VAGUE集

Vague集是对模糊集的扩展，模糊集把隶属概念扩大到了[0,1]区间，而Vague集的思想则认为每个元素的隶属都可以分成支持和对立两个方面，也就是有真隶属度u和假隶属度f构成。如果我们把任意一个元素x和一个Vague概念看成一个映射，那么Vague集的真隶属度u就等价于同一度a，假隶属度f就等价于对立度c，而1-f-u恰对应于差异度b，b表示了x对于Vague集的犹豫程度。

Gau等人提出了Vague集的概念 ，作为Zadeh模糊集的一个推广，Vague集也等同于Atanassov所谓的直觉

模糊集 ，它最大的特点和优点是能同时给出支持和反对的证据，因而能更为全面地表达模糊信息。Vague集自提出以来，已被广泛应用于人工智能的各个分支，如机器学习、决策分析、知识获取以及模式匹配等方面。