一种新Vague集相似度量及在模式识别中应用.docVIP

一种新Vague集相似度量及在模式识别中应用 　　摘要:相似度量是研究Vague集的一个关键技术,目前虽有很多学者提出了一些相似度量的方法,但是对在连续论域下的研究甚少.介绍了一种在连续论域下求Vague集贴近度的一种新方法,并且证明了它是满足Vague集贴近度的公理化定义的,最后以实例说明其在模式识别中的应用. 　　关键词:Vague集；贴近度；模式识别 　　中图分类号:TP391.4 　　 文献标识码:A文章编号:1672-8513(2010)01-0071-03 　　A New Similarity Measure and its Application to Pattern Recognition 　　YANG Li?jun,WANG Yuan?liang 　　(College of Information, Yunnan University of Finance and Economics, Kunming 650221, China) 　　Abstract: 　　Similarity measure is one of the most important technologies in vague sets. Though some similarity measures have been proposed, there is little research on continuous universe of discourse. This paper introduces a method of similarity measure between vague sets on continuous universe of discourse, which can satisfy the axiom definition of similarity measure between vague sets. Finally, an example is given to illustrate its application to pattern recognition. 　　Key words: 　　vague set; similarity measure; pattern recognition 　　0 引言 　　Zadeh在1965年首先提出了Fuzzy集理论［1］,在随后的几十年中获得了快速的发展,然而在不断的深入研究中,人们发现模糊集的隶属函数值是一个单一的值,它不能同时表示支持和反对的证据,为了克服这种对信息描述的不充分性,1993年,Gau和Buehrer等人提出了模糊集合论的一种拓广形式Vague集理论［2］.该理论为:论域X上的一个对象x与论域X上的Vague集V的关系,可以通过一个真隶属函数t?v(x)和一个假隶属函数f?v(x)来表示,如果X是一个连续集,则V=∫?x［t?v(x),1－f?v(x)］/x,X={x?1,x2,x?3,…,x?n}是一个离散集,则V=∑ni=0［t?v(x?i),1－f?v(x?i)］/x?i.这里［t?v(x?i),1－f?v(x?i)］?［0,1］,若［t?v(x),1－f?v(x)］=?［0.5,0.8］,即t?v(x)=0.5,f?v(x)=0.2,在投票模型中的解释为：有5票赞成,2票反对,3票弃权.可见Vague集理论在这一方面处理的能力是传统模糊集理论所不可及的. 　　论域X为离散的2个Vague集的贴近度已经有很多研究成果如文献［3-8］,然而对于论域X为连续的2个Vague集的贴近度的研究还处在起步阶段,国内外还没有这方面的研究,本文提出了一种求论域X为连续集的2个Vague集的贴近度的方法.最后以一个例子说明它在模式识别中的应用. 　　1 连续Vague集的表示方式 　　如果论域X是一个连续集,则V=∫?x［t?v(x),1－f?v(x)］/x,其中t?v(x),f?v(x)都是变量x的函数,他们满足如下关系0≤t?v(x)≤1－f?v(x)≤1. 　　2 Vague集相似度量公理化定义 　　定义1 记V?s(x)表示X域上Vague集的全体,称函数S:V?s(X)×V?s(X)→［0,1］为Vague集A和B之间的相似度量,如果它满足如下条件： 　　1) S(A,B)=S(B,A)； 　　2) S(A,A)=1；S(A,B)=0当且仅当V?A(x)=x［0,0］,V?B(x)=［1,1］或V?A(x)=［1,1］,V?B(x)=［0.0］； 　　3) 若A?B?C,则S(A,C)≤min［S(A,B),S(B,C)］. 　　 杨力军,王元亮：一种新的Vague集相似度量及在模式识别中的应用