R-fuzzy粗糙近似隶属度集的优势测度方法及其视觉感知应用

摘要：

R-fuzzy集以粗糙集的形式给出了隶属函数,按照隶属度与描述符的相关程度将其进行分类.完全符合描述符的隶属度划分到下近似集,与描述符有关的隶属度划分到上近似集.如果能够得到上近似集中隶属度的重要性,将拓展R-fuzzy的应用领域.进一步讲,如果能够引入一种方法对R-fuzzy上近似集中的隶属度重要性进行量化,将可实现对隶属度重要性的量化排序,实现更高的分辨力.本文提出的优势测度概念可以很好的实现这个要求.首先,给出了优势测度理论框架,证明了优势测度与1型模糊集的等价性,接着,论证了与R-fuzzy集的一致性,指出了优势测度模糊集本质就是R-fuzzy粗糙隶属集的验证器.最后,通过人类视觉感知实验及优势测度的可视化,研究了不同类别群体共识与个识对确定R-fuzzy隶属度测度的影响,分析了R-fuzzy粗糙近似隶属度集的优势测度方法对于人类群体感知辨识的优势.

关键词：R-fuzzy集、粗糙隶属集、优势测度、视觉感知、测度可视化

所属期刊栏目：39

分类号：TP182(自动化基础理论)

资助基金：国家自然科学基金61374043,61603392;江苏高校品牌专业建设工程项目PPZY2015C252

在线出版日期：2019-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1602-1609