正态云模型相似度计算方法

本文提出了两种正态云模型相似度计算方法,分别通过正态云模型的期望曲线和最大边界曲线来描述正态云模型的总体特征,实现以期望曲线相似程度或最大边界曲线的相似程度对正态云模型相似度的定量表示.它们在一定程度上克服了传统基于特征向量和随机选取云滴的相似度计算带来云模型期望数字特征过于显著、时间复杂度过高和结果不稳定等方面的不足.实验结果表明,本文算法能够更为客观地对正态云模型进行相似度计算,在协同过滤推荐以及时间序列分类中得到了应用并提高了算法的效率.

基于EW-型贴近度的云模型相似性度量方法

针对现有的相似性度量方法中存在区分度不高、结果不稳定等问题,提出了一种基于EW-型贴近度的云模型相似性度量方法。该方法利用正态云模型的扩展模型三角云为研究对象,分别把三角云的期望曲线及最大边界曲线看作三角模糊数,通过计算三角模糊数的EW-型贴近度来度量云模型的相似性,充分考虑了期望曲线和最大边界曲线的特点,定义了一种综合的求两云模型相似度的计算方法。通过仿真实验可以看出,提出的EMTCM方法具有一定的区分度;在Synthetic Control Chart Dataset数据集上的分类对比实验表明,EMTCM方法的分类精度明显优于先前的LICM、ECM、MCM方法,验证了EMTCM方法有一定的可行性及有效性。