多粒度粗糙直觉模糊截集的研究

直觉模糊集和多粒度粗糙集的融合是一个研究热点.针对多粒度粗糙直觉模糊集的表示问题,根据直觉模糊集的分解定理和截集理论,构造了乐观和悲观多粒度粗糙直觉模糊集模型,定义了乐观和悲观多粒度粗糙直觉模糊集上下近似集,并证明了多粒度粗糙直觉模糊集的一些性质,同时提出了一个新的直觉模糊集的相似度公式.最后通过小麦长势评估实例,分析讨论了乐观和悲观多粒度粗糙直觉模糊集模型的有效性.     

基于三值模糊集的直觉模糊向量子空间

针对直觉模糊集截集的新定义-三值模糊集,对直觉模糊向量子空间的有关理论重新进行了研究:利用三值模糊集给出了直觉模糊子空间和直觉模糊仿射集的定义,讨论了直觉模糊集成为直觉模糊子空间或直觉模糊仿射集的充要条件及直觉模糊仿射集与直觉模糊子空间的关系;给出了直觉模糊线性变换和直觉模糊仿射变换的定义,并研究了二者之间的关系。结果证明:在三值模糊集的定义下直觉模糊向量子空间的有关结论仍然是成立的。     

基于三值模糊集的直觉模糊向量子空间

针对直觉模糊集截集的新定义-三值模糊集,对直觉模糊向量子空间的有关理论重新进行了研究:利用三值模糊集给出了直觉模糊子空间和直觉模糊仿射集的定义,讨论了直觉模糊集成为直觉模糊子空间或直觉模糊仿射集的充要条件及直觉模糊仿射集与直觉模糊子空间的关系;给出了直觉模糊线性变换和直觉模糊仿射变换的定义,并研究了二者之间的关系。结果证明:在三值模糊集的定义下直觉模糊向量子空间的有关结论仍然是成立的。     

基于直觉模糊可能性测度的三支决策模型的研究

在直觉模糊集和可能性测度理论基础上,用可信度,对三支决策模型进行了研究.首先运用直觉模糊集和可能性理论,定义了直觉模糊可能性测度和直觉模糊可信度,讨论它们的性质.在直觉模糊可能性空间中,建立了基于直觉模糊可能性测度的三支决策模型,给出了该模型的划分规则.然后,定义了直觉模糊信息表的三支决策模型,给出了求信息表对象的综合直觉模糊属性特征值方法.最后,对该模型下的误判进行分析,给出了一种基于直觉模糊可能性测度和可信度的决策风险计算方法,并进行了实例演算.通过实例,给出具体计算步骤:综合分析了对象在不同属性特征下的隶属度和非隶属度,计算其直觉模糊可能性测度;运用可信度,计算出边界阈值和综合直觉模糊属性特征值;讨论了该模型的有效性.     

基于IFSM改进水平软集的群决策方法

研究了在直觉模糊软矩阵环境下改进水平软集的群决策方法.首先利用直觉模糊软矩阵给出了在专家权重未知情况下的集成算法,并对λmid（E）-水平软集进行改进,提出了λnew（E）-水平软集；同时对λmed（E）-水平软集进行改进,提出了三均值水平软集.然后利用水平软集计算各对象的选择值,得出最优决策.最后,通过实例验证了决策方法的可行性和合理性.     

双论域区间值直觉模糊vague粗糙集及其应用

区间值直觉模糊集可诱导出vague集和粗糙集，而后两者的结合具有不确定性深入分析的优势.立足双论域区间值直觉模糊粗糙集，引入vague集进行融合扩张，研究双论域区间值直觉模糊vague粗糙集.首先，定义区间值直觉模糊vague相容类，构建双论域区间值直觉模糊vague粗糙集模型，提出关于双逼近近似和三支决策区域的计算算法，并确立该模型的精确度、粗糙度、依赖度.然后，研究该模型的近似算子与不确定性度量的性质.最后，采用医疗例子进行模型计算、度量测量、性质验证，并得到关于患者临床诊断的患病分析与治疗决策.     

直觉模糊软群与直觉模糊正规软群

在直觉模糊集理论的基础上,引入了直觉模糊软群的概念。讨论了其关于软集的交、并运算的性质,研究了直觉模糊软群的结构特征,提出了直觉模糊软映射下直觉模糊软集的像与原像的概念,最后研究了直觉模糊正规软群的概念及性质。     

基于直觉模糊等价关系的聚类算法

首先引入直觉模糊集的模运算、直觉模糊集之间的关系及合成运算的定义,然后提出了直觉模糊集的截集定义,揭示了利用直觉模糊等价关系的分类原理,并讨论了基于直觉模糊等价关系的模糊聚类算法,从而使直觉模糊集的基本理论得到进一步扩展。最后给出了该算法的一个数值实例。     

