基于相互隶属度的云模型相似性度量方法

针对现有云模型相似性度量方法计算复杂度高、结果不稳定、适用性有限等问题,提出了一种基于相互隶属度的云模型相似性度量方法.依据云模型期望曲线以公共面积与自身面积之比定义云模型之间的隶属度,进而利用相互隶属度计算云模型之间的相似度.讨论了不同交点及半云情形下相应面积的计算方法,并给出了相似度的计算公式及性质证明.仿真实验表明,该方法能够在多种情形下合理地度量云模型的相似性,并且具有较高的结果准确度和较低的计算复杂度,基于云模型的评估实例进一步验证了该方法的有效性.      

一类模糊属性值的多属性决策问题的排序方法

研究了属性权重信息完全未知且属性值以三角模糊数形式给出的不确定型多属性决策问题．利用模糊数数据的变异系数来度量三角模糊属性值之间的差异程度，给出了求解属性权重的简洁公式和一种基于可能度的决策方案排序方法．     

基于三角模糊数权重信息不完全的多属性决策方法

针对属性值为三角模糊数且权重信息不完全的多属性决策问题,提出了一种基于三角模糊数权重信息不完全的多属性决策方法.该方法首先利用权系数的不完全确定信息,建立关于各方案综合三角模糊数与理想解和负理想解的加权距离优化模型,通过求解优化模型得到各属性权重值,之后根据各方案到相对理想解的贴近度的大小进行排序.实例分析表明了该方法的有效性和可行性.     

曲线形态相似性的定义与度量

提出了曲线形态相似性的定义与度量问题.介绍了一种曲线的划分方法,得到一个曲线的比值样本,基于统计学原理,给出了曲线相似性的定义与度量方法.并通过算例验证了该相似性度量方法的可行性.     

基于联系数贴近度的三角模糊数组合预测模型

针对三角模糊数预测问题，将三角模糊数转化为对应的三元联系数，以三元联系数的贴近度作为最优准则，引入广义加权平均（GOWA）算子，建立了基于三元联系数贴近度的三角模糊数组合预测模型，并证明了该模型为优性组合预测模型。通过实例分析验证了该模型是有效的，能够有效提高预测精度，并对GOWA算子中的参数进行了灵敏度分析。     

基于含熵期望曲线的云模型相关性度量方法

针对现有基于云模型的相关性度量方法缺少必要约束条件的问题,提出一种基于含熵期望曲线的云模型相关性度量方法．将云模型中超熵期望曲线的与区域和或区域的面积比作为相关性的度量基准,解决云模型的区间约束以及半云度量问题．利用3熵（3σ）约束增加云滴的聚集,减少计算开销．将超熵纳入计算,考虑云滴厚度对云模型相关性的影响．本方法克服了面向随机云滴的距离度量方法和数字特征变换方法中存在的计算复杂度高、结果不稳定的问题,同时满足了三类约束的实际计算需求．实验表明该方法能够客观有效地对云模型相关性进行度量,并在基于云模型的系统评价任务中得到了验证．     

基于三角模糊数互反判断矩阵一致性的多目标决策方法

针对决策信息为三角模糊数互反判断矩阵的模糊多目标决策问题.首先,介绍了数值型互反判断矩阵及其一致性、三角模糊数相互比较的可能度公式、三角模糊数互反判断矩阵及其一致性等知识.其次,基于三角模糊数一致性互反判断矩阵概念及最小偏差建立一个线性规划模型,通过求解该模型得到三角模糊数互反判断矩阵的排序向量,根据排序向量比较的可能度所建立的数值型互补判断矩阵的排序公式对方案排序.提出了一种新的模糊多目标决策方法.最后,通过风险投资项目的选择验证了方法是行之有效的.     

一种新的基于重心的广义梯形模糊数相似性测度

采用几何方法精确地计算了广义梯形模糊数的重心(COG),提出了一种度量广义梯形模糊数相似性测度的新方法;考虑了广义梯形模糊数之间的几何距离、重心、周长和面积;证明了所提出相似性测度的一些基本性质.最后,通过实例说明文章提出的度量方法比现有方法能更好地度量广义梯形模糊数的相似性测度.     

基于相似度的三角模糊数组合预测模型

通过对三角模糊数进行研究分析,将三角模糊数用等量信息的三个指标进行替代,采用三角模糊数的相似度作为最优准则的度量指标,并引入广义诱导有序加权平均(GIOWA)算子,建立了基于三角模糊相似度的GIOWA算子的变权系数的三角模糊数组合预测模型.通过数值实验表明,该方法有效可行.     

基于新的距离度量的三角模糊数多属性决策法

利用基于区间数的中心、半宽度的距离度量以及三角模糊数的水平集信息,定义了三角模糊数上一个新的距离度量,并证明了该距离满足非负性、对称性和三角不等式性质.进一步,针对三角模糊数上的多属性决策问题,利用该距离度量和模糊理想点思想,给出了一种基于新的距离度量的多属性topsis决策方法.最后,给出应用实例,并验证了该方法的合理性、有效性.     

基于柔性相似度量和可能性歪度的尾矿坝风险评估方法

针对现有相似性度量方法只能处理线性信息以及信息的非对称性所导致的尾矿坝风险评估效果差的问题,提出了一种基于柔性相似度量和可能性歪度的尾矿坝风险评估方法.将广义模糊数扩展为自适应模糊数,给出了柔性相似度量方法,并对其基本性质进行了证明;剖析各评估指标信息的非对称性,建立了可能性歪度矩阵;利用柔性相似度量和可能性歪度,构建尾矿坝风险评估模型,并通过尾矿坝实例来验证方法的有效性.     

