三角模糊数距离计算告别手动归一化！新度量直接内嵌缩放，尺度不变还满足三角不等式，异构数据决策更省心！
Triangular Fuzzy Rescaling Distance
👨💼 主理人解读 · 为什么值得关注
提出三角模糊数重缩放距离方法，解决不同尺度下模糊距离计算问题，提升决策准确性。
📖 AI 总结
该论文提出了一种名为三角模糊重标定距离（d_TR）的新度量方法，旨在解决复杂系统中处理模糊信息时，不同尺度或单位属性间的距离计算问题。该方法创新性地将线性重标定（LRE）直接整合进距离计算过程，从而在比较三角模糊数（TFNs）时自动实现归一化，避免了传统方法中需要单独预处理步骤的局限。研究严格证明了d_TR满足度量的基本性质，包括非负性、同一性、对称性和三角不等式，并进一步验证了其有界性、尺度不变性和原点不变性。这些特性结合用于维度优先级的权重向量，使d_TR特别适用于处理异构模糊数据，如构建综合指标、基于距离的机器学习算法以及多准则决策辅助等应用场景，为模糊数据分析提供了更稳健和高效的工具。
🔑 关键词速览
| Triangular Fuzzy Numbers (TFNs) | 三角模糊数，一种用三个值（最小值、最可能值、最大值）表示不确定性的模糊集形式。 |
| Triangular Fuzzy Rescaling Distance (d_{TR}) | 三角模糊重缩放距离，一种将线性重缩放集成到距离计算中的度量，用于比较不同尺度的模糊数。 |
| Linear Rescaling (LRE) | 线性重缩放，一种将数据映射到统一尺度（如[0,1]）的归一化方法。 |
| Metric | 度量，满足非负性、同一性、对称性和三角不等式的距离函数。 |
| Scale-invariant | 尺度不变性，指距离度量不受数据单位或尺度变化的影响。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