崔春生

(北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院,北京 100081)

基于可拓的Vague相似度計(jì)算

崔春生

(北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院,北京 100081)

在Vague的各種理論和應(yīng)用中,相似度占據(jù)著不可低估的重要作用。筆者針對(duì)目前相似度的不同研究方法,通過引入點(diǎn)與區(qū)間“距”的概念,借助可拓關(guān)聯(lián)函數(shù)構(gòu)建了一種新的相似度度量公式,進(jìn)而為Vague的研究提供了一種新的思路。最后通過實(shí)例驗(yàn)證了該方法的可行性。

Vague集;相似度;可拓;關(guān)聯(lián)函數(shù)

Vague集來源于Fuzzy集,在Fuzzy集基礎(chǔ)上,通過引入真隸屬度和假隸屬度,給出以區(qū)間形式表示的隸屬程度——該區(qū)間能夠同時(shí)給出支持證據(jù)和反對(duì)證據(jù)的程度,并且能夠表示中立的程度,從而提出Vague集的概念[1]。GAU等在1993年提出的Vague集[1]等同于A TANASSOV提出的直覺模糊集[2]是ZADEH模糊集[3]的一種推廣形式。這使得Vague集在處理不確定性信息時(shí)比傳統(tǒng)的模糊集有更強(qiáng)的表示能力。目前,Vague集已在國(guó)內(nèi)外成功地運(yùn)用于決策分析、專家系統(tǒng)、模糊控制及故障診斷等領(lǐng)域,并取得較傳統(tǒng)模糊集理論更好的效果。

Vague集(值)之間的相似度度量是Vague集理論在模糊決策、模式識(shí)別、模糊推理、機(jī)器學(xué)習(xí)、社會(huì)選擇等方面應(yīng)用的理論基礎(chǔ),近年來一直是學(xué)者們關(guān)注的熱點(diǎn)。目前,Vague集(值)相似度度量的主要依據(jù)是Vague值的真、假隸屬函數(shù)、核函數(shù)、未知度函數(shù)這4個(gè)指標(biāo),利用Vague值在這4個(gè)指標(biāo)上的差異,給出度量公式[4]。從現(xiàn)有度量公式的表現(xiàn)形式及主要特點(diǎn)來看,主要有3種思路。

第1種是基于Vague值的記分函數(shù),有代表性的研究見文獻(xiàn)[5]—文獻(xiàn)[7]。第2種是基于距離測(cè)度的相似度度量方法,有代表性的研究見文獻(xiàn)[8]、文獻(xiàn)[9]。第3種思路建立在未知度的再分配基礎(chǔ)上,見文獻(xiàn)[10]、文獻(xiàn)[11]。此外,還有一些具有啟發(fā)性的方法。2004年夏少云等[12]、2005年石玉強(qiáng)等[13]提出相似度度量的最小區(qū)間法:通過確定Vague值x,y的精確相似度所在的值域,得到它們的最小相似區(qū)間。2004年黃國(guó)順等[14]提出了基于包含度的Vague集相似度度量方法。由于計(jì)算較為復(fù)雜,這些方法應(yīng)用起來不夠簡(jiǎn)便。

1 Vague集基本知識(shí)

1.1 Vague集定義

設(shè)U是一個(gè)論域,其中任何一個(gè)元素用x表示。U上的一個(gè)實(shí)數(shù)值Vague集A是由真隸屬函數(shù)tA和假隸屬函數(shù)fA描述[1]:

對(duì)于x∈U,tA(x)是從支持x∈A的證據(jù)所導(dǎo)出的x∈A的肯定隸屬度的下界,fA(x)是從反對(duì)x∈A的證據(jù)所導(dǎo)出的x∈A的否定隸屬度的下界,并且tA(x)+fA(x)≤1,如圖1所示。x關(guān)于A的隸屬度可由[0,1]上的子區(qū)間[tA(x),1-fA(x)]表示,或者稱[tA(x),1-fA(x)]是x在Vague集A中的Vague值。

稱πA(x)=1-tA(x)-fA(x)為x關(guān)于A的未知度,也稱為猶豫度或躊躇度。πA(x)是x相對(duì)于A的未知信息的度量,πA(x)的值越大,說明x相對(duì)于A的未知信息越多。當(dāng)tA=1-fA時(shí),πA(x)=0,即tA(x)+fA(x)=1時(shí), Vague值x退化為普通模糊值。

