直觉模糊集熵的一种计算公式

为进一步精确度量直觉模糊集的模糊性,改进了直觉模糊集的模糊度的公理化形式,并给出了直觉模糊集的模糊度计算公式.利用直觉模糊集的模糊度和犹豫度,给出了直觉模糊集熵的计算公式,并举例验证了该计算公式的有效性.     

直觉模糊熵的改进研究

针对现有直觉模糊熵描述不确定性不够全面的缺点,指出直觉模糊集的不确定性应该体现在模糊性和直觉性两个方面上,其中模糊性由隶属度与非隶属度的差异程度决定,而直觉性由犹豫度决定。在此基础之上,建立了新的直觉模糊熵公理化定义,并给出一个熵度量。最后,实例分析表明新的直觉模糊熵度量比现有的熵度量更加合理和有效。     

区间直觉模糊集熵的构造及其基本性质

模糊熵是刻画模糊集不确定性的一个基本概念.通过对区间直觉模糊集的模糊度的本质分析,给出了符合人们直觉的区间直觉模糊集的模糊熵的公理化定义,并指出原有关于区间模糊集的模糊熵的公理化的不足,相应地提出了一个关于区间直觉模糊集模糊熵的计算公式,并通过定理证明和实例分析,说明它具有良好的数学性质,所得结果更加合理.     

基于直觉模糊熵的多属性决策方法

针对一组直觉模糊集在隶属度和非隶属度相同以及犹豫度相同无法区分的情况,提出一个新的直觉模糊熵.将直觉模糊熵应用于属性权重求解.给出基于直觉模糊熵的多属性决策步骤,并将其运用于实例,说明该决策步骤的有效性.     

模糊集的直觉熵与直觉相似度

熵与相似度都是用来描述模糊集模糊程度的指标,现有方法都是通过将其刻画为具体的数值展开研究.针对当模糊集的模糊程度具有不确定性,无法利用具体的数值表示时,如何利用熵与相似度来进行度量的问题展开讨论.首先提出了直觉熵与直觉相似度的定义,其次利用两个定理说明直觉熵与直觉相似度可以相互转化.     

直觉模糊匹配的语义距离与贴近度

首先引用Atanassov直觉模糊集的基本概念,阐述了直觉模糊推理的语义匹配问题．给出了计算直觉模糊匹配度的语义距离与贴近度扩展方法,重点研究了直觉模糊贴近度扩展计算模型与直觉模糊语义距离,包括在离散论域和连续论域上的海明距离、欧氏距离、明可夫斯基距离、切比雪夫距离等扩展计算模型,提出了将直觉模糊贴近度与直觉模糊语义距离转换成直觉模糊匹配度的方法。     

基于区间值相似度的直觉区间值模糊推理

直觉区间值模糊集具有比直觉模糊集更强大的模糊信息表达能力并且其直觉区间值隶属度和非隶属度的值较易确定.文章利用直觉区间值模糊集进行模糊推理.根据直觉区间值隶属度和非隶属度的值给出直觉区间值模糊集之间相似度和加权总体相似度的计算方法.根据该计算方法给出直觉区间值模糊集上的模糊推理算法.最后通过算例说明所给出的推理算法更符合实际需要,可操作性强,便于应用.     

基于区间值直觉模糊集新模糊度的模糊熵及其应用

为进一步研究区间值直觉模糊集的模糊熵及其应用,将区间数的距离引入到区间值直觉模糊集的模糊度定义中并修改已有的模糊熵公理化定义,研究结果:(1)提出了区间值直觉模糊集的新模糊度定义,其更能反映模糊度的本质且是直觉模糊集的模糊度定义的推广;(2)提出了区间值直觉集的模糊熵的一系列诱导定理和一系列熵公式;(3)基于熵权法提出了在属性权重向量和专家权重向量完全未知、偏好信息为区间值直觉模糊集环境下不确定多属性群决策问题的解决方法,通过实例验证了方法的可行性和有效性。     

直觉模糊熵改进的公理化定义和计算公式

直觉模糊熵是用来刻画直觉模糊集的不确定性和未知性程度的,首先介绍了模糊熵的定义,给出了直觉模糊集的相关知识;接着分析和深入探讨已有直觉模糊熵公理化定义,找出存在的缺陷对其进行修改;然后分析已有直觉模糊熵公式,概括出其中的要点,提出一个新的计算公式;最后举例说明改进的公理化定义和计算公式符合客观规律.     

