10、直觉模糊相似度度量与回归测试套件最小化

直觉模糊相似度度量与回归测试套件最小化

直觉模糊相似度度量

在模式识别中，假设存在四个已知模式 PI1、PI2、PI3 和 PI4，分别对应分类 CI1、CI2、CI3 和 CI4。已知集合 S = {s1, s2, s3}，各模式的直觉模糊集（IFS）表示如下：
- PI1 = {〈s1, 0.9, 0.1〉, 〈s2, 0.7, 0.1〉, 〈s3, 0.7, 0.2〉}
- PI2 = {〈s2, 0.7, 0.2〉, 〈s2, 0.9, 0.1〉, 〈s3, 0.8, 0.1〉}
- PI3 = {〈s1, 0.5, 0.3〉, 〈s2, 0.7, 0.1〉, 〈s3, 0.5, 0.3〉}
- PI4 = {〈s1, 0.8, 0.1〉, 〈s2, 0.5, 0.3〉, 〈s3, 0.6, 0.3〉}

同时，有一个未知模式 QFl，其 IFS 为 QFl = {〈s1, 0.4, 0.4〉, 〈s2, 0.6, 0.3〉, 〈s3, 0.9, 0.0〉}。我们的目标是将 QFl 归类到 PI1、PI2、PI3 和 PI4 中的某一个。

通过计算不同的直觉模糊相似度度量值（如方程 6.3 - 6.5 和 6.9 - 6.15 中的度量），结果如下表所示：
| 相似度度量 | PI1 | PI2 | PI3 | PI4 |
| — | — | — | — | — |
| SC(PI1, QFl) | 0.7667 | 0.8500 | 0.8167 | 0.7833 |
| SHK(PIl, QFl) | 0.7333 | 0.7833 | 0.7833 | 0.7500 |
| SL