变参数区间值直觉模糊集在模式识别中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (29): 4-7.

变参数区间值直觉模糊集在模式识别中的应用

张振华1，2，杨静宇1，叶有培1，张倩生2

1.南京理工大学计算机科学与技术学院，南京 210094
2.广东外语外贸大学思科信息学院，广州 510006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-11 发布日期:2011-10-11

Interval valued intuitionistic fuzzy sets with varying parameters and their application to pattern recognition

ZHANG Zhenhua1，2，YANG Jingyu1，YE Youpei1，ZHANG Qiansheng2

1.School of Computer Science and Technology，Nanjing University of Science and Technology，Nanjing 210094，China
2.Cisco School of Informatics，Guangdong University of Foreign Studies，Guangzhou 510006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-11 Published:2011-10-11

摘要/Abstract

摘要： 提出了带参数区间值直觉模糊集的概念，构造了一系列带参数的区间值直觉模糊集。从已知隶属度和非隶属度出发，重点分析了激励惩罚型变参数区间值直觉模糊集的构造。运用模式识别与医疗诊断案例进行对比。仿真实验结果表明，带参数区间值直觉模糊集方法比传统的直觉模糊集方法更具灵活性。

关键词: 直觉模糊集, 区间值直觉模糊集, 变参数区间值直觉模糊集, 模式识别

Abstract: The concept of Interval-Valued Intuitionistic Fuzzy Sets with Parameters（IVIFSP） is introduced，and a series of IVIFSP is presented.Based on the degree of membership and the degree of non-membership，this paper focuses on the construction of incentive-penalty interval-valued intuitionistic fuzzy sets with varying parameter.A pattern recognition example and a medical diagnosis decision-making example are given to demonstrate the application of IVIFSP.The simulation results show that the method of IVIFSP is more flexible than that of the traditional intuitionistic fuzzy sets.

Key words: intuitionistic fuzzy sets, interval-valued intuitionistic fuzzy sets, interval-valued intuitionistic fuzzy sets with varying parameters, pattern recognition

张振华1，2，杨静宇1，叶有培1，张倩生2. 变参数区间值直觉模糊集在模式识别中的应用[J]. 计算机工程与应用, 2011, 47(29): 4-7.

ZHANG Zhenhua1，2，YANG Jingyu1，YE Youpei1，ZHANG Qiansheng2. Interval valued intuitionistic fuzzy sets with varying parameters and their application to pattern recognition[J]. Computer Engineering and Applications, 2011, 47(29): 4-7.

[1]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[2]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[3]	卢俊杰，黄金泉，鲁峰. 似然K均值聚类用于涡扇发动机气路故障诊断[J]. 计算机工程与应用, 2020, 56(9): 136-141.
[4]	姜东明，杨火根. 融合图卷积网络模型的无监督社区检测算法[J]. 计算机工程与应用, 2020, 56(20): 59-66.
[5]	隋修武，牛佳宝，李昊天，乔明敏. 基于NMF-SVM模型的上肢sEMG手势识别方法[J]. 计算机工程与应用, 2020, 56(17): 161-166.
[6]	王众，章学良，刘亚群，周俊宇，单东升. 基于脑电传感器的面部动作识别研究[J]. 计算机工程与应用, 2020, 56(12): 182-186.
[7]	徐小来，房晓丽. 基于改进的直觉模糊核聚类的图像分割方法[J]. 计算机工程与应用, 2019, 55(17): 227-231.
[8]	李骏，刘岩. Lukasiewicz型直觉模糊推理三I方法的性质分析[J]. 计算机工程与应用, 2018, 54(8): 44-47.
[9]	王斌1，王哲辰2，周炜1，郝天鹏1. 基于熵和改进的协相关度的直觉模糊决策方法[J]. 计算机工程与应用, 2018, 54(6): 247-251.
[10]	王忠民，张瑶，衡霞. SF-CNN在驾驶行为识别中的应用研究[J]. 计算机工程与应用, 2018, 54(11): 128-132.
[11]	王金英，王艳平，齐爽. 改进的粗糙直觉模糊集[J]. 计算机工程与应用, 2018, 54(11): 41-45.
[12]	邱爱昆，朱嘉钢. 基于集成学习的多重集典型相关分析方法[J]. 计算机工程与应用, 2017, 53(6): 162-168.
[13]	耿秀丽，马万元. 考虑未知属性权重的区间直觉模糊VIKOR方法[J]. 计算机工程与应用, 2017, 53(24): 257-262.
[14]	胡思杰，徐松涛，史忠亚，辛鹏. 基于IFS-IMQHOA算法的干扰资源分配决策优化[J]. 计算机工程与应用, 2017, 53(19): 252-256.
[15]	朱轮1，马庆功2. 直觉模糊信息环境下考虑后悔规避的决策方法[J]. 计算机工程与应用, 2017, 53(14): 123-129.