吕晨光;王培庄 Zadeh隶属函数对似然法、语义交流和统计学习的重要性。 （中文。英文摘要） 兹比尔1463.62293 模糊系统。数学。 33，第2号，56-69（2019）. 概述：在数据（或源）的先验分布可变的情况下，流行的似然法不能正确使用。因此，我们使用Zadeh的隶属度函数作为预测模型，使用这个具有可变源的函数来生成似然函数，并定义具有平均对数归一化似然的语义信息测度。然后我们可以确保：（1）总是采用最大似然准则；（2） 预测模型可用于来源可变的情况；（3） 概率预测符合贝叶斯定理；（4） 预测模型可以指示假设的语义，并且可能更容易理解。一组成员函数形成一个语义通道。优化一组隶属函数就是让一个语义通道匹配一个香农通道，从而进行多类多标签模糊分类。通过两个信道的相互匹配，我们可以得到最大互信息和最大似然的迭代算法。几个例子表明，该算法用于测试、估计和混合模型是快速可靠的。 MSC公司： 62M86型 随机过程和模糊推理 62B10型 信息论主题的统计学方面 62H30型 分类和区分；聚类分析（统计方面） 68T05型 人工智能中的学习和自适应系统 关键词：模糊集;隶属函数;香农信息论;语义信息理论;最大似然估计;多标签分类 PDF格式BibTeX公司 XML格式引用 \textit{C.Lu}和\textit{P.Wang}，模糊系统。数学。33，编号2，56-69（2019；Zbl 1463.62293）