IPSFS软件：基于R语言的直觉、勾股和球形模糊相似度计算

软件影响14（2022）100424原始软件出版物IPSFS：R语言中的直觉、勾股和球形模糊Rama Ranjan PandaSanguo，Naresh Kumar Nagwani印度恰蒂斯加尔邦莱普尔国家理工学院计算机科学工程系，G E路，莱普尔，492010，印度自动清洁装置保留字：模糊相似度直觉模糊相似度文本分类模式识别Pythagorean模糊相似度决策球面模糊相似度A B标准寻找物体之间的相似性是各个研究领域的重要任务。先进的模糊逻辑- 基于相似性的技术在文献中被广泛用于计算对象之间的相似性。 尽管近年来发展了几种相似性技术，但没有模糊相似性度量包是可用的，可以集成所有的相似性技术，并协助广泛的研究人员，从业人员在执行他们的任务有效。开发了IPSFS软件包来计算不同对象之间的相似度。它包括几个有用的功能，以计算对象或项目之间的相似性的基础上，他们的直觉，勾股，和球形模糊关系。代码元数据当前代码版本1.0.0用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2022-175Reproducible Capsule的永久链接https://codeocean.com/capsule/0628785/tree/v1法律代码许可证GPL-2使用的代码版本控制系统软件代码语言、工具和服务使用R编译要求、操作环境依赖性否如果可用，链接到开发人员文档/手册https://cran.r-project.org/web/packages/ipsfs/ipsfs.pdf技术支持邮箱：nitrr.ac.in1. 介绍相似性度量是一种用于基于它们的关联程度来识别彼此相似的对象或项目的技术。在现代科学研究中，相似性度量是确定两个对象之间相似程度的重要工具。近年来，基于模糊逻辑的相似性度量技术已经以快速的方式发展并且广泛地用于各种现实世界的应用，诸如模式识别[1，2]、软件项目[3-5]、在模糊相似性度量，两个对象的隶属度值用于计算它们之间的相似性[4，16]。随着时间的推移，模糊相似性度量扩展到直觉（IFS），毕达哥拉斯（PFS），和球形（SFS）的措施，包括成员资格，非成员资格，犹豫，不确定性，和拒绝度与各种对象。然而，尽管人们对模糊逻辑相似性度量的兴趣越来越大，但目前还没有一个软件包可以包含所有的相似性技术，并可以方便各种各样的研究人员和其他学者进行快速有效地完成任务。IPSFS包是使用R编程开发的1 提供一个集成的工具，本文中的代码（和数据）已由Code Ocean认证为可复制：（https://codeocean.com/）。更多关于生殖器的信息徽章倡议可在https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals上查阅。*通讯作者。电子邮件地址：nitrr.ac.in（R.R. Panda），nknagwani. nitrr.ac.in（N.K.Nagwani）。第1https://www.r-project.orghttps://doi.org/10.1016/j.simpa.2022.100424接收日期：2022年8月19日;接收日期：2022年9月4日;接受日期：2022年9月16日2665-9638/©2022作者。由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsR.R. 熊猫和N.K. 纳格瓦尼软件影响14（2022）1004242Fig. 1. IPSFS包的工作流程。对象之间的直觉、勾股和球形模糊相似性。这项计划的主要特点如下：1. 由使用IFS、PFS和SFS的三角形、梯形和高斯隶属函数[17，18]2. 由使用Sugeno和Terano的补码生成器[ 19 ]和Yager的补码生成器[ 20 ]计算IFS，PFS和SFS的非成员值的函数组成3. 由计算IFS [1，3]，PFS [2，7]的犹豫值和SFS [21，22]的不确定性拒绝值的函数组成。4. 由各种IFS、PFS和SFS度量组成，用于计算两个对象之间的相似性。2. IPSFS包本节介绍了拟议的IPSFS包的工作程序。IPSFS包的主要步骤如图所示。