Vague劃分

第36卷第11期計箅機科學(xué)ol.36209年11月Computer ScienceVague劃分梁家榮劉力2伍華健廣西大學(xué)計算機與電子信息學(xué)院南寧53004)(玉林師范學(xué)院數學(xué)與計算機科學(xué)系玉林5370002摘要根據vgue集具有真假隸屬度的特點(diǎn),首先提出了基于t模和t余模的真相容度、假相容度、真相等度和假相等度的概念。然后合理地利用真相容度、假相容度、真相等度和假相等度提出了半 vague劃分和 vague劃分的概念,并討論了它們的性質(zhì)。關(guān)鍵詞t模,t余模,剩余蘊含,半 vague劃分, vague劃分LIANG Jia-rong LIU Li' WU Hua-jianSchool of Computer and Electronic, Guangxi University. Nanning 530004. China)Department of Mathematics and Computer Science, Yulin Normal University, Yulin 537000, China)2Abstract The concepts of degree of truth-compatibility, degree of false -compatibility degree of truthrequality, degreefalse-equality based on t-norm and t-conorm were introduced, because a vague set has the characteristic of truthmembership function and fase-membership function. Futhermore we presented the concepts of semivague partitions andvague partitions by using locically degree of truth compatibility, degree of false-compatibility degree of truthrequality,degree of false-equality, and we investigated the characters of semi-vague partitions and vague partitions.Keywords t-norm, t-conorm, Semi-vague partion, Vague partion此把經(jīng)典集合劃分理論、模糊劃分理論推廣到 vague集理論,1引言是一種很自然的想法。然而遺憾的是完整 vague劃分理論近年來(lái),人工智能從研究?jì)热莸窖芯糠椒ǘ加辛撕艽蟮纳形唇⑵饋?lái)使得 vague集理論應用到智能決策、人工智能發(fā)展研究人工智能的工具也在不斷地發(fā)展。作為處理不完及模式識別等領(lǐng)域受到了一定程度的限制。本文考慮到整和不完全信息智能系統的重要工具,模糊集理論自從 vague集有真假隸屬度的特點(diǎn),系統地研究了半 vague劃分和Zaden于1965年提出后1,其理論和應用(例如在自動(dòng)控制、 vague劃分及其關(guān)系,成功地解決了 vague集理論在劃分方面模式識別智能決策)取得了巨大的成就2。在傳統的模糊的不足,對豐富和發(fā)展 vague集理論具有重要的學(xué)術(shù)意義集中,一個(gè)元素x與一個(gè)集合X之間的關(guān)系由一個(gè)介于[01]之間的數(x)來(lái)表示它包含了支持和反對這一對象x隸2準備工作屬于集合X的程度但無(wú)法表達既不反對也不支持這一對象定義111映射T:[0,1]×[0,1]→[0,訂],如果va,b,x隸屬于集合X的中立情況給許多實(shí)際問(wèn)題(如投票模型、c,d∈[0,1]滿(mǎn)足條件醫療診斷和多目標決策等)的研究和處理帶來(lái)了困難。為了(1)交換律:T(a,b)=T(b,a)解決這一問(wèn)題,1986年 Atanassov提出了所謂的直角模糊(2)結合律:T(T(a,b),c)=T(a,T(b,c))集。 Atanassov提出用真隸屬度t和假隸屬度f(wàn)兩個(gè)量來(lái)(3)單調性:a≤c,長(cháng)≤dT(a,b)≤T(c,d)描述一個(gè)對象x和一個(gè)集合X之間的隸屬關(guān)系。后來(lái),1993(4)邊界條件:T(1,a)=a年Gau和 Buehrer定義了一個(gè)所謂的 vague集。