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)