一种基于隶属函数相似度计算方法及其应用.docVIP

一种基于隶属函数的相似度计算方法及其应用 　　摘 要:针对在模糊实例检索中传统的基于距离函数相似度算法的复杂性和不精确性等缺点,通过分析隶属函数提出了基于隶属函数的相似度计算方法。该方法根据不同类型的检索需求,构建了针对模糊数字型需求和模糊语义型需求的相似度计算模型;同时考虑了属性权重问题,采用基于相似度离差信息的客观赋权方法将主观权重和客观权重加以组合,以组合权重来计算实例的全局相似度。以汽车发动机的概念设计为例,验证了基于隶属函数的相似度计算方法能对不同类型的需求实现快速而有效的实例检索。 　　关键词:隶属函数; 相似度; 权重; 实例检索 　　中图分类号:TP391.72 文献标志码:A 　　文章编号:1001-3695(2010)03-0891-03 　　doi:10.3969/j.issn.1001-3695.2010.03.022 　　 　　Similarity measurement method based on membership 　　function and its application 　　 　　LI Jun-jun, QI Jin, HU Jie, PENG Ying-hong 　　 　　(School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai 200240, China) 　　 　　Abstract:It is very complex and imprecise that using distance functions to calculate similarity under fuzzy conditions. This paper introduced a novel similarity measurement method based on the analysis of membership functions. According to different types of demand in case retrieval, constructed respectively similarity measurement models for fuzzy numerical demand and ??fuzzy?? linguistic demand. In the weights assignment, this paper used the deviation information of similarity values to calculate objective weights, and then combined the objective weights and subjective weights to form synthesis weights. Finally, applied this method in the conceptual design of motor engines. It demonstrates that this method can perform rapid and effective case retrieval in response to different demand. 　　Key words:membership function; similarity; weight; case retrieval 　　 　　基于实例推理(case-based reasoning,CBR)是一种相似类比推理,其核心思想是通过访问和调整实例库中过去同类问题的求解,推理出当前问题的解决策略[1]。其内容主要包括高效的实例组织和检索方法、以前成功的问题解对当前问题的指导作用[2]。实例检索是CBR方法的中心环节,而相似度计算是实例检索的核心技术,其计算方法的好坏直接决定了实例检索的质量和可靠性。因此,在构建和管理基于实例推理系统(CBRs)时,相似度计算起到了非常关键的作用[3]。许多CBRs根据实例的属性特征,采用相似度函数来计算实例之间的相似度[4]。 　　目前,大部分实例检索研究均是采用基于距离函数的属性相似度计算方法,根据距离函数的不同,还可分为欧式距离函数和曼哈顿距离函数。例如,周凯波等人[3~5]在两精确属性值间相似度计算模型的基础上,提出了区间与精确值之间的相似度计算方法以及区间与区间之间的相似度计算方法。但是这种方法只单纯从数值上考虑表述现实世界中对象的属性特征的特点,对所有属性数值不加区分地采用直线距离来计算相似度,并不能真实地反映数据之间的差异。Tahera等人[6,7]针对模糊条件下系统输入输