云模型相似性是用來度量同類概念不同語言值的多個云之間關(guān)聯(lián)程度的方法，相似云及其度量分析方法的提出是對云模型理論的擴展。針對目前相似性度量方法中時間復雜度過高和結(jié)果不穩(wěn)定等不足，提出了一種基于云模型重疊度的相似性度量算法。首先，根據(jù)云模型期望、熵、超熵三個數(shù)字特征，定義兩個云模型的位置關(guān)系和邏輯關(guān)系；其次，利用兩個云的位置和形狀特性，計算得到它們間的重疊度；最后，結(jié)合云模型重疊度與相似度的關(guān)系，將云模型的相似性度量轉(zhuǎn)化為相應重疊部分的定量化描述。通過對時間序列分類實例的應用，驗證了該算法在保證結(jié)果穩(wěn)定度和正確率的前提下，與目前時間消耗較低的云模型相似度計算方法（ LICM）相比，計算復雜度降低了50%，表明該算法具有可行性和有效性。
?