直觉模糊推理的语义匹配度

首先引用Atanassov直觉模糊集的基本概念及运算，描述了直觉模糊逻辑运算及其知识表示形式，重点给出了直觉模糊逻辑命题真值的对称合成方法，定义了直觉模糊逻辑命题的基本运算。讨论了计算直觉模糊集语义匹配度的若干途径，包括贴近度、语义距离、相似度、复合条件的匹配等。最后，阐明了直觉模糊推理冲突消解的基本思想。     

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。     

直觉模糊集的扩展研究

基于直觉模糊集的基本概念,考虑其隶属度、非隶属度和概率分布3个因素的影响,给出了直觉模糊集两种扩充:统计直觉模糊集和多值直觉模糊集,并给出了扩充直觉模糊集的运算和包含关系,从而使直觉模糊得到了推广和应用。     

粗糙模糊集的贴近度

讨论了粗糙模糊集 (RF集 )的性质 ,并在此基础上 ,定义了粗糙模糊集的贴近度 .基于定义 ,分别给出了粗糙模糊集的距离贴近度 ,最小最大贴近度 ,最小平均贴近度以及格贴近度 .     

区间直觉犹豫模糊粒度结构的不确定性研究

考虑区间直觉犹豫模糊集中元素隶属度不确定这一特征,给出了四种不同的区间直觉犹豫模糊粒基数概念,并在此基础上构造了相关的区间直觉犹豫模糊粗糙熵、信息熵等概念.提出了区间直觉犹豫模糊粒度结构距离的概念,基于区间直觉犹豫模糊粒度结构距离定义了一种新的区间直觉犹豫模糊粒度结构的偏序关系,讨论区间直觉犹豫模糊粗糙熵、信息熵的偏序性.通过实例验证了相关定理和定义的正确性.     

区间直觉模糊集的多属性综合评价新方法

针对研究对象属性值为区间直觉模糊集形式的多属性决策问题,提出了一种利用区间直觉模糊熵确定属性权重并进行综合评价的方法.该方法的基本思路:用区间直觉模糊熵来定义各方案在不同属性下的权重,将各方案对应的权重视为一种概率分布,基于这种假设利用相对熵集结模型得到区间直觉模糊集的客观优化权重.最后给出了一个算例,说明了该方法的可行性和优越性.     

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。     

权重优化下基于证据推理的直觉模糊多属性决策

针对决策者给出属性权重系数的直觉模糊多属性决策问题,提出一种权重系数优化方法并通过证据推理有效融合各项决策数据.首先,用直觉模糊熵和直觉模糊相似度表示决策信息的客观性,利用熵权法融合公式对主观权重系数进行优化修正;其次,发挥证据推理方法的优越性,将各属性的直觉模糊信息进行融合得到每个方案的综合直觉模糊集;再次,运用一种...     

新的模糊似然函数

模糊似然函数是刻画两个模糊集之间相似程度的重要工具，众多学者给出了多种形式的计算方法，但由于实际问题的复杂性，有些方法在某些情况下会产生违反直觉的结论．首先就闫德勤在2001年建议的方法进行讨论，然后证明了一个引理，提出一种新的模糊似然函数，其本质是由模糊集合间l^p距离导出的贴近度．与相关公式比较，发现它们能导出相同的模糊熵，最后给出一个它在模式识别中的应用实例．     

基于算数平均值的直觉模糊集合的相似度

从几何的角度出发,依据犹豫度将直觉模糊数转化为一个等腰直角三角形,把2个直觉模糊数之间的相似度定义为对应的等腰直角三角形对应点距离的平均值.在此基础上,引入了2个直觉模糊集的相似度,证明了它们都满足相似性公理.通过数值实例与已有的直觉模糊集的相似度进行比较,结果表明该相似度具有一定的优越性.最后,给出了该相似度在模式识别中的应用实例.     

区间直觉模糊集的包含度的多目标属性决策方法

通过正常的蕴涵算子将Vague集的包含度公式进一步扩展到区间直觉模糊集上,并给出了基于区间直觉模糊集的包含度在多目标属性决策方法,最后通过实例阐明方法的有效性.