指数熵加权降维犹豫模糊兰氏距离在医疗诊断中的应用

"沙秀艳, 尹传存, 徐泽水的论文《基于指数熵加权的降维犹豫模糊兰氏距离测度及应用》发表在《控制与决策》期刊，2020年35卷第3期，页码728-734，DOI: 10.13195/j.kzyjc.2018.0910。文章提出了新的犹豫模糊数降维方案，并利用指数熵加权的兰氏距离测度进行医疗诊断数据的实例分析，展示了其在医疗诊断中的应用价值。" 该研究主要关注的是在决策分析和模糊系统中的降维问题，特别是当面对犹豫模糊集时。犹豫模糊集是一种处理不确定性数据的工具，它允许一个元素同时属于多个模糊集，增加了数据的复杂性。在传统的兰氏距离基础上，作者提出了几种新的犹豫模糊集距离测度方法，以适应不同情况下犹豫模糊数的比较和分析。 文章的核心创新在于处理犹豫模糊数中成员函数数量不匹配的问题。通常，这样的不匹配会导致计算复杂性的增加，甚至可能导致信息丢失。新的降维方案避免了反复添加最大或最小隶属度值，从而保留了数据的原始信息，并减少了计算距离时的运算量。 考虑到属性权重信息的不确定性，研究采用了指数熵的概念。指数熵是一种衡量信息不确定性的指标，它可以利用实际数据信息来构造犹豫模糊指数熵。通过最小化信息熵的原则，可以确定各属性的权重，这种方法无需事先知道权重信息，具有较强的自适应性。 最后，研究将提出的指数熵加权的降维犹豫模糊兰氏距离测度应用于实际的医疗诊断数据。通过实例分析，证明了该方法在不同的λ值下能保持一致的诊断结果，显著降低了计算量，提高了诊断效率，对于实时和有效的医疗决策具有实际应用价值。 此外，文章还引用了其他相关研究，如基于对象-语言值决策矩阵的模糊语言TOPSIS决策方法，犹豫模糊语言PROMETHEE方法在川酒品牌评价中的应用，基于MACBETH方法的犹豫模糊语言多准则决策方法，以及广义直觉模糊熵在权重确定中的应用等，这些都反映了模糊系统和多准则决策在各个领域的广泛应用。