一般地,Vague集A可記為〈x,tA(x),1-fA(x)〉。當(dāng)U是連續(xù)集時(shí),Vague集A可記為

當(dāng)U是離散集時(shí),Vague集A可記為

圖1 Vague集示意圖Fig.1 Illustration of Vague sets

論域U中的實(shí)數(shù)值Vague集全體記為RVVS(U)。

例如,假定X=[1,2,…,10]。Vague集的小數(shù)定義為

1.2 Vague值相似度基本性質(zhì)

2個(gè)Vague值x,y的相似度sim(x,y)表示x與y的相似程度,x與y的共性越多,sim(x,y)越大;區(qū)別越大,sim(x,y)越小。sim(x,y)滿足以下幾個(gè)準(zhǔn)則:

準(zhǔn)則1 (規(guī)范性)0≤sim(x,y)≤1;

準(zhǔn)則2 (對(duì)稱性)sim(x,y)=sim(y,x);

準(zhǔn)則3 sim(x,y)=sim(ˉx,ˉy);

準(zhǔn)則4[4]sim(x,y)=1?{x,y}={[0,0],[1,1]};

準(zhǔn)則5 (單調(diào)性)若x≤y≤z,則sim(x,z)≤m in{sim(x,y),sim(y,z)}。

2 基于關(guān)聯(lián)函數(shù)的Vague相似度

2.1 關(guān)聯(lián)函數(shù)的定義

在Vague集上可以定義關(guān)聯(lián)函數(shù)的概念。通過關(guān)聯(lián)函數(shù)值[15],可以定量地描述U中任一元素u屬于肯定域、否定域或未知域3個(gè)域中的哪一個(gè),即使同屬于1個(gè)域中的2個(gè)元素,也可以由關(guān)聯(lián)函數(shù)值的大小區(qū)分出不同的層次。

定義真域下界為X0=〈0,tX〉,真域上界為X=〈0,1-fX〉,選擇一點(diǎn)ax∈(1-fX,1],則ax到Vague值 x=〈tX,1-fX〉的關(guān)聯(lián)函數(shù)定義為這里〈〉可為開區(qū)間,閉區(qū)間、半開半閉區(qū)間。

其中,D(ax,X0,X)=ρ(ax,X0)-ρ(ax,X)=(1-fX)-tX,實(shí)質(zhì)上就是未知度。該值越大,說明躊躇度越大,不確定性越高,隱含著真的可信度逐漸增加。

ρ(ax,X)的引入,可以將點(diǎn)與區(qū)間的位置關(guān)系用定量的形式精確刻畫。當(dāng)點(diǎn)在區(qū)間內(nèi)時(shí),經(jīng)典數(shù)學(xué)中認(rèn)為點(diǎn)與區(qū)間的距離都為0,而在關(guān)聯(lián)函數(shù)中,利用距的概念,就可以根據(jù)距的值的不同描述出點(diǎn)在區(qū)間內(nèi)的不同的位置。距的概念對(duì)點(diǎn)與區(qū)間位置關(guān)系的描述,使人們從“類內(nèi)即為同”發(fā)展到“類內(nèi)也有程度區(qū)別”的定量描述。

D(ax,X0,X)描述了2區(qū)間之間的關(guān)系,形象地刻畫了點(diǎn)ax與區(qū)間套X0和X的位置關(guān)系。關(guān)聯(lián)函數(shù)k(ax)用于計(jì)算點(diǎn)和區(qū)間套的關(guān)聯(lián)程度。描述了真隸屬度下界在真隸屬度上界中的比例。

同理,得到ay到Vague值y=〈tY,1-fY〉的關(guān)聯(lián)函數(shù)定義為

2.2 a值的確定

a值的確定需要從相似性的幾個(gè)準(zhǔn)則出發(fā),根據(jù)以上的定義,相似性的定義滿足準(zhǔn)則1,2,4,5,為了滿足準(zhǔn)則3,通過a值的確定來實(shí)現(xiàn)。

2.3 算例

設(shè)Vague值x=[0.4,0.8],y=[0.5,0.8],z=[0.5,0.7],若采用文獻(xiàn)[16]給出的記分函數(shù)的方法得到:sim(x,y)=sim(x,z)=0.95,很顯然違反人們的直覺,但是通過以上方法可以得到:sim(x,y)= 0.631 7,sim(x,z)=0.666 7。

