区间直觉模糊统计判决与决策

针对统计判决与决策中存在的模糊性, 给出了模糊性区间直觉模糊集的描述方法. 首先, 给出了区间直觉模糊事件概率的概念; 其次, 在定义区间直觉模糊$t$模及$s$ 模的基础之上, 给出了区间直觉模糊事件概率所满足的基本性质, 证明了区间直觉模糊乘法定理、全概率公式和贝叶斯公式; 再次, 根据给出的区间直觉模糊概率的性质, 依据信息源类型的不同, 详细分析区间直觉模糊统计判决与决策的方法; 最后, 验证了该方法的有效性.     

区间直觉模糊事件概率及其泛化形式的研究

针对随机现象中存在的模糊性,给出了区间直觉模糊集（interval-valued intuitionistic fuzzy sets, IVIFS）的解决方案。首先,定义了样本空间中区间直觉模糊事件（interval-valued intuitionistic fuzzy events, IVIFE）的概念,给出了区间直觉模糊事件概率的描述化定义。其次,定义了区间直觉模糊三角模及三角余模的概念,给出了区间直觉模糊事件概率的公理化定义。再次,给出了区间直觉模糊概率的泛化形式,即可分形式和不可分形式,并详细证明了不可分形式。最后,通过实例验证了不可分形式。     

基于直觉模糊聚类的目标识别

空中目标的正确识别对防空作战具有重要的意义。针对目标识别的特点,提出了基于直觉模糊聚类的识别方法。首先,给出了直觉模糊相似度和相异度的度量方法,并利用目标特征信息计算直觉模糊相似度和相异度。然后,在分析了现有的几种直觉模糊相似矩阵构造方法的基础上,提出了一种新的直觉模糊相似矩阵的构造方法,并给出了直觉模糊相似矩阵转化为直觉模糊等价矩阵的途径;此外,定义了直觉模糊等价矩阵的（α,β）截矩阵,进而实现直觉模糊集的聚类。最后,运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明,提出的方法是可行、有效的。     

直觉模糊关系及其合成运算

系统研究了作为Zadeh模糊集理论重要扩展的Atanassov直觉模糊关系及其合成运算.在考察Atanassov直觉模糊集与Zadeh模糊集之间关系的基础上,首先引入直觉模糊集及范数的概念、定义和性质,对直觉模糊集之间的一般关系、逆关系、零关系、全关系、恒等关系及其合成运算等进行了定义,研究了它们进行关系运算的基本规则、特殊性质及相关定理,且给出了必要的证明过程.揭示了直觉模糊关系的自反性、对称性及传递性,证明了直觉模糊关系合成运算的结合律定理.把Atanassov算子对于直觉模糊关系性质的影响,即对于自反性、对称性、逆对称性、完全逆对称性及传递性等性质的影响,归纳为该算子的效用性质和等价性质两个定理.     

基于直觉模糊集的多属性模糊决策方法

针对模糊条件下的多属性决策问题,提出了一种新的基于直觉模糊集的多属性模糊决策方法。首先,给出了直觉模糊集的几何解释,定义了两个直觉模糊集之间的距离,确定了各候选方案指标值在直觉模糊集中的表示形式。其次,针对在信息不完全确定的模糊环境下,建立了基于直觉模糊集的多属性模糊决策模型,给出了适合这种模型的相应定义,提出了理想方案和负理想方案的概念,并结合信息不完全确定性处理来保证方案的唯一性。最后,通过比较各方案的直觉模糊集与理想和负理想方案的距离来确定方案集的排序。通过实例验证了方法的正确性和有效性。     

基于直觉模糊优选模型的混合型多属性决策

根据区间值模糊集和直觉模糊集可以互相转化,而且语言变量和标准化后的实数变量也可以用直觉模糊数的形式来表示,将规范化处理后的混合型决策矩阵转化为直觉模糊决策矩阵,并建立了直觉模糊优选模型,从而得出各个方案的直觉模糊评价值。基于直觉模糊点运算引入了一种新的得分函数,对直觉模糊数进行排序。算例结果表明了该决策方法是实用和可行的。     

直觉模糊正规子群的乘积结构

在K. Atanassov引进直觉模糊集概念的基础上，给出了直觉模糊集的乘积和直觉模糊正规子群的定义，并进一步研究了这种直沉模糊正规子群的乘积结构与特征问题。     

双枝模糊集模糊性度量

利用双枝模糊集概念,提出了双枝模糊集、上枝模糊集、下枝模糊集的模糊度概念。通过双枝模糊集模糊度的理论定义,给出了有限论域上双枝模糊集、上枝模糊集、下枝模糊集模糊度的构造性定理,利用这些定理进一步给出了双枝模糊集、上枝模糊集、下枝模糊集模糊度的几种具体计算公式。通过讨论得出单枝模糊集的模糊度是双枝模糊集模糊度的特例。     

三参数区间值模糊集上的TOPSIS决策方法

考虑到区间值模糊集中代表元在决策分析中的重要作用,提出三参数区间值模糊集和三参数区间值模糊值的概念,给出了三参数区间值模糊值之间的运算关系,定义了三参数区间值模糊值之间一种新的距离. 基于这种距离, 针对三参数区间值模糊集上的一个多属性决策模型, 提出了一种TOPSIS决策方法.最后以实例说明该方法的有效性.     

