Zadeh的隶属函数对似然方法、语义通信和统计学习的意义

流行的似然方法不合适数据先验分布(即信源)可变场合。为此,我们把Zadeh的隶属函数看做预测模型,用隶属函数和可变信源产生似然函数,用平均对数标准(normalized)似然度定义语义信息测度。这样可以保证:(1)坚持使用最大似然准则;(2)预测模型适合信源可变场合;(3)得到的语义贝叶斯预测兼容贝叶斯定理;(4)预测模型能表达语义,便于理解。一组隶属函数构成一个语义信道,优化隶属函数就是使语义信道匹配Shannon信道,产生多标签模糊分类。文中介绍了通过两种信道相互匹配求解最大似然度的迭代算法。几个例子显示这种算法用于检验、估计和混合模型时,收敛快速且可靠。