一种改进的Vague集相似度量公式及其在生态调度评价中应用

长江防汛期间洪水影响其下游鱼类产卵、生存等鱼类生态平衡,需要合理科学制定长江电站临时日流量生态调度方案以满足特殊时期长江下游鱼类生态需求。采用模糊集相似度作为权衡电站调制效益的准则,以长江下游水电站—向家坝水电站为例,剖析其2013—2023年4-9月份的每日水流量数据,再根据线性插值方法构建流量阈值的Vague集隶属度函数,并创建一种相似度度量公式来评价各月份水文数据。应用所建相似度对4种水文数据方案进行评估,结果得到与每个月份相似度最高的方案。探究结果可以为电站临时生态调度方案的选择和评价提供参考。

一种基于包含关系的Vague集新相似度量方法

针对已有相似度量方法考虑因素不全面的情况,本文从二次投票出发同时考虑了二次投票中支持度、反对度和未知度的包含关系,合理设置系数,提出一种新的基于包含关系的Vague集相似度量方法,理论证明新相似度量方法满足相似度量的基本准则。分别选取小样本和大样本与已有相似度量方法进行比较,提出了一种新的相似度区分能力的定义。实验结果表明:对于小样本数据,本文提出的相似度量方法区分能力最大为0.14;对于大样本数据,本文提出的相似度量方法区分能力最大为119.8。将新相似度量方法分别应用于故障诊断、模式识别和多准则决策中,结果表明新的相似度量方法能够有效和合理地区分数据。

Vague相似度量与Vague熵

The paper draws comparison and analysis among present similarity measure methods in the case of similari-ty measures between Vague values, provides a new similarity measure method, of which discusses on the normalcharacteristics, gives some relative character theorems. At the same time, it analyzes the application of fuzzy similari-ty measures in vague similarity measures and gives its normal forms such as similarity measures between Vague sets,between elements and their weighted similarity measures. Finally, vague entropy rule respectively aiming at twokinds of cases is approached and its corresponding vague entropy expressions is provided. The content of this paper isof practical significance in such fields as fuzzy decision-making, vague clustering, pattern recognition, data miningetc.

Vague集相似度量的新方法

根据区间相似性的原理,指出影响Vague集相似性度量的4个因素,指出了现有方法的不足,提出了一种新的Vague集相似性度量方法,证明了它满足若干准则。通过例子证明了方法的有效性和优越性。

一个基于Vague集相似度量的近似推理方法

对文献 [1 ]中提出的一种基于Vague集之间相似程度的度量方法进行了分析 ,指出了这种相似度量方法存在的缺陷。在此基础上 ,给出了一种改进的相似度量方法。同时 ,我们还给出了一种新的Vague集的交并运算规则 ,并在新的交并运算基础上 ,提出了一种基于Vague集相似度量的近似推理方法。最后 ,用实例说明了这种近似推理的推理过程。

一种新的基于核函数的Vague集间的相似度量

分析了已有Vague集之间相似度度量方法存在的缺陷.在此基础上,充分挖掘Vague值中的不确定信息,利用两个Vague值核函数取小、取大的比值给出新的相似度量方法,给出基于动态核函数的Vague值的相似度定义,以及相应的Vague集和Vague元素的相似度定义.并通过例子说明该方法适用于Vague环境的行为分析问题.

Vague集之间相似性度量的基本准则与一般方法

研究一般情形下Vague集之间的相似性度量问题。分析现有相似度度量方法的种类并指出其不足之处,提出Vague值间相似性度量的基本准则。考虑到未知信息对相似度的影响,根据基本准则提出适用于一般情况的度量公式。讨论该公式满足基本准则的必要条件,并给出具体的公式。最后通过模式识别中的实例说明其有效性。

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 .

Vague集的三维表示

在分析Vague集性能的基础上 ,提出了Vague集的一种新的三维表示方法 ,用空间曲线来表示Vague集的隶属函数 ,能更直观地反映Vague集所包含的模糊信息 ,在此基础上给出了该Vague集的相似度量算法 ,反模糊化算法以及近似推理算法 .