因此采用這種方法得到的相似度相對(duì)于原來的方法,更加符合人們的感性認(rèn)識(shí)。

3 結(jié) 論

文中選擇了統(tǒng)一的定位標(biāo)準(zhǔn)點(diǎn)a作為關(guān)聯(lián)函數(shù)計(jì)算的基礎(chǔ),探討了2個(gè)Vague值相對(duì)于同一標(biāo)準(zhǔn)的關(guān)聯(lián)函數(shù),因此,2個(gè)Vague關(guān)聯(lián)函數(shù)的計(jì)算具備一致性;借助相似度準(zhǔn)則,確定了a的取值,保證了相似度函數(shù)的可靠性;點(diǎn)與區(qū)間距概念的引入,使得2個(gè)Vague值相似度的計(jì)算有了新的度量標(biāo)準(zhǔn),從而為相似度的計(jì)算搭建了一條新的橋梁。

[1] GAU W L,BUEHRER D J.Vague sets[J].IEEE Trans SMC,1993,23(2):610-614.

[2] A TANASSOV K.Intuitionistic fuzzy sets[J].Fuzzy Sets and Systems,1986,20(1):87-96.

[3] ZADEH L A.Fuzzy sets[J].Inform and Control,1965(8):338-356.

[4] 王偉平.基于Vague集的語(yǔ)言型多準(zhǔn)則決策的研究[D].北京:北京理工大學(xué),2008.

[5] CHEN SM.Measuresof similarity between Vague sets[J].Fuzzy Sets and Systems,1995,74(2):217-223.

[6] CHEN SM.Similarity measures between Vague sets and betw een elements[J].IEEE Transactions on System s M an and Cybernetics, 1997,27(1):153-157.

[7] HONGD H,KIM C A.Note on similarity measures between Vague sets and between elements[J].Information Sciences,1999,115:83-96.

[8] SZM IDT E,KACPRZYK J.Distances between intuitionistic fuzzy sets[J].Fuzzy Sets and Systems,2000,114(3):505-518.

[9] L IDeng-feng,CHENG Chun-tian.New similarity measures of intuitionistic fuzzy sets and application to pattern recognitions[J].Pattern Recognition Letters,2002,23(1):221-225.

[10] L IANG Zhi-zhen,SHIPeng-fei.Similarity measureson intuitionistic fuzzy sets[J].Pattern Recoguition Letters,2003,24(15):2 687-2 693.

[11] 周 珍,吳祈宗,劉福祥,等.一種新的基于核函數(shù)的Vague集間的相似度量[J].北京理工大學(xué)學(xué)報(bào)(Journal of Beijing Institute Technelogy),2006,26(7):655-658.

[12] 夏少云,查建中,李志輝.Vague集之間相似度量的分析與研究[J].北方交通大學(xué)學(xué)報(bào)(Journal of Beijing Jiaotong University),2004,28 (1):95-99.

[13] 石玉強(qiáng),王鴻緒.計(jì)算Vague集之間的相似度的一種新方法[J].計(jì)算機(jī)工程與應(yīng)用(Computer Engineering and App lications),2005,41 (27):178-180.

[14] 黃國(guó)順,劉云生.基于包含度的Vague集相似度量[J].小型微型計(jì)算機(jī)系統(tǒng)(Journal of Chinese Computer Systems),2006,27(5):873-877.

[15] 蔡 文,楊春燕,何 斌.可拓邏輯初步[M].北京:科學(xué)出版社,2003.

[16] 李 凡,徐章艷.Vague集之間的相似度量[J].軟件學(xué)報(bào)(Journal of Software),2001,12(6):922-927.

Similarity measure of Vague value based on extension

CU IChun-sheng
(School of Management and Economics,Beijing Institute of Technology,Beijing 100081,China)

Similarity is very impo rtant in both theory and app licationsof vague sets.Different from the current similarity measures in the field,a new measuremethod was introduced only to p rovide a new idea in the field.In this paper,the concep t of "distance"was first used and a new similarity measure method was given based on the extension depentment function.

Vague sets;similarity measure;extension;depentment function

TP18

A

1008-1542(2010)02-0108-04

2009-12-22;責(zé)任編輯:張 軍

河北省教育廳計(jì)劃基金資助項(xiàng)目(2007205)

崔春生(1974-),男,青海西寧人,講師,博士研究生,主要從事決策理論與方法方面的研究。