基于模糊化邻域系的粗糙近似算子(Ⅱ)——公理刻画

研究了基于模糊化邻域系的粗糙近似算子的公理刻画问题.特别地,通过一组公理集分别刻画了由串行的、反身的、一元的和传递的模糊化邻域系生成的粗糙近似算子.     

IFS-BN结合的辐射源威胁评估方法

针对辐射源威胁评估实时性、复杂性和信息不确定性的问题,将直觉模糊集与贝叶斯网络相结合,提出一种基于IFS-BN的辐射源威胁评估方法。IFS-BN算法通过直觉模糊集刻画贝叶斯网络的节点信息,充分描述节点信息的确定性,不确定性以及犹豫度。同时,将直觉模糊集求得的各辐射源先验概率代入贝叶斯网络模型之中,得出后验概率进行威胁等级排序,并在此基础上建立了相应的评估指标体系。仿真分析表明,算法具有较好的可行性与有效性。与经典贝叶斯网络评估方法相比,IFS-BN算法的结果更加客观合理。     

基于模糊-粗糙模型的逼近精度分类规则提取策略

为了处理具有连续属性的决策系统,利用模糊理论与粗糙理论在处理不确定性问题方面的差异性,提出一种基于模糊-粗糙模型的逼近精度分类规则提取策略.首先利用模糊π函数对决策系统中的连续属性构造三个模糊参数进行模糊化,从而确定条件属性的模糊区域;再根据模糊相似关系构造模糊相似矩阵,然后基于模糊等价类划分的概念,提出了利用逼近精度近似度量的数据挖掘方法进行属性约减,最后应用实例说明如何在决策表中发现分类规则.实验结果表明此方法挖掘出的规则简练且合理可靠.     

(β,α)-模糊子群

通过应用模糊点与模糊集之间的邻属关系，给出了(^-β,^-α）-模糊子群的定义。并得到了一种称之为(^-∈^，-∈∨^-q)模糊子群的新模糊子群。     

双层模糊C均值聚类算法

1973年,Dunnm对Ball和Hall的硬C均值(HCM)聚类算法加以推广,提出了模糊C均值(FCM)聚类算法。Bezdek将Dunn的工作进一步推广到一个模糊目标函数聚类的无限簇,并证明了该算法的收敛性。此后,FCM算法在模式识别领域中得到了广泛和有效的应用,如聚类、图象分割、形状分析、医疗诊断、特征选择、自动目标识别、分类器设计等。     

模糊集重心法在评估科研院所绩效素质中的应用

为了评价中国科研院所的绩效和素质提出了一个由人才资源、成果绩效、发展后劲和财务管理指标组成的评价指标体系 ,使用模糊集重心法解决了各种线性和非线性问题。由于此模型具有中间过程的分析能力 ,大大丰富了提供给决策部门的信息。这种方法可成为研究我国中央级科研院所的等级分布、类型优势分析、改革现状估计、潜力比较和指标灵敏度分析的有力工具     

关于凸模糊子集的研究

给出了强凸模糊子集和严格凸模糊子集的定义．研究了强凸模糊子集与凸模糊子集的关系，及严格凸模糊子集与凸模糊子集的关系．将Yang的一些结论推广到凸模糊子集上．     

基于直觉模糊集的粗交流

提出基于直觉模糊集的粗交流的概念,分析了在基于直觉模糊集的粗交流过程中由于agents各自拥有的知识不同而产生的信息丢失问题,并给出了基于直觉模糊集的粗交流过程中信息丢失的量化分析方法.通过引入α-直觉粗交流截集等概念,得到基于直觉模糊集的粗交流和经典概念粗交流的关系定理.最后给出基于直觉模糊集的粗交流的一个具体实例.