值得指出則稱(chēng)T為t模(tnom)的是, Bustince和Burl在文獻[8]中證明 vague集就是直覺(jué)定義216映射S:[0,1]×[0,1][0,1,如果va,b,c模糊集。雖然, vague集理論和應用已取得了一定的發(fā)d∈[o,1]滿(mǎn)足條件展),但與經(jīng)典集合理論和傳統的模糊集理論相比 vague(1)交換律:S(a,b)=S(b,a)集理論還有許多不盡完善的地方例如 vague劃分的相關(guān)理(2)結合律:S(S(ab),c)=S(aS(b,c)論目前少有文獻報道。由于經(jīng)典集合劃分理論模糊劃分等(3)單調性:a≤c,≤d→S(a,b)≤S(c,d工具已在數據挖掘和決策分類(lèi)中起到了極為重要的作用因(4)邊界條件:S(a,0)=a到稿日期:20081224返修日期:20090227本文受?chē)易匀豢茖W(xué)基金項目(60564001),教育部“新世紀優(yōu)秀人才支持計劃”專(zhuān)項(NCET06-0756)廣西自然科學(xué)基金項目(桂科自0832286)資助,橐家榮(1966-),男,博土,博士后教授,主要研究方向為人工智能數據挖掘模糊控制E-mail:liangir@gxu.edu.cn;劉力(1957-),男碩士教授,主要研究方向為人工智能智能控制;伍華健(1965-)男碩士教授主要研究方向為人工智能網(wǎng)絡(luò )可幕性分析則稱(chēng)S為t余模( t-conom)或s模(snom)設A是論域X的 vague集(2),YsX。只考慮A在Y上3主要結果的 vague屬性時(shí)用Aly來(lái)表示,也就是當x∈Y時(shí)tAy(x)=下面給出 vague半劃分和 vague劃分的定義4(x)AfAy(x)=A(x);當xX-￥時(shí)tAy(x)和fAy(x)定義8設T是一個(gè)t模,S是一個(gè)t余模,是由若干都沒(méi)有意義個(gè)X上可形式化的 vague組成的集合,稱(chēng)π是X上的一個(gè)半定義3設T和T2是兩個(gè)t模S1和S2是兩個(gè)t余 vague劃分,如果vA,B∈x,C(A,B)≤E(A,B)∧C(A,模稱(chēng)t模(T1,S1)比t模(T2,S2)弱如果(Va,b∈[0,1])B)≥E(A,B)(T(ab)≤T2(a,b)∧S1(a,b)≥S2(a,b))。性質(zhì)4設T是一個(gè)t模,S是一個(gè)t余模,如果是X定義4設A是論域X上的一個(gè) vague集稱(chēng)kerA={x的一個(gè)半 vague劃分,那么對于任意的x中的A和B有Crx∈XAtA(x)=1AfA(x)=0}為A的核。若A的核非空,(A,B)=E(A,B)A(AB)=E(A,B)則稱(chēng)A是一個(gè)可形式化的 vague集證明:設A,B∈x,而x1∈kerA,x2∈kerB,則定義5對于t模Tt余模S,C(A, B)=supT(tA(x),t(r))1)稱(chēng)二元算子gr(x,y)=sup{zz∈[0,1]AT(x,z)≤>max(T(IA(xI), tB(xr)), T(A(x),tg(x2))y},x,y∈[0,1]為T(mén)的剩余蘊含=max(ta(r,),ta(xz))2)稱(chēng)二元算子w(x,y)=mf∈[0,1AS(z,y)≥x},E(A, B)=infAr(tA(r),tB(r))xy∈[0,1]為S的剩余蘊含。max(S(fA(I), g(n)), S(fa(x2), f8容度;(x2)2)稱(chēng)((A,B)=gS(A(x),fa(x)為A和B的假相=max(B(r), fA(r2))容度;E(A,B)≥G(A,B)3)稱(chēng)E(A,B)=4pr(x(x,4a(x)為A和B的真相由x是X的一個(gè)半 vague劃分及式(1)和式(2)得:等度;C(A, B)=E(A, B)AC(A, B)=E(A, B)4)稱(chēng)E(A,B)=ys(A(x),(x)為A和B的假相性質(zhì)5設T是一個(gè)t模,S是一個(gè)t余模,如果x是X等度的一個(gè)半 vague劃分,那么對于任一 vague集A,總有C(A,A)≤E(A,A)=1,O月K(x)={kerA|A∈r}構成X的一個(gè)半劃分。(A,A)≥E(A,A)=0證明:由于π是X的一個(gè)半vgue劃分,因此vAer,ke性質(zhì)3設T是一個(gè)t模,是一個(gè)t余模,那么對于任A≠。此外若對于任意的x中的A和B,kmA∩kxB≠意的X上的 vague集A和B,以下結論成立:必有如eA=kerB。