Distances and Similarities in Intuitionistic Fuzzy Sets

این کتاب آخرین هنر را در تئوری و عمل در مورد اندازه‌گیری‌های شباهت و فاصله برای مجموعه‌های فازی شهودی ارائه می‌کند. کمی کردن شباهت و فاصله برای بسیاری از کاربردها بسیار مهم است، به عنوان مثال. داده کاوی، یادگیری ماشین، تصمیم گیری و کنترل. این کار مجموعه ای جامع از مفاهیم نظری و ابزارهای عملی را برای تعریف و تعیین شباهت بین مجموعه های فازی شهودی در اختیار خوانندگان قرار می دهد. این یک الگوریتم خودکار برای استخراج مجموعه های فازی شهودی از داده ها توصیف می کند که می تواند به تجزیه و تحلیل اطلاعات در پایگاه های داده بزرگ کمک کند. این کتاب همچنین کاربردهای مهم دیگری را مورد بحث قرار می دهد، به عنوان مثال. استفاده از معیارهای تشابه برای ارزیابی میزان توافق بین کارشناسان در زمینه تصمیم گیری.

This book presents the state-of-the-art in theory and practice regarding similarity and distance measures for intuitionistic fuzzy sets. Quantifying similarity and distances is crucial for many applications, e.g. data mining, machine learning, decision making, and control. The work provides readers with a comprehensive set of theoretical concepts and practical tools for both defining and determining similarity between intuitionistic fuzzy sets. It describes an automatic algorithm for deriving intuitionistic fuzzy sets from data, which can aid in the analysis of information in large databases. The book also discusses other important applications, e.g. the use of similarity measures to evaluate the extent of agreement between experts in the context of decision making.