Vague集理论及其在智能决策中的应用研究
台湾学者W.L.Gau和D.J.Buehrer于1993年提出的Vague集理论是对Fuzzy集理论的推广。与Fuzzy集相比较，Vague集能更好、更准确地表达内容更为丰富的模糊性信息，成为智能信息处理的新工具。本论文对Vague集的基本理论及其在智能决策、模式识别等领域的应用进行了比较深入的研究。
首先在介绍现有的Vague集理论和Fuzzy集理论的基础上，本文对当前Vague集的模糊熵的构造方法进行了分析，提出了合符直觉的Vague集的模糊熵。相似度量是一种在数据处理和分析中十分重要的、有效的和广泛使用的方法。在分析各种相似度量定义的基础上，提出了一种考虑各种相似准则的相似度量定义，利用真隶属度差距、假隶属度差距、未知度差距以及Vague值的核差距，引入一种新的相似度量主要计算方法，弥补了已有的相似度量的不足，并用实例介绍了它在智能决策中的应用。为了更加有效地进行模糊决策，全面考虑各目标条件对候选方案集的影响，将灰色关联分析引入到基于Vague集的多目标模糊决策中，通过分析方案集与理想集之间的关联度，从而得出最优方案，使评价结果更全面、更客观，所得结果更准确。借鉴灰色关联分析法建立Vague相似关系矩阵，并在此基础上进行Vague聚类分析。该方法充分利用Vague集的特点，可从肯定、否定和未知度等多维度进行聚类分析，为Vague集在模式识别、智能信息处理中的应用，提供了有力的工具。
Vague集理论;智能决策;模糊性信息;信息处理;模式识别;模糊熵
广西大学
硕士
计算机软件与理论
梁家荣
2008
中文
TP18;TP391
55
2008-11-06（万方平台首次上网日期，不代表论文的发表时间）