认知模糊集的组合距离度量及其在肺癌疼痛评估中的应用
最优化与控制
2025-09-11 v1 人工智能
摘要
在决策过程中，认知模糊集（Cognitive Fuzzy Set, CFS）是表达专家对备选方案复杂评估的有用工具。CFS的距离度量在决策分析中发挥着重要作用，但当CFS用于解决实际问题时，此距离度量是必不可少的。然而，迄今为止，关于CFS距离度量的研究极少，且当前的Minkowski距离度量忽略了CFS的迟滞度（hesitancy degree），可能导致误差。为填补关于CFS距离度量研究的空白，鉴于Hausdorff距离度量的实用性，本文提出了改进的认知模糊Minkowski（CF-IM）距离和认知模糊Hausdorff（CF-H）距离，以丰富CFS距离度量的研究。研究发现，CF-H距离的抗扰动能力强于CF-IM距离，但CF-IM距离的信息利用率更高。为平衡CF-IM距离和CF-H距离的抗扰动能力与信息利用率，本文提出了认知模糊组合（CF-C）距离，通过建立CF-IM距离与CF-H距离的线性组合。基于CF-C距离，本文提出了一种基于组合距离的CFS评分函数，用于比较CFS。该提议的评分函数在肺癌疼痛评估问题中得到应用。敏感性和比较分析表明，所提方法具有可靠性和优势。
引用
@article{arxiv.2509.08239,
title = {Combined-distance-based score function of cognitive fuzzy sets and its application in lung cancer pain evaluation},
author = {Lisheng Jiang and Tianyu Zhang and Shiyu Yan and Ran Fang},
journal= {arXiv preprint arXiv:2509.08239},
year = {2025}
}