為此只需證明 ker asker b a ker BE(A, B)=1AE(A, B)=OHA=BkerA若x∈kerA,由q(A,B)=1可得E(A,B)=1,從而證明:1)若A=B,顯然有E(A,B)=1AE(A,B)=0:中(a(x),t(x)=1→pr(1,a(x)=1→la(x)=1,另一方2)若F(A,B)=1A(A,B)=0則F(AB)=1且E(A,面由O(A,B)=0可得E(A,B)=0從而(fA(x),BB)=0,對于Vx∈X,由E(A,B)=1得軒(A(x),l(x)=(x)=0→g(tn(x),0)=0→f8(x)=0,所以x∈kerB,因此1,從而q(tA(x),tB(x)=g(tB(x),(x)=1。因此有 Pr ker Asker B。類(lèi)似地可得 ker bcker a,所以kerA=ker(A(x),1)≤te(x)和g(t(x),1)≤(x),所以(x)≤B,這就證明了K(x)={ kerAlA∈x}構成X的一個(gè)半劃分(x)∧t(x)≤A(x),也就是A(x)=tB(x),同理由E(A,B)性質(zhì)6設T是一個(gè)t模,S是一個(gè)t余模,如果x是X的0可以推得fA(x)=fB(x),綜上所述有A=B一個(gè)半 vague劃分,那么對于任意的r中的A和B,kerA=kerB→A=B{an},,an∈[0,1],b∈[0,1],a+b≤1,讠j∈l,使得證明:由π是X的一個(gè)半vge劃分可知keA=kerB≠如下條件成立:,進(jìn)而得到C(A,B)=1及C(A,B)=0。所以E(A,B)=()(vi,j∈D(vr∈kerA)(1(x)=aAfA(x)=1及E(A,B)=0。由E(A,B)=1→Vx∈X(蝦(t(x),tBb;(x)=1)→Vx∈X(p(t(x),a(x))=1Agr((x),1(i)(wi∈D(a=1Abh=0);(x)=1→Wx∈X(q(1(x),1)≤1(x))∧((x),1)≤(ii)(Vi, jED(ag =a, Ab,=b,tA(x)→Vx∈X(tA(x)≤tB(x)AtB(x)≤LA(x))→x∈X(iv)(i,jk∈D)(T(a,)≤a∧S(bh·b)≥b)(tA(x)=tB(x))。證明:由定理1,取a=(x)Ab=f(x),x∈kerA,一方面,E(A,B)=0→Vx∈X(如(fA(x),fB(x))=顯然{an},,a∈[o,1],b∈[0,1,a+b≤1,,j∈l,0)→vx∈X(g(A(x),f(x)=0Ag(fB(x),A(x))=0同時(shí)有(vi∈D(a=1Ab=0)。為此只需證明(i)和(iv)→Vx∈X(s((x),0)≥fA(x))Ag(fA(x),0)≥f(x)→注意到Vr∈X(f(x)≥fA(x)∧fA(x)≥fB(x)→Vx∈X(fA(x)max(a,a)≤G(A,A)≤E(A,A)≤min(a,an)≤f(r))max(a;,a,)綜上所述,有A=Bmx(b,b)≤E(A,A)≤q(A,A)≤min(b,)≤定義9設T是一個(gè)t模,S是一個(gè)t余模,是由若干max(b,, b)個(gè)X上可形式化的 vague組成的集合。稱(chēng)r是X的一個(gè)因此(vi,j∈D)(a=a,∧b=b?，F在證明(4),一方vague劃分,如果x是X的一個(gè)半 vague劃分且集合K(π)=面有:{kerA|A∈r}是X的一個(gè)劃分。C(A, Ay )=suPT(EA, (r), LA, (r))>, up T(iA (2),例1設X=[0,1),考慮如下定義的 vague集At(x)=T(a,.)=T(a,a)E(A,Ai)1,x∈[tA(y)。一方面,有:G(A, B)>T(A(x),tg(r))=ta.所以b≤釅(A,A)≤((A,A)≤S(h,如)另一方面,有:定理3設T是一個(gè)t模,S是一個(gè)t余模,x={A.|i∈Er(A, B)E(A,B,這與x是X上的一個(gè)A,那么A=A今半 vague劃分矛盾,因此tA(x)是一個(gè)常數。下面證明fA(x)證明:設{an},{bn},a∈[0,1],b∈[0,1],a+b≤1,亦為常數。否則若存在x∈kerB和y∈kerB使得fA(x)≠i,j∈I為定理2中定義的兩常數序列。Vr∈kerA,必存在fA(y),不妨設fA(x)>fA(y)。一方面,有:k∈使得A∈兀一方面有t(x)=a=aA(x)=h=C(AB)≤(A(y),B(y)=g(fA(y),0)=fA(y)b和A(x)=a=aAf(x)=b=b,另一方面因為另一方面,有:kerA;=kerA,所以ω=c∧b=b。因此E?