R–fuzzy隶属度粗糙近似集的优势测度理论
给出了一种R–fuzzy集隶属度的权重比较与量化方法,提出了优势测度概念,解决了粗糙近似集中隶属度的重要性难以确定的问题.首先给出优势测度的定义,然后,研究了优势测度的性质,指出了优势测度1型模糊集的本质属性.优势测度不仅实现了R-fuzzy集隶属度的量化,而且成为R-fuzzy集与2型模糊集联系的纽带.通过隶属度的优势测度,实现了人类感知领域中的群体共识与个性认识的区分,反过来通过优势测度的可视化,可以对人类不同感知下的隶属度值给出合理的推断与比较.最后,通过声音感知实验研究给出了优势测度可视化的特点及操作方法,讨论了不同职业测试组对于同一声音的理解在隶属度数值上的差异.对于涉及人类感知与模式辨识的应用领域具有较易的操作性与较强的实用性.
R—fuzzy集、粗糙集、优势测度、智能感知、模式分类
36
TP182(自动化基础理论)
国家自然科学基金项目61374043,61603392;江苏高校品牌专业建设工程项目PPZY2015C252
2019-05-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
286-294