相似性度量方法存在的问题和局限性;然后根据度量区间相似性的原理,提出了影响Vague集相似性度量的4个必要因素,在总结现有度量准则的基础上提出了一个新的衡量Vague集相似性度量方法的新评价准则;最后在综合考虑度量时必须考虑的主要因素和新的评价准则基础上,提出了一种新的Vague集相似性度量方法,并证明了该方法的所满足的性质。
科学性、先进性及独特之处
- 根据度量区间相似性的原理,提出了影响Vague集相似性度量的4个必要因素,提出了一个衡量Vague相似相度量的更加全面准确的准则,在分析现有度量方法存在的局限性基础上,提出了一种新的度量方法,通过实例证明了该方法的有效性和优越性。
应用价值和现实意义
- Vague集理论已广泛应用与可靠性评价、医疗诊断、模式识别、模糊推理和决策分析等领域,在模糊集理论与Vague集理论的应用研究中,相似性度量是一个重要的问题,它是模糊聚类,模式识别、近似推理等应用领域的基础。因此,研究本文研究具有较好的理论意义和应用价值,为模式识别、聚类分析等领域提供了新的解决问题的方法和工具。
学术论文摘要
- 相似性度量是一种在不确定性数据处理和分析中十分重要和广泛使用的方法,本文对现有的Vague集相似度量方法进行了研究,分析了现有的Vague集相似性度量方法存在的问题和局限性;根据度量区间相似性的原理,指出影响Vague集相似性度量的4个必要因素,在总结现有的度量准则的基础上提出了一个更加全面准确的衡量Vague集相似性度量方法的新评价准则;在综合考虑度量时必须考虑的主要因素和新的评价准则基础上,提出了一种新的Vague集相似性度量方法,并证明了该方法的所满足的性质,通过实例与其他Vague集相似性度量方法进行了对比验证,结果表明该方法是有效的和可行的。
获奖情况
- 无
鉴定结果
- 该作品根据区间相似性原理,指出度量Vague集相似性时必须考虑的几个关键因素,在分析现有的Vague集相似性度量方法的基础上,提出了一种新的度量方法,并通过实例证明了该方法的有效性和优越性。
参考文献
- 不确定集合理论,Fuzzy Set理论,Rough集理论,Vague集理论,集合相似性研究,作品中资料来源于个大核心期刊杂志,国内重点大学学报。
同类课题研究水平概述
- 目前,vague已被成功应用于模式识别、信息融合、机器学习等领域,在这些应用中,相似度量起到非常重要的作用,因此研究度量vague集(值)之间的相似度,不仅有重要的理论意义,而且有着广泛的应用需求和现实意义。针对vague集的知识相似性度量这一问题,众多学者提出了多种vague集的相似性度量方法,每一种方法侧重于不同的角度,都各自有优缺点。相似性度量是一种在不确定性数据处理和分析中十分重要和广泛使用的方法,本文对现有的Vague集相似度量方法进行了研究,分析了现有的Vague集相似性度量方法存在的问题和局限性;根据度量区间相似性的原理,指出影响Vague集相似性度量的4个必要因素,在总结现有的度量准则的基础上提出了一个更加全面准确的衡量Vague集相似性度量方法的新评价准则;在综合考虑度量时必须考虑的主要因素和新的评价准则基础上,提出了一种新的Vague集相似性度量方法,并证明了该方法的所满足的性质,通过实例与其他Vague集相似性度量方法进行了对比验证,结果表明该方法是有效的和可行的。