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。     

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.     

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.     

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.     

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.     

区间值模糊集的粗糙度

给出了粗糙区间值模糊集的概念,并研究了一些基本性质.通过引进区间值模糊集水平上、下区域的概念,解决了粗糙集理论中普遍存在的两个集合的交的上近似不等于两个集合的上近似的交(两个集合的并的下近似不等于两个集合的下近似的并)的问题.定义了区间值模糊集的粗糙度,由于区间值模糊集水平上、下区域概念的引进,得到了比普通模糊集的粗糙度更好的结果.     

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。     

连续区间值模糊数的相关性

引入了关于连续区间值模糊数的区间度和相关系数的概念 ,从而研究并讨论了它们的一些基本性质 ,这些结果将在模糊模式识别 ,模糊随机过程和决策分析中得到一些应用.     

基于目标函数的直觉模糊集合数据的聚类方法

针对直觉模糊集合数据的聚类问题,提出了一种基于目标函数的聚类方法。该方法定义了直觉模糊集合间的加权相似性准则,解决了数据聚类过程中各维特征分配不均匀的问题。通过增加非隶属度参数对模糊c〖CD*2〗均值(fuzzy c means, FCM)聚类算法中的模糊划分矩阵〖WTHX〗U〖WTBZ〗和目标函数进行改造,进而给出迭代推导公式和算法描述,把聚类归结为一个带约束的线性规划问题,适用于大数据量的情况。最后通过典型实例验证了该方法的有效性和优越性。     

模糊集值信息系统中的决策规则获取研究

以集值信息系统为研究对象,提出了一种使用参数控制对象间相似程度的自反二元关系。接着,将集值信息系统拓展为模糊的形式,研究了其中的决策规则获取方法,进行了实例分析。     

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.     

A multi-criteria decision making procedure based on interval-valued intuitionistic fuzzy bonferroni means

Inspired by the idea of Bonferroni mean, in this paper we develop an aggregation technique called the interval-valued intuitionistic fuzzy Bonferroni mean for aggregating interval-valued intuitionistic fuzzy information. We study its properties and discuss its special cases. For the situations where the input arguments have different importance, we then define a weighted interval-valued intuitionistic fuzzy Bonferroni mean, based on which we give a procedure for multi-criteria decision making under interval-valued intuitionistic fuzzy environments.     

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.     

基于前景理论的区间直觉模糊多准则决策方法

针对准则值为区间直觉模糊数, 准则权重分别为完全未知和部分已知的多准则决策问题, 提出一种基于前景理论的决策分析方法. 该方法给出一种新的记分函数(P-记分函数), 据此可将区间直觉模糊数转化为实数. 利用前景理论, 以零点为参考点计算前景值, 构建前景决策矩阵. 建立以综合前景值最大化为目标, 以权重取值允许范围和决策者主观偏好为约束的优化模型, 计算准则权重. 结合前景决策矩阵及准则权重, 计算各方案的综合前景值, 并以此对方案进行排序. 最后通过实例验证了该方法的有效性.     

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.     

直觉模糊框架内的区间证据组合方法研究

区间证据的组合是区间证据理论中的核心问题之一,尽管相关学者试图将D-S证据理论中的证据组合规则进行推广以实现区间证据的组合,但该问题仍未得到完全解决.目前已有的组合方法都是基于优化模型来确定融合结果中各基本概率质量(BPM)的上下界,不仅算法复杂度较高,而且这类方法不满足结合律,对多个区间证据进行组合时不能依次对各个证据进行组合,难以满足时域信息融合的需求.本文基于直觉模糊集与证据理论之间的关系,在直觉模糊框架内对区间证据的组合问题进行研究.首先基于证据理论定义一种新的直觉模糊运算,通过区间证据与直觉模糊集之间的相互转换,提出一种基于直觉模糊集的区间证据组合方法,该方法满足交换律和结合律,对多个区间证据进行组合时具有较强的灵活性.数值仿真表明,基于直觉模糊集的区间证据组合方法可以获得合理的组合结果,而且算法复杂度远低于现有方法.     

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.