区间值模糊软集的信息测度及其聚类算法.docVIP

区间值模糊软集的信息测度及其聚类算法 　　摘要：针对区间值模糊软集信息测度难以精确定义的问题，提出了区间值模糊软集的距离测度、相似度、熵、包含度、子集度的公理化定义，给出了区间值模糊软集的信息测度公式，并讨论了它们的转换关系。然后提出了一个基于相似度的聚类算法，该算法结合区间值模糊软集的特性，着重对给出评价对象的具有相似知识水平的专家进行聚类，同时讨论了算法的计算复杂度。最后通过实例说明该算法能有效地处理专家聚类问题。 　　关键词：区间值模糊软集；信息测度；相似度；聚类算法；计算复杂度 　　中图分类号： TP18； TP311.13 　　文献标志码：A 　　Information measures for intervalvalued fuzzy soft sets and their clustering algorithm 　　PENG Xindong， YANG Yong* 　　College of Computer Science and Engineering， Northwest Normal University， Lanzhou Gansu 730070， China 　　Abstract： Focusing on the precise definition of information measures for intervalvalued fuzzy soft sets， the distance measure， the similarity measure， the entropy measure， the inclusion measure， and the subsethood measure of intervalvalued fuzzy soft sets were introduced. A series of formulae of information measures were presented， and their transformation relationships were discussed. Then， combining the characteristics of intervalvalued fuzzy soft sets， a clustering algorithm based on similarity measure was explored. It emphasized the clustering of similar level knowledge of experts who gave the evaluation of objects. Meanwhile， the computational complexity of the algorithm was discussed. Finally， a practical example was given to prove that the proposed algorithm can effectively handle the clustering problem of experts. 　　英文关键词Key words： 　　intervalvalued fuzzy soft set； information measure； similarity measure； clustering algorithm； computational complexity 　　0引言 　　Molodstov于1999年从参数化的角度提出了一种新的处理不确定性问题的数学工具，即软集[1]，并成功地将其应用到函数的平滑化、黎曼积分、测度论等数学分支中。 　　近年来，许多学者将软集理论与其他数学模型相结合。Maji等[2]在2001年将模糊集与软集结合，提出了模糊软集，讨论了相应的一些性质； 　　2014年，文献[3]将模糊软集应用到Agent联盟评价，其评价过程符合人的思维判断；文献[4-5]给出了软集的相似度及距离测度的定义； 　　文献[6]提出了中性软集的相似度和熵的概念； 　　Liu等[7]基于模糊软集提出了相似度及熵的公理化定义； 　　Yang等[8-9]提出了多模糊软集和双极值多模糊软集，并将其应用到决策； 　　文献[10-11]探讨了Vague软集的熵、相似度、距离测度的内在关系； 　　Jiang等[12]基于直觉模糊软集[13]与区间值模糊软集[14]提出了熵及距离测度的概念，但其没有给出区间值模糊软集信息测度的公理化定义及其相应的转换关系； 　　Xu等[15]探讨了直觉模糊集及区间值模糊集的关系，并给出了相应的聚类算法，但其聚类的主体为所评价对