首先提出几种基于兰氏距离的犹豫模糊集距离测度.然后针对两个犹豫模糊数中的隶属度个数不相等问题,提出新的犹豫模糊数降维方案.该方案不需要反复添加最大最小隶属度数值到犹豫模糊数中,不仅很好地保留了数据的原始信息,而且减少了计算距离时的计算量.针对属性权重信息完全未知的情况,采用实际数据信息构造犹豫模糊指数熵,并利用信息熵最小化原则计算得到属性权重.最后利用指数熵加权的降维犹豫模糊兰氏距离测度,结合实际的医疗诊断数据进行实例分析.结果表明,所提出的基于指数熵加权的降维犹豫模糊兰氏距离测度不仅在$\lambda$取不同值时诊断结果一致,而且减少了计算量,提高了诊断效率,对实时、有效的医疗诊断具有一定的应用价值.
