基于包含度的犹豫模糊属性约简

将模糊集的包含度拓展到犹豫模糊集中,针对属性值为犹豫模糊元的决策问题,提出了一种犹豫模糊信息系统的属性约简方法。首先,给出了犹豫模糊包含度的公理化定义和不同形式的计算公式;然后,计算决策条件选择,得到条件属性重新组合后的犹豫模糊信息系统,再计算组合的条件属性在决策中的包含度,得到相应的决策规则;最后通过逐项删减条件属性,得到最大决策约简集,并通过实例表明了该方法的有效性和可行性。     

加权概率犹豫模糊集多属性群决策算法及应用

对于概率犹豫模糊集中的不同隶属度值赋予了决策专家的综合权重,由此构造出一种蕴含信息量更大、更方便解决决策问题的概率犹豫模糊集合——加权概率犹豫模糊集.针对加权概率犹豫模糊集中的加权概率犹豫模糊元,在使用三维点坐标进行描述的基础上建立加权概率犹豫模糊元的三维得分值模型、三维离差值模型、2个加权概率犹豫模糊元的几何距离模型以及大小判别准则.结合决策专家的综合权重与属性的综合权重提出一种确定正理想方案与负理想方案的方法,基于TOPSIS思想给出一种新的贴近度公式,并利用新的贴近度公式来鉴别各方案优劣.最后,通过一个数值算例说明文中理论与方法的可行性.     

加权变精度直觉模糊序信息决策表的近似约简

以直觉模糊信息表为背景，利用粗糙集和模糊集，旨在筛除信息表中冗余的属性，提出获取决策规则的近似约简方法 .首先，通过在直觉模糊集中引入带权重评分函数来定义加权直觉模糊序关系；进一步，为了提高模型分类的容错率，结合变精度粗糙集模型构建加权变精度直觉模糊序决策信息表；接着，在该决策表中提出上、下近似约简的判定定理和可辨识矩阵，进而生成两种求解上、下近似约简的方法；最后，通过具体案例和数值实验分析验证了该方法的有效性.     

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.     

犹豫模糊多属性决策的M-TOPSIS法

犹豫模糊集由于允许隶属度用几个数值的集合来描述,对于处理决策者对决策的信息表现出犹豫和优柔寡断情形特别适合,成为不确定多属性决策的又一有力工具;针对属性值为犹豫模糊元的多属性决策问题,提出了一种改进的TOPSIS决策法——M-TOPSIS决策法.并通过实际应用例子说明所提出的方法的有效性和实用性.     

一种犹豫模糊集多属性群决策模型及应用

针对犹豫模糊集多属性群决策问题,从点坐标的角度出发设置了一类决策算法,更改了犹豫模糊集的表示方法,在此情形下建立了判断2个犹豫模糊元的大小比较规则与测度2个犹豫模糊元的距离模型,分别建立了计算决策专家客观权重、综合权重和属性的个体权重、整体权重以及综合权重的计算方法。在不同的决策专家权重类别与属性权重类别下,利用Maclaurin对称平均算子对犹豫模糊元进行集结以获取各方案的综合属性值进行排序。数值算例分析表明,利用点坐标建立的决策算法能够达到有效排序方案目的,同时,根据不同的决策专家权重类别与属性权重类别建立的9种决策模型得出的方案排序结果差异明显,说明决策专家权重类别与属性权重类别对决策结果的影响不容忽视,在具体的犹豫模糊集多属性群决策问题中,决策者应根据实际问题需要选择适当的决策模型,以更好地满足决策需求。     

犹豫模糊熵生成算法及在后勤补给基地选址评估中的应用

为了定量地刻画犹豫模糊信息的不确定性程度,将犹豫模糊元和区间值犹豫模糊元的熵推广成了犹豫模糊集和区间值犹豫模糊集的熵。首先给出了犹豫模糊集和区间值犹豫模糊集的熵与相似度的公理化定义,在此基础上提出了犹豫模糊集熵和相似度的一般公式,给出了犹豫模糊集的熵和相似度的生成算法。然后研究了犹豫模糊集的熵与相似度间的关系,提出了基于相似度的熵的一般公式。进一步把犹豫模糊集的熵与相似度的关系的有关结论及各自的一般公式和生成算法推广到区间值犹豫模糊集。最后给出了基于犹豫模糊集熵和相似度的后勤补给基地选址方案可靠性分析的数值例子。     

区间值直觉犹豫模糊多属性决策方法研究

针对评价信息为区间值直觉犹豫模糊集的多属性决策问题,结合ELECTRE-I和TOPSIS方法,提出了一种解决区间值直觉犹豫模糊多属性决策问题的方法。基于区间值直觉犹豫模糊元得分函数,提出了一种新的确定属性权重的方法。将经典的ELECTRE-I和TOPSIS拓展到区间值直觉犹豫模糊环境下,定义了绝对和谐指标与不和谐指标,相对优势指标和综合优势指标。根据综合优势指标得到方案的排序。最后提供了一种基于区间值直觉犹豫模糊信息的多属性问题的决策步骤,并进行了算例分析与比较分析,证明了该方法的有效性。     

