基于Fuzzy集的Vague集的模糊熵

给出了Vague集的基本概念，阐述了Vague集的本质及Vague集与Fuzzy集之间的关系；通过对投票模型的分析，指出了在投票模型中投中立票者仍然有某种倾向，且该倾向由投赞成票和投反对票的人类之比来决定，在此基础上提出了一种Vague集向Fuzzy集转化的方法，最后给出了基于这种转化方法的Vague集模糊熵的定义。     

Vague 集模糊熵的一个新模型

在对已有Vague集的模糊熵的定义进行分析的基础上,提出了Vague集的模糊熵的新定义.基于Vague集是Fuzzy集的推广,从Fuzzy集的模糊熵的Shnnon模型出发,建立了Vague集的模糊熵新定义下的一个模型.数值试验表明,所建立的Vague集的模糊熵模型与已有的满足新定义的模型有同样的表现.     

Vague集模糊熵的新度量方法

提出了Vague集模糊性主要来自三个部分,分别为未知信息、不确定信息及他们的交叉模糊信息,通过分析现有方法,给出一种新的Vague集模糊熵度量方法,并改进了它的公理化定义和证明了它的正确性.最后通过实例分析,指出它同时考虑了Vague集的未知性、不确定性和两者之间的交叉模糊性,从而证明所给出Vague集模糊熵的定义是更加合理的.     

基于Vague集的一类蕴涵算子

介绍了采用Fuzzy集进行近似推理的一些蕴涵算子的性质,根据Vague集的直觉特性提出了采用Vague集实现近似推理的一类蕴涵算子的构造方法,并根据Vague集的模糊熵对上述蕴涵算子的特性进行了解释。     

基于Vague 集的装备研制费用年度分配模型

在装备研制阶段,装备的研制费用是装备寿命周期费用的重要组成部分,对整个寿命周期费用具有重要影响,通过建立新的模型,使决策者能够更准确地确定装备研制阶段年度费用分配。描述了Vague集的含义和模糊熵,进而根据Vague集模糊熵能够对不精确和模糊信息进行有效表达的性质,提出了运用Vague集模糊熵对装备研制阶段费用按年度分配的新模型。在运用装备研制费用年度分配模型时,首先由专家投票来建立评判距阵,然后对评判距阵进行量化处理,根据量化处理结果来计算Vague集的模糊熵,最后通过Vague集的模糊熵来确定装备研制费用年度评估权值,从而确定各年度资金分配金额,弥补了Fuzzy集在不确定性方面的不足。算例表明了该模型的合理性与有效性。     

融合包含度和距离的Vague熵

Vague集的模糊熵来自未知信息和不确定性信息两方面.在暂不考虑不确定性信息的前提下,利用Vague包含度的概念导出了体现Vague集未知度的模糊熵,再利用距离来计算不确定性信息的模糊熵,在此基础上构造出一种能准确反映二者相互关系的Vague熵计算公式;最后通过数学推导,证明其满足Vague集模糊熵的定义准则.将它与现有的其它几种Vague熵计算公式进行实例比较,发现只有它与文献[11]Vague熵公式的计算结果能正确地反映未知信息和不确定性信息之间互相约束关系,但它形式更简单、可操作性更强.     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

Vague 集的三维表示

在分析Vague集性能的基础上，提出了Vague集的一种新的三维表示方法，用空间曲线来表示Vague集的隶属函数，能更直观地反映Vague集所包含的模糊信息，在此基础上给出了该Vague集的相似度量算法，反模糊化算法以及近似推理算法。     

基于Vague集的多目标模糊决策方法

指出了采用Vague集进行多目标模糊决策的现有计分函数的不足;根据Vague集的性质提出了一种新的计分函数;该计分函数和Vasgue集所具有的“投标模型”属性是完全一致的,并将其扩展到加权的形式,从而使该方法具有更好的通用性,所得结果也更符合人的直觉。     

Vague关系及其扩展合成运算

Vague关系作为模糊关系的一种推广,具有比模糊关系更强大的模糊信息表达能力.基于Vague集理论,系统研究了Vague关系及其合成运算.引入了Vague集及范数的相关知识,给出了Vague集之间一般关系、逆关系、空关系、恒等关系的定义,研究了它们进行关系运算的性质及相关定理,且给出了必要的证明.在此基础上,对基于范数的max-t&min-sVague关系合成运算进行了研究,并给出了相应的定理和证明,进而讨论了其在Vague近似关系缺失值填补方面的应用.     

模糊粗糙集的分解定理及表现定理

讨论了模糊粗糙集（FR集）的构造性质,给出其分解定理及表现定理。     

模糊粗糙集的贴近度

基于模糊集理论中贴近度的定义及模糊粗糙集的有关性质 ,讨论了模糊粗糙集 (FR集 )的贴近度 ,进而给出了模糊粗糙集的距离贴近度、最小最大贴近度、最小平均贴近度以及格贴近度     

模糊集的比较与排序

通过定义模糊极大集和一个效用函数，从而找到一种判定模糊集优先关系的方法．而用这种方法来判断模糊集的优先关系具有较好的普遍性、可分辨性、直观性以及较强的物理和几何意义．     

Fuzzy随机集强大数定律的推广

在文［１］、［２］的基础上将Ｆｕｚｚｙ随机集的强大数定律推广到Ｆｕｚｚｙ值概率空间。     

粗糙模糊集的分解定理及表现定理

讨论了粗糙模糊集的构造性质,给出其分解定理及表现定理。     

复Fuzzy子群的研究

作为Ｆｕｚｚｙ子群的推广,引入了复Ｆｕｚｚｙ子群的概念,讨论了 它的基本性质,并给出了复Ｆｕｚｚｙ子群的等价条件。     

粗糙模糊数的分解定理和表现定理

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题 ,前者基于信息系统中知识的不可分辨性 ,后者基于信息系统中知识的模糊性 ,将二者结合形成了粗糙模糊集 .讨论了粗糙模糊数(RFN)的构造性质 ,给出了粗糙模糊数的分解定理及表现定理 .     

i-v Fuzzy集的格序结构

在i-vFuzzy集上引入了顺序和运算,并证明了任一非空集X上的一切i-vFuzzy集的全体F(X)i-v构成一完备的完全分配格,且关于引入的对合运算构成一Fuzzy格.     

模糊集的截集的公理化描述

对模糊集的截集的性质进行了分析，给出了模糊集的截集的八种公理化描述，其中每一种都对应着一种截集，从而揭示了每种截集撮本质的三条性质。