基于Vague集相似度量的图像隐写系统安全性测度

由于图像隐写所引起的各种统计特征变化是不确定的,文中将Vague集相似度量引入隐写系统的安全性评价中.从图像的一阶统计特征和二阶统计特征两方面,定义了基于载体数据及载密数据相关Vague集相似度量的隐写系统一阶和二阶安全性测度,证明了该安全性测度的有界性,对称性和一致性.在假设图像满足独立同分布的条件下,证明了所提出的两种安全性测度是等价的.结果表明,所提出的二阶安全性比一阶安全性能更好地反映隐写引起的载体统计分布变化.与确定模式下的安全性测度相比,当嵌入率低于0.5比特/像素,新的测度可更好地度量隐写系统安全性,因此该测度对小容量的隐写及隐写分析算法设计具有更好的指导作用.

基于Vague集的双向近似推理

给出了一种新的Vague集间的相似度量方法 ,提出了Vague集间相似方向的概念 ,可以用它来描述两个相似Vague集中哪个所包含的信息更精确 ,并给出了一个判定方法 .在此基础上给出了一种基于Vague集的双向近似推理方法 ,该方法更好地利用了Vague集信息的精确性 ,从而提高了推理的精确性和适用性 。

粗糙Vague集及其相似度量

对粗糙V ague集的基本操作和性质进行了研究。另外,对粗糙V ague集的相似度量问题进行研究,首先构造一种粗糙V ague值的相似度函数并给出其基本性质,然后给出一种粗糙V ague集的相似度函数以及一种粗糙V ague集的加权相似度函数。

基于Vague集加权相似度量的双向近似推理

本文提出了一种新的Vague集的加权相似度量方法 ,以解决文献 [1 ]中关于Vague集相似度量的某些缺陷以及权向量中各个分量难以确定的问题 ,并且提出了Vague集间相似方向的概念 ,用它来描述两个相似Vague集中哪个所包含的信息更精确 ,并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量的双向近似推理方法 ,该方法更好地利用了Vague集信息的精确性 ,从而提高了推理的精确性和适用性。

Vague集的转化与相似度量

基于Vague集的投票模型解释,对Vague进行分步转化,得到转化的极限状态为一模糊集。在此基础上讨论Vague集之间及元素之间的相似度量,给出一系列相似度量公式,并讨论其性质。最后,用实例说明其应用。该文的结论为Vague环境下的信息处理提供有效方法。

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

一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的 Vague集的加权相似度量方法以解决文献 [1]中关于 Vague集相似度量的某些缺陷 ,并且提出了 Vague集间相似方向的概念 ,用它来描述两个相似 Vague集中哪个所包含的信息更精确 ,并给出了一个判定方法 .在此基础上给出了一种基于 Vague集加权相似度量的双向近似推理方法 ,该方法更好地利用了 Vague集信息的精确性 ,从而提高了推理的精确性和适用性 .这为智能系统中的近似推理提供了一个十分有用的工具 .

基于Vague聚类规则的双向近似推理

在智能系统的研究与开发中 ,推理方法的计算复杂性是一个很重要的问题 .为了获得良好的推理效果和推理效率 ,就必须降低推理方法的计算复杂性 .为此本文首先给出了一个新的 vague集间的距离定义 ,然后给出了相似方向的概念及相似方向的判定方法 .在此基础上 ,提出了对 vague规则进行聚类 ,以及基于 vague聚类规则的双向近似推理方法 ,该方法更好地利用了 vague集信息的精确性 ,而且降低了推理的计算复杂性 ,从而提高了推理的精确性和适用性 .并用实例验证了该方法的有效性 .

Vague集之间相似度量的新方法

Vague集的相似度量是Vague集在各个应用领域中的关键技术。论文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。

Vague集之间的相似度量新方法

为了构建一个新的Vague集之间相似度量方法,运用比较法和Vague理论,分析现有的相似度量方法的缺陷所在,给出了一种新的相似度量公式,该公式不但包括了衡量Vague值(集)的相似的必要参数,且考虑到无论是Vague值区间两端的距离、核距离还是未知度距离,距离越大,对Vague值相似性的影响也越大,相似度越小,使之更直观、更符合实际情况。最后通过定理证明以及与相关文献的比较说明该方法具有更好的度量效果。

Vague集间的相似性度量及应用

论文提出了一种描述Vague集间的不确定关联度概念,并提出了一种新的Vague集间相似性度量模型,它不但考虑了Vague集论域元素间的物理意义,而且也考虑了论域元素间的不确定关联程度,因此,它比已存在的Vague集间相似度量模型更加精细地刻画了Vague集间的相似性,从而在基于Vague集的不确定性智能信息处理领域中可有广泛应用。