广义区间值直觉模糊数及其在工位评估中的应用

直觉模糊数及其在模糊多属性决策问题中的应用吸引了众多学者的注意, 而将直觉模糊数进一步拓展为 广义直觉模糊数也有一些文章涉及. 然而, 基于区间值直觉模糊数的延伸却较少有文献研究, 本文结合广义 直觉模糊数与区间值模糊数的定义、性质, 提出了广义区间值直觉模糊数的概念. 为服务于模糊多属性决策问题, 进一步引入了基于广义区间值直觉模糊数的加、减和数乘运算规则, 并证明了其在定义域上具有封闭性. 由此给 出针对广义区间值直觉模糊数的三条排序准则. 最后将广义区间值直觉模糊数的概念应用于生产线人工工位的 绩效评估案例中, 从而验证了本文提出方法的有效性和实用性.     

Intuitionistic fuzzy hierarchical clustering algorithms

Intuitionistic fuzzy set (IFS) is a set of 2-tuple arguments, each of which is characterized by a mem-bership degree and a nonmembership degree. The generalized form of IFS is interval-valued intuitionistic fuzzy set (IVIFS), whose components are intervals rather than exact numbers. IFSs and IVIFSs have been found to be very useful to describe vagueness and uncertainty. However, it seems that little attention has been focused on the clus-tering analysis of IFSs and IVIFSs. An intuitionistic fuzzy hierarchical algorithm is introduced for clustering IFSs, which is based on the traditional hierarchical clustering procedure, the intuitionistic fuzzy aggregation operator, and the basic distance measures between IFSs: the Hamming distance, normalized Hamming, weighted Hamming, the Euclidean distance, the normalized Euclidean distance, and the weighted Euclidean distance. Subsequently, the algorithm is extended for clustering IVIFSs. Finally the algorithm and its extended form are applied to the classifications of building materials and enterprises respectively.     

Intuitionistic fuzzy C-means clustering algorithms

Intuitionistic fuzzy sets (IFSs) are useful means to describe and deal with vague and uncertain data. An intuitionistic fuzzy C-means algorithm to cluster IFSs is developed. In each stage of the intuitionistic fuzzy C-means method the seeds are modified, and for each IFS a membership degree to each of the clusters is estimated. In the end of the algorithm, all the given IFSs are clustered according to the estimated membership degrees. Furthermore, the algorithm is extended for clustering interval-valued intuitionistic fuzzy sets (IVIFSs). Finally, the developed algorithms are illustrated through conducting experiments on both the real-world and simulated data sets.     

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。     

直觉模糊等价矩阵构造方法

对直觉模糊相似关系和等价矩阵构造问题进行了深入研究,提出一种利用求传递闭包来构造直觉模糊等价矩阵的方法,并从理论上给出了相关证明.首先,利用直觉模糊合成运算及其结合律,相关引理和数学归纳法证明了直觉模糊相似矩阵R的任意k次合成运算也是直觉模糊相似矩阵的定理.其次,综合运用直觉模糊最小传递矩阵的概念及相关引理,证明了n阶直觉模糊矩阵的传递闭包定理和n阶直觉模糊相似矩阵定理,推导出包含R的最小直觉模糊等价矩阵的推论.最后指出,可以从一个直觉模糊相似矩阵R出发,利用连续合成运算求传递闭包的方法来构造一个直觉模糊等价矩阵.     

粗糙度量和模糊信息颗粒化

信息是由对象、属性、值组成的三元组,当对属性值用较粗的标度去度量时就得到了其论域上的粗糙度量。据此构造了模糊集合理论的基础概念,即模糊集合是不确定标度下的粗糙度量,隶属函数是粗糙程度不同的度量间的转换函数,模糊集合将信息模糊颗粒化,这些信息颗粒之间的相互关系就是模糊映或模糊计算,基于这些概念的模糊系统具有可理解性。     

改进TOPSIS的多态融合直觉模糊威胁评估

针对防空作战中的目标威胁评估问题,提出一种新的多时刻融合直觉模糊集排序模型。首先,依据目标威胁属性的主、客观权重得到综合权重。然后,通过逼近理想解排序法来衡量直觉模糊集信息量的大小,利用直觉模糊熵来表征直觉模糊集信息的可靠性,并结合决策者的风险偏好,构建了基于信息量和不确定性的直觉模糊集排序模型,得出单时刻的目标威胁排序。最后,利用泊松分布逆形式构建了时间序列权重以融合多个时刻的决策信息,得出最终的目标威胁排序。仿真结果表明,所提算法综合了多时刻的决策信息,并可根据决策者的风险偏好进行调整,灵活性强,可靠性高。     

双论域上的直觉模糊概率粗糙集模型及其应用

基于一个直觉模糊关系,给出了双论域上的直觉模糊概率粗糙集模型的定义,同时也给出了逆下近似、上近似算子的概念. 研究了它们的若干性质,为粗糙集的应用提供了新的理论基础与操作手段.最后,通过在临床诊断系统中的具体应用阐述了本文提出的直觉模糊概率粗糙集模型的有效性和优越性.     

Interval-valued intuitionistic fuzzy aggregation operators

The notion of the interval-valued intuitionistic fuzzy set (IVIFS) is a generalization of that of the Atanassov’s intuitionistic fuzzy set. The fundamental characteristic of IVIFS is that the values of its membership function and non-membership function are intervals rather than exact numbers. There are various averaging operators defined for IVIFSs. These operators are not monotone with respect to the total order of IVIFS, which is undesirable. This paper shows how such averaging operators can be represented by using additive generators of the product triangular norm, which simplifies and extends the existing constructions. Moreover, two new aggregation operators based on the ukasiewicz triangular norm are proposed, which are monotone with respect to the total order of IVIFS. Finally, an application of the interval-valued intuitionistic fuzzy weighted averaging operator is given to multiple criteria decision making.