基于距离模型的动态直觉模糊多属性决策方法

针对已知各决策时段的时间权重,以直觉模糊数形式给出的动态多属性决策问题,利用直觉模糊加权算子对各时段的评价值进行集成,得到综合评价值,同时构建直觉模糊集的记分函数,充分考虑和挖掘直觉模糊犹豫指数部分的信息,以提高对直觉模糊数评价的准确性。利用记分函数确定直觉模糊多属性决策指标集的正负理想点,避免采用绝对优的点或绝对劣的点进行评价引起偏差,并由此构造基于距离公式的排序模型,对整个方案集进行排序并择优。最后利用实例验证该方法的实用性与可行性。     

一种新的双犹豫模糊软集及其在决策问题中的应用

将犹豫模糊集和双软集模型相结合,给出一种新的双犹豫模糊软集的概念,以及双犹豫模糊软集上的算子,如补、交、并、扩张并、扩张交、限制并和限制交等,并通过约简双模糊软集和水平截集,提出一种基于决策的双犹豫模糊软集的可调方法.该算法给出了做最优选择的方法.     

基于直觉模糊集合的软件质量评价模型

为了合理的评价软件质量,本文研究一种基于直觉模糊集合的多属性决策软件质量评价模型。该模型在模糊子集的隶属度的基础上,加入非隶属度及犹豫度,从这三个方面对软件质量指标进行评价,使之更加符合人们对事物评价的不确定性及犹豫程度。同时,本文还应用了直觉模糊熵权法来确定评价指标的权重值,并利用GIFHWA算子对直觉模糊集合进行集成,通过具体案例的结果对比,说明了本文给出的软件质量评价模型是有效的。     

优势关系多粒度粗糙模糊集及决策规则获取

为了将多粒度粗糙集方法进一步扩展以适应模糊信息系统的需求,将多粒度思想引入到基于优势关系的粗糙模糊集模型中,提出了基于优势关系的乐观和悲观多粒度粗糙模糊集.在这2种多粒度粗糙模糊集中,采用一族而非一个优势概念来进行目标的逼近,并且被近似的目标是模糊而非清晰的集合.不仅对这2种新的粗糙模糊集的性质进行了讨论,而且研究了如何从模糊信息系统中获取逻辑连接词为"或"的决策规则,并采用一个模糊信息系统对新提出的粗糙集模型及决策规则获取进行了实例分析.结果表明:借助优势关系的方法,可以进一步扩展多粒度粗糙集方法,以处理模糊数据,从而扩大多粒度概念的应用范围.     

基于期望得分函数的直觉模糊软决策方法

针对直觉模糊数排序中的一些局限性, 通过改进直觉模糊数的经典得分函数, 利用期望得分函数及其诱导的偏序给出一种直觉模糊软决策方法. 实例分析表明, 该方法推广了直觉模糊软集的补运算, 可有效解决相关决策问题.     

基于集对分析和直觉模糊集的语言型多属性群决策方法

针对语言型多属性群决策问题进行了研究,提出基于集对分析的直觉模糊群决策方法。首先给出语言信息与直觉模糊值的转换方法;分析集对分析的思想与直觉模糊集思想的兼容性,通过集对分析的方法求解出方案对于单个属性和所有属性的联系度表达式;最后通过一个排序公式对方案进行排序,并得出最优方案。算例证实了该方法的有效性。     

广义直觉模糊软集的格结构

为推广软集理论的应用范围,研究了广义直觉模糊软集的格结构.介绍了广义直觉模糊软集的概念,给出了广义直觉模糊软集的一些算子及其性质.利用定义的4个交并算子,讨论了广义直觉模糊软集的格结构.最后得到了广义直觉模糊软集的两种格结构,并且证得这两种格都为有界分配格.     

一种新的区间直觉模糊交叉熵及其应用

为了全面反映区间直觉模糊集的不确定性,定义了区间直觉模糊集的3种不确定性因子,即直觉因子、模糊因子和跨度因子;基于这3种不确定性因子,给出了一种新的区间直觉模糊交叉熵,并且证明了交叉熵的相关性质;利用区间直觉模糊集的交叉熵,提出一种确定属性权重的方法,并且根据区间直觉模糊集的加权相关系数,给出了具体的区间直觉模糊多属性决策算法;最后,通过实例分析了方法的可行性和有效性。     

融合云概念的粗糙Vague集的三支决策模型

Vague集是模糊集的扩展模型，从正反两方面来描述事物的不确定性，粗糙Vague集比粗糙模糊集更具有普遍性。目前，三支决策的阈值主要是由单个专家给出，不能反映认知过程中复杂的不确定性形式。针对这一问题，提出了一种融合云概念的粗糙Vague集的三支决策模型。使用基于密度中心的云概念群决策方法求解损失函数，不仅保证综合评价的精度，还为损失函数提供了新的语义解释。构建了粗糙Vague集的三支决策模型并揭示了其误分类代价随着粒度细化而单调递减的规律。通过实验验证了该方法的可行性，克服了现有模糊集在三支决策中对事物不确定性表达不够清楚的缺点。