(A, B)>S(fA(r),fB(r))=S( fA(r), 0)=fa(r)(x)=t(x)A(x)=f,(x)這樣,得到C(A,B)or(max(az,au), min(ai,aw )從而有aa≠ak(否則由上式得出T(a,a)>gr(max(a[1] Zach. Fuzzy setsJ]. Information and Control, 1965(8):338-353au),mna,a)=1,這是一個(gè)矛盾)。為了討論方便不妨2 Acampora G,LoiV. A proposal of ubiquitous fuzzy computingfor Ambient Intelligence [J]. Information Sciences, 2008, 178設ar(a,a),于是有631-646[3] Lin F, Ying H, MacArthur R D, et al Decision making in fuzzy由條件(iv),有:discrete event systems [J]. Information Sciences, 2007, 177,T(a,T(a4,a))=T(a,T(an,a))≤T(au,a)≤a(4) [4] Liu Y J. Wang W Adaptive fuzzy control for a class of uncertain式(3)和式(4)是一個(gè)矛盾。因此G(A,A)≤E(A,A)nonaffine nonlinear systems [J]. Information Sciences, 200177:3901-3917另一方面,有[5] Mitchell H B. Pattern recognition using type-IF fuzzy sets[J].G(A,A)=S((),八(x)=(,h)Information Sciences, 2005. 170:409-418E(A, A)=Sups(A (2), fA())=sups (bu,bx)- [6] Atanassov K Intuitionistic fuzzy sets[J]. Fuzy Sets and Sys-sugs(max(ha,b),minb,b)如果G(A,A)≥E(A,ms,1986,20:87-96A)不成立則存在j和l使得:[7] Gau W L, Buehrer D J. Vague Sets[J]. IEEE Trans. on Sys-tems, Man and Cybernetics, 1993, 23: 610-614S(b, )S(b, bu)>b(6)Recognition Letters. 2002, 23: 221-225式(5)和式(6)是一個(gè)矛盾,因此G(A,A)≥E(A,A)11 De S K, Biswas R, Roy A R. An application of intuitionistic fuzzy綜上所述,x={A∈I}是X的一個(gè)半 vague劃分。sets in medical diagnosis]. Fuzzy Sets and Systems, 2001, 117.推論2設T是一個(gè)t模S是一個(gè)t余模,x={A4li∈[12] Schrijver E, Kerre e On the composition of intuitionistic fuI}是X上的一個(gè) vague劃分,那么定理4中相應的兩常數序y relations ]. Fuzzy Sets and Systems, 2003, 136: 333-361列{an},{}an∈[0,1,∈[0,1],叫+b≤1,i,j∈l可[la] Hung W L,wuJw. Correlation of intuitionistic fuzzy sets by由如下式子來(lái)決定centroid method[]. Information Sciences, 2002,144: 219-225(Vi, jED(au=C(A, A )=E(A, A )b=C(A, [14] Alaca C, Turkoglu D, Yildiz C Fixed points in intuitionistic fuzA; )=E(A,, Ay metric spaces[J]. Chaos, Solitons & Fractals, 2006,29:1073-證明因為C(A,A)=出T(a(x),4(x)=T(aaa4),所以[15] Demirci M. The generalized associative law in vague groups andits applications-I[J]. Information Scien06,176:900936a=Ta;4n)≤C(A,A)=Pr(a,a0)≤a[16]胡寶清模糊理論基礎[M].武漢:武漢大學(xué)出版社,2004