特征匹配驱动的IVIFSs相似性测度模型研究

直觉模糊集(intuitionistic fuzzy sets,IFSs)的隶属关系表征并不完全适用于区间直觉模糊集(interval-valued intuitionistic fuzzy sets, IVIFSs),故其相似性测度模型与特征条件难以实现完全匹配。首先,运用记分函数和精确函数来刻画IVIFSs的特征条件,分析了现有IVIFSs相似性测度模型与特征条件匹配的冲突性;其次,基于其几何距离和重心设计了一种新的IVIFSs相似性测度模型;最后,通过理论证明和实证研究分析了该模型的优越性和应用价值。     

融合记分函数的直觉模糊集相似度性质再定义与模型设计

相似度函数是含有直觉模糊集(intuitionistic fuzzy sets,IFS)的多准则决策的重要内容,直接影响了决策结果。通过比较现有的18种IFS的相似度函数,分析了其与相似度定义的匹配程度。其次,分析了IFS相似度部分性质应用的局限性,依据记分函数来比较直觉模糊数的大小,进而重新定义了IFS的相似度性质。再次,针对重新定义的相似度性质,设计了一种新的IFS相似度度量模型。最后,通过算例分析和灵敏度分析验证本文方法的有效性和对决策结果的区分度。