段冠華, 林 健, 崔春生
(1.福建農林大學 計算機與信息學院,福建 福州 350002; 2.北京物資學院 北京市智能物流系統協同創新中心,北京 101149)
Zadeh在模糊集[1]一文中,引入模糊集的隸屬函數和非隸屬函數概念。考慮到現實生活當中不總是非此即彼,還存在介于兩者之間的猶豫、模糊情形。因此,保加利亞學者Atannssov[2]對模糊集進行了推廣,同時考慮隸屬度、非隸屬度和猶豫度這三個方面。由于現實生活問題變得越來越復雜,直覺模糊集非常適合于在復雜的情況下表示模糊信息和不確定環境。由此引發國內外學者廣泛研究,并成功在諸多領域[3~8]中得到了應用。然而,關于直覺模糊聚類研究方法的還較少。
作為直覺模糊集核心理論之一的相似性度量,許多學者從不同的方面進行了深入的研究。針對Chen[9]的相似度量方法在某些情況下不適用,Hong[10]等人提出改進方法;李凡[11]等人指出Hong和Chen在測量相似度時所存在的缺陷并給出一種新的相似度量方法;Li[12],Mitchell[13]和Li Dengfeng[14]等人進一步完善了直覺模糊集間相似度量的公理化定義。文獻[9~14]在某些情況下存在直覺指數所表征的中立證據中支持與反對的程度呈均衡或之差呈均衡狀態無法表述的問題。此外,Gao[15]和Hwangad[16]等人分別從Vague集和Sugeno積分討論了相似度量,Iancu[17]則基于T范數提出了一些相似度量公式。然而在文獻[9~16]中都忽視猶豫度的傾向性問題,從而易導致信息的扭曲與失真,丟失部分信息,公式缺乏靈活性。
本文首先提出了考慮帶傾向性相似度的直覺模糊相似度量公式,構建具有傾向性的相似矩陣。……