基于Hausdroff距离的扩展模糊数相似性测度

提出了一种新的度量扩展模糊数相似性的新方法．在分析了现有几种相似性测度原理的基础上,指出了它们的不足之处,通过将每个扩展模糊数当作图像样本,并引入了模式识别领域中Hausdroff距离,构造了新的相似性测度公式．多组数值算例表明,该方法可以有效地度量扩展模糊数之间的相似性．     

一种结合勾股模糊相似度的多属性决策方法

为了解决现有勾股模糊相似度度量中由于忽略犹豫度而造成度量不精确的问题，提出一种新的相似度的度量方法.首先，在属性值为勾股模糊数的条件下，将勾股模糊相似度定义结合灰色关联分析的思想应用于多属性决策，提出一种新的结合勾股模糊相似度的灰色关联分析多属性决策方法，并设计了该方法的算法.通过一个翔实的算例分析证实了提出方法的正确性和有效性，证明其为多属性决策的一种新的可行方法 .通过两组实验结果的对比，提出的方法比其他方法的决策更贴近实际结果，验证了该方法的可靠性.该算法还避免了人工计算，具有高效性.     

基于模糊邻域粗糙集的信息系统不确定性度量方法

邻域粗糙集和模糊粗糙集是粗糙集理论中处理数值型数据的两种重要模型.在数值型信息系统中融合两者在不确定性度量方面的优越性,首先引入了模糊邻域粗糙集模型,并在该模型上定义了模糊邻域粗糙度的概念.模糊邻域粗糙度是通过粗糙集的边界域来度量信息系统的不确定性,为了达到更为全面的度量效果,在模糊邻域粗糙集模型中定义了模糊邻域粒结构,并基于该粒结构提出了模糊邻域粒度的概念,模糊邻域粒度是对信息系统分类能力的一种度量.最后,通过将两种度量方法进行结合,提出了一种基于模糊邻域粗糙集的混合不确定性度量方法,并从理论上证明其有效性.实验结果表明,所提出的混合度量方法综合了两种单独度量方法的优点,在数值型信息系统中具有更好的度量效果,因此所提出的不确定性度量方法更具有一定的优越性.     

三角模糊数的可能度排序方法与应用

给出了新的三角模糊数相互比较的可能度公式,并与已有结果[1]中的三角模糊数可能度定义进行比较分析,给出了一种基于三角模糊数可能度概念的多属性决策方法,并通过实例说明了该方法的可行性与有效性.     

基于规则的模糊信息的排序方法

以模糊数空间上的度量以及一族可以序化的模糊集(称之为规则库)为基础,引入了模糊数关于规则库的位值概念,建立了一种模糊数的排序方法,并通过模糊数关于规则库的符合度来进一步描述模糊数关于规则库的位值,给出了模糊信息的复合量化策略,讨论了位值和符合度的基本性质,为有效地解决某种意识下的不确定型优化问题奠定了基础.     

Vague集元素等相似度图形化表示

基于Vague集元素之间相似度量的讨论,将已有的Vague值相似性公式用图形表示,提出Vague值等相似度曲线,该曲线能更直观地体现出Vague值之间的相似性关系,并可非常清晰地反映常见相似性公式的优缺点,为相似度量提供了一种更简单、更有效的研究与评测工具。     

多特征融合的图像格贴近度匹配方法

针对目前基于内容的图像检索方法中存在噪声、边界划分模糊及相似匹配算法复杂而检索精度不高的问题,提出了一种多特征融合的格贴近度图像内容匹配方法。为了抑制噪声,对像素间的灰度关系S~g_(ij)与空间关系S~s_(ij)进行合成,提出了邻域窗口像素灰度特征描述子;为了对组成图像的对象的边界进行分割,设计了一个像素密度分布特征描述子;在对图像的灰度、纹理及密度特征进行融合的基础上,提出了一种格贴近度图像匹配方法,实现了两图像相似性比较。实验结果表明:在灰度图像的相似性检索中,多特征融合的格贴近度匹配方法与特征压缩匹配及兴趣区域匹配等其他方法相比,平均归一化修正检索秩低10%左右,查准率-查全率综合评价指标高5%左右,该方法不仅设计简单,而且具有较高的检索精度。     

一种实物期权的新型模糊定价方法

针对实物期权定价中预期现金流收益的现值是个预测值,而采用精确值给出不太合理的问题,分析了三角模糊数或梯形模糊数给出它的区间估计值,并利用Black-Scholes公式(简称B-S公式)为之定价的方法.提出了将预期现金流收益现值的专家评估区间转化成正态模糊数并利用格贴近度构造权向量的一种新的实物期权定价方法,验证了利用正态模糊数估计现金流收益现值的合理性.最后通过实例模拟证明了该方法的有效性.     

粗糙模糊数的贴近度

首先讨论了粗糙模糊数(RFN)的性质和运算法则，进而定义了粗糙模糊数的贴近度，在此基础上，分别给出了粗糙模糊数的距离贴近度，最大-最小贴近度，最小平均贴近度以及格贴近度，可用于在实际问题中对模糊信息的表述及信息加工。