基于语言图犹豫模糊Hamy平均算子的多属性决策方法

将图犹豫模糊集与语言术语集结合，定义了语言图犹豫模糊集和语言图犹豫模糊数的运算，为比较语言图犹豫模糊数的大小，考虑了语言图犹豫模糊数中元素的离散程度对评估结果的影响，定义了得分函数和精确函数，提高了得分函数对语言图犹豫模糊数的区分能力。结合Hamy平均算子，定义了语言图犹豫模糊Hamy平均算子，研究了语言图犹豫模糊Hamy平均算子的性质，并提出了语言图犹豫模糊Hamy平均算子的多属性决策方法。最后，将其应用于建筑公司原料供应商的选择中，并与现有方法进行对比分析，验证了所提方法的有效性和可行性。     

含属性加权模糊序决策信息系统的近似约简

为保证关键属性在属性约简时能够被保留,可对信息系统的属性进行加权,从而提高关键属性的影响力.基于此,在属性加权的模糊序决策信息系统中建立了上、下近似约简的模型,得到两种约简的判定定理,并且给出求解上、下近似约简的辨识矩阵以及约简方法 .最后,通过实例验证了该约简方法的有效性.     

时序广义犹豫模糊软集及其决策方法

针对犹豫模糊软集的属性参数并非同等重要的情形,同时考虑到时间的变化对决策会产生影响,在犹豫模糊软集的基础上,提出了时序广义犹豫模糊软集的概念。基于时序广义犹豫模糊软集的概念,定义了其基本运算,分析了相应的运算结果,并讨论了运算性质。提出了时序广义犹豫模糊软集的一种决策方法,给出了具体的决策步骤,并通过实例验证了该决策方法的合理性与可行性。     

区间直觉模糊粗糙集的启发式属性约简方法

属性约简是数据挖掘之中最核心的问题,是任何一个部门决策知识获取的关键技术。基于深入研究模糊粗糙理论、直觉模糊粗糙集理论在属性约简知识方面的研究成果,通过定义区间模糊粗糙集的正域、依赖度与非依赖度等相关概念,提出一种启发式区间直觉模糊粗糙集属性约简方法。结果表明：该方法在知识约简中是可行的,并且相比差别矩阵方法,能有效降低空间和时间复杂度。     

点态化的模糊粗糙集

给出了Pawlak近似空间和模糊近似空间上点态化的模糊粗糙集的定义,并讨论了它们的一些性质.     

基于Pythagorean犹豫模糊集成算子的多属性决策方法及其应用

基于Pythagorean犹豫模糊集理论,提出了基于Pythagorean犹豫模糊环境下的集成算子来研究多属性决策问题。首先提出了Pythagorean犹豫模糊有序加权算术平均算子和Pythagorean犹豫模糊有序加权几何平均算子;基于对Pythagorean犹豫模糊决策信息本身及其信息顺序位置重要性的兼顾,又提出了Pythagorean犹豫模糊混合算术平均算子和Pythagorean犹豫模糊混合几何平均算子;最后,提出了基于Pythagorean犹豫模糊信息集成的多属性决策方法,并通过智慧医疗评估体系的例子说明提出的决策方法的可行性.     

基于模糊信息系统的模糊β-覆盖粗糙集模型

用模糊互补β-邻域族的概念,在模糊信息系统的基础上提出了一种新型的模糊β-覆盖粗糙集模型,并结合属性约简与模糊映射研究新模型的性质。相较于前人的模型,新模型增大了下近似值并减小了上近似值,更加精确了上、下近似值,减小了属性约简带来的误差。     

模糊决策粗糙集模型及其属性约简

决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.     

粗糙集和拓扑空间

研究了粗糙集和拓扑空间的关系,讨论了Pawlak粗糙集模型的拓扑性质,指出Pawlak粗糙集模型等价于一类特殊的正则拓扑空间,该拓扑空间一般不是Hausdorff空间,且一般不具有连通性,还证明了一个一般的二元关系下的粗糙集模型当且仅当它是自反的和传递的时,可定义一个拓扑空间,每一个拓扑空间都是一个特殊的一般关系下的近似空间。     

粗集近似精度及其粒度特征

Pawlak近似精度是衡量粗集近似程度的重要指数[1],针对Pawlak近似精度没有考虑近似空间的颗粒结构,在此利用粒度的概念定义了具有颗粒结构的近似精度,讨论了该近似精度的粒度特征.     

面向属性的RST在数据挖掘中的应用

基于对 RST的基本概念和近似空间的形式描述 ,定义了不确定信息系统 ,并引入面向对象属性的泛化和约简操作算法 .在此基础上 ,提出了一个面向属性的 RST的数据挖掘方法 ,即基于系统的关系数据库形成差别矩阵 ,并对差别矩阵施行最佳约简和核操作 ,给出在逻辑意义下的决策规则 ,从而完成领域的知识发现 .同时给出了在一个医疗诊断系统中应用的实例     

基于变精度粗糙-模糊集模型的诊断知识获取

提出一种基于变精度粗糙-模糊集模型的诊断知识获取算法,利用相似性聚类方法自动获取模糊隶属函数,将连续属性表示成模糊值,通过定义模糊相似关系和模糊相似类给出了变精度粗糙-模糊模型的近似表示,并引入蚁群算法求取模糊相似关系下的属性约简,进行诊断知识的获取。将其应用于精对苯二甲酸生产过程尾氧浓度故障诊断知识获取中,结果表明:该算法可以从故障数据中提取更客观有效的诊断规则,在实际故障诊断中具有很好的应用价值。