关于复杂毕达哥拉斯模糊集的某些距离度量及其在模式识别中的应用

复杂模糊集（CFS）和复杂直觉模糊集（CIFS）的概念是模糊集（FS）理论领域的两个最新发展。这些概念的重要性在于它们从平面单位圆分配隶属度，形式为复数，而不是从0到1的区间。CFS无法处理“是”或“否”类型的信息，而CIFS仅适用于有限范围的值。为了解决这些问题，本文提出了复杂毕达哥拉斯模糊集（CPFS）的概念。CPFS的新颖之处在于其相较于CFS和CIFS的更大范围，这一点通过数值方式得以证明。讨论了CFS和CIFS如何能够成为CPFS，但反过来则不行。我们研究了CPFS的基本概念，探讨了它们的性质。此外，开发了一些CPFS的距离度量并研究了它们的特征。还讨论了所提出的新距离度量在建筑材料识别问题中的可行性。最后，提出的新研究与现有研究进行了比较，并讨论了CPFS相对于CFS和CIFS的一些优势。