基于云模型重叠度相似性度量.docVIP

基于云模型重叠度相似性度量 　　摘要：云模型相似性是用来度量同类概念不同语言值的多个云之间关联程度的方法，相似云及其度量分析方法的提出是对云模型理论的扩展。针对目前相似性度量方法中时间复杂度过高和结果不稳定等不足，提出了一种基于云模型重叠度的相似性度量算法。首先，根据云模型期望、熵、超熵三个数字特征，定义两个云模型的位置关系和逻辑关系；其次，利用两个云的位置和形状特性，计算得到它们间的重叠度；最后，结合云模型重叠度与相似度的关系，将云模型的相似性度量转化为相应重叠部分的定量化描述。通过对时间序列分类实例的应用，验证了该算法在保证结果稳定度和正确率的前提下，与目前时间消耗较低的云模型相似度计算方法（LICM）相比，计算复杂度降低了50%，表明该算法具有可行性和有效性。 　　关键词：云模型；相似性；重叠度；逻辑关系；度量算法；时间序列 　　中图分类号： TP181 文献标志码：A 　　Abstract： Similarity measurement of cloud model is a method that is used to measure the correlation between cloud models， which have same concept but different languages. Both similar cloud and its measurement analysis method are the extension of cloud model theory. To overcome the disadvantages of high consumption and low precision of calculation， a similarity measure algorithm based on overlap degree was proposed. Firstly， the position and logical relationships between these two clouds were defined according to three digital features： expected value， entropy and hyper entropy； secondly， the overlap degree of two clouds was calculated by using their location and shape features； finally， combined with overlap degree and similarity， the similarity measurement was converted to quantitative description of the overlapping part. In the time series classification experiments with compared Likeness comparing method based on Cloud Model （LICM）， the computing consumption of the proposed measurement algorithm is reduced by 50% on the premise of ensuring the stability and accuracy. It is proved to be feasible and effective by the application. 　　Key words： cloud model； similarity； overlap degree； logical relationship； measurement algorithm； time series 　　0 引言 　　20世纪90年代中期，李德毅院士在传统模糊数学和概率统计理论基础上提出了一种定量和定性相结合的数学模型――云模型，它把自然语言中定性概念的模糊性和随机性合理地结合在一起，实现了定性语言值与定量数值之间的相互映射。经过近二十年的研究发展，云模型已经扩展为云理论，其应用范围也涵盖了人工智能、数据挖掘、模糊控制和评价决策等领域。 　　在云理论中，不同的定性概念可用不同参数的云表示，但表达同类概念不同语言值的云却有多个，如何来考察这些云之间的关联性，就涉及到云模型之间的相似程度[1]。文献[1]首次提出“相似云”的概念，云模型相似程度越大，则表示的定性概念一致性越高；反之，则一致性越低。 　　笔者通过查阅大量资料发现，传统云模型相似性判断方法有基于