1.一、在文本分析中，文本数据以文档-术语矩阵的形式表示。文档术语矩阵显示每个术语或单词在一组文档中出现的频率。在文档术语矩阵中，文档以行表示，而术语或单词以列表示，每个值表示该文档中出现的术语计数。最初，以文档-术语矩阵的形式从用户处读取数据。数据分为训练数据和测试数据。IPSFS由三种不同的模糊集组成：直觉模糊集，勾股模糊集和球形模糊集表示的数据。对于训练数据和测试数据，直观、勾股和球形模糊集值是梯形或高斯隶属函数[17，18]。为了计算非隶属度，使用Sugeno和Terano基于直觉模糊关系[1，3]或勾股模糊关系[2，7]计算犹豫度。基于球面模糊关系计算不确定度和拒绝度[22最后，用于训练和测试的数据之间的相似程度计算使用各种IPSFS技术在文献中。用户可以根据自己的要求，以文档-术语矩阵格式获取自己的数据（对象1和对象2）3. 影响概述研究人员和学者正在进行各种研究，这些研究与使用IFS，PFS和SFS计算对象和项目之间的相似性有关。每次他们都需要为他们的工作实现各个功能，而实现各个功能需要大量的精力和时间。目前还没有基于模糊相似性的工具可以计算对象或项目之间的相似程度。IPSFS软件包是一个工具，用于帮助其他研究人员和学者计算对象之间的相似程度，基于它们的直觉，毕达哥拉斯和球形模糊关系。实施该工具的想法不仅是为了节省宝贵的时间，而且还可以在具有灵活计算环境的各个领域中以有效的方式使用它。在CRAN R项目中可以找到该软件包的各个功能及其文档。2必须安装此软件包，并可以使用软件包中的可用函数进行工作。IPSFS包的基于IFS的相似性技术在[3，21]中用于计算相似性并识别专家开发人员以修复软件开发人员，从而有效地进行软件错误分类。计算。对于所有的模糊集，计算隶属度使用三个隶属函数中的任何一个，例如三角函数，https://cran.r-project.org/web/packages/ipsfs/index.htmlR.R. 熊猫和N.K. 纳格瓦尼软件影响14（2022）10042434. 限制在所提出的工作中，文档术语矩阵被用作计算相似度的输入。一旦从用户处获取数据， 不能在执行过程中对其进行修改。 如果文档项矩阵中的值发生变化，则在计算相似度之前需要计算各种隶属度值。此外，非隶属度值的计算完全取决于k的值。因此，非成员资格、犹豫成员资格、不确定性和拒绝值将有所不同，并且完全取决于用户。此外，用户可以决定在不同的相似性技术中使用的各种常数的值。软件包的应用也可以根据用户定义的隶属度、非隶属度、犹豫隶属度、不确定性和拒绝隶属度值进行评估，而不是根据文档-术语矩阵自动生成。此外，本文还使用了三个自由度，如三角形，梯形和高斯。也可以实现诸如S形、钟形等其他隶属度来计算隶属度。为R程序将数据加载到物理内存中，对于较大的数据集，包的执行可能需要更多的时间，并显著增加计算时间。5. 结论IPSFS包提供了使用直觉、勾股和球形模糊关系实现对象之间的各种相似性度量。各种IFS，PFS，和SFS相似性的措施，在文献中被分组在一起，以创建这个工具。IPSFS工具可用于模式识别、决策、软件项目、文本分类、市场预测和医疗诊断等领域，以发现两个对象或项目之间的相似性。在未来，该软件包可以扩展，包括犹豫模糊集（HFS）相关的相似性度量技术和任何其他新的模糊相似性度量IFS，PFS和SFS。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作引用[1]Q. Jiang，X.金，S.- J.李，S. Yao，基于变换等腰三角形的直觉模糊集之间的一种新的相似性/距离度量及其在模式识别中的应用，专家系统应用。116（2019）439-453。[2] X. Peng，H.杨文，多参数模糊相似性度量及其在模式识别中 的 应 用 。内特尔49（12）（2019）4058[3] R.R. Panda，N.K.基于分类和直觉模糊集的 软件缺陷分类技术，J。沙特国王大学Comput. INF. Sci. （2022年）。[4] R.R. Panda，N.K. Nagwani，基于模糊相似性的多标签软件错误分类，Int。J.Comput. Sci. Eng. 24（3）（2021）244[5] A. Shrivathsan，K.拉维钱德兰河Krishankumar，V. Sangeetha，S. Kar，P.Ziemba ， J. Jankowski ， Novel fuzzy clustering methods for test caseprioritizationin software projects，Symmetry 11（11）（2019）1400.[6] Z.郝，Z. Xu，H. Zhao河，巴西-地张，直觉模糊集的上下文距离测度及其在海洋能源运输路径决策中的应用，应用软件计算。101（2021）107044.[7] B.基于相似性的模糊多准则决策技术， 北京：清华大学出版社。内特尔Rev.（2021）1[8] P.A.埃杰瓜岛Onyeke，直觉模糊统计相关算法及其在多准则决策过程中的应用，Int.J. Intell. 36（3）（2021）1386-1407。[9] H. Liu ， P. Burnap ， W. Alorainy ， M.L. Williams ， A Fuzzy Approach toTextClassification with Two Stage Training for Ambiguous Instances，IEEE Trans.Comput. Soc. 系统6（2）（2019）227[10] A. Dhar，H. N.S.慕克吉Dash，K. Roy，文本分类：过去和现在，Artif。内特尔Rev.54（4）（2021）3007[11]H.关氏H. Jie，S. Guan，广枣A.赵，一种新的股票波动时间序列的模糊马尔可夫预测模型，Evol。内特尔13（2）（2020）133[12] P. Juszczuk，J. Kozak，K.王晓刚，《金融市场数据流的相似性度量方法及其应用》，北京大学出版社，2001。Eng.125（2020）101782.[13] D. Liu，X. Chen，中国粘蝇D.彭，混合直觉模糊集的余弦相似度量及其在医学诊断中的应用，计算机。数学方法医学 2018年 （2018年）。[14] P. Muthukumar，G.S.S.王晓刚，直觉模糊软集的相似性度量及其在医学诊断中的应用，北京：计算机科学出版社。41（2016）148-156。[15] H.Y.公司Raji-Lawal，A.T.阿金瓦莱岛Folorunsho，A.O.陈晓，决策支持系统在老年痴呆症患者中的应用，北京大学学报，2000。Lett. 2（2020）100005.[16] M. Shojaei，H. Saneifar，MFSR：一种用于推荐系统的新型多级模糊相似性度量，专家系统应用177（2021）114969。[17] 洛 杉 矶 Zadeh ， Fuzzy Sets as a Basis for a Theory of Possibility ， Fuzzy SetsandSystems 1（1）（1978）3-28.[18] W. Pedrycz，为什么三角隶属函数？模糊集与系统64（1）（1994）21-30。[19] M. Sugeno ， T. Terano ， A model of learning based onfuzzy information ，Kybernetes，1977。[20] R.R. Yager，《论模糊性与否定的测度第一部分：单位区间中的隶属关系》，1979年。[21] R.R. Panda，N.K. Nagwani，Topic建模和基于直觉模糊集的高效软件错误分类方法，Knowl。INF. 系统（2022）1[22] G. Wei，J. Wang，M. Lu，J. Wu，C. Wei，球面模糊集的相似测度基于余弦函数的集合及其应用，IEEE Access 7（2019）159069-159080。[23] M.J. Khan，P. Kumam，W. Deebani，W. Kumam，Z. Shah，球形模糊集的距离和相似性度量及其在选择大型项目中的应用，数学8（4）（2020）519。[24] S.A.S.希沙万足球俱乐部Gündoaldudu，E. Farrokhizadeh，Y.多尼亚塔拉布角李晓云，球模糊环境中的新相似性度量及其应用，北京大学出版社，2001。Appl. 第内特尔94（2020）103837。