基于组合权重的犹豫直觉模糊语言灰关联决策方法

为了处理多准则决策中的不确定信息,基于犹豫直觉模糊集和犹豫直觉模糊语言集,提出新的犹豫直觉模糊元素的欧氏距离和犹豫直觉模糊语言元素的欧式距离.利用灰关联方法,并结合组合权重的思想,提出了一种基于组合权重的犹豫直觉模糊语言灰关联决策模型.实例说明该决策方法的合理性和有效性.     

考虑交叉影响的直觉不确定语言多属性群决策方法

针对隶属度或非隶属度为零的直觉不确定语言数,已定义的直觉不确定语言基本运算存在不合理性,导致信息集结结果出现较大偏差.考虑直觉不确定语言数的隶属度与非隶属度之间可能存在的交叉影响,定义新的加法、数乘、乘法及幂乘运算,在此基础上给出直觉不确定语言加权交叉算术平均算子、有序算术平均算子及混合交叉算术平均算子,同时给出直觉不确定语言加权交叉几何平均算子、有序几何平均算子及混合几何平均算子.根据算子本身的特点给出考虑交叉影响的直觉不确定语言多属性群决策方法,并通过算例验证所给决策方法的有效性与可行性.     

部分权重信息下的交互式直觉模糊多属性决策方法

在部分权重信息下的直觉模糊环境中,提出了一种交互式多属性决策方法.定义了方案的期望水平、方案达成度、方案综合度等概念.基于这些概念,建立了一些决策者与分析者之间不断交互的线性规划模型.然后在此基础上提出了一种实用的交互式选择最佳方案的方法.该交互式过程通过给定和不断修改方案达成度和综合度来实现人机交互决策,最后给出了应用实例.     

基于TOPSIS扩展的直觉模糊多属性群决策

研究直觉模糊环境下的多属性群决策问题,提出了一种基于TOPSIS扩展的直觉模糊多属性群决策方法.传统的TOPSIS方法中,理想解是以向量形式表示的,本文给出了理想解一种新的矩阵表示形式,通过实例分析验证了这种方法的可行性与有效性.     

关于k阶模糊关系的直觉模糊粗糙集

本文基于三角模研究了k阶模糊关系下的直觉模糊粗糙集,通过k阶模糊关系定义了近似算子及其性质.     

基于直觉模糊集距离测度的多属性直接聚类方法

距离测度是度量两个直觉模糊集的重要方法,在聚类分析中被广泛应用．本文基于相异度矩阵的思想,在直觉模糊多属性聚类中,定义了距离测度矩阵,然后根据不同的阚值要求转化为布尔矩阵进行聚类,最后通过实例验证该方法的有效性．     

基于粒子群算法的直觉模糊多目标规划

提出了一种基于粒子群算法的直觉模糊多目标规划.首先利用直觉模糊集与区间模糊集同构的性质分别对目标函数和约束函数的直觉模糊集进行转化,然后利用线性加权的方法处理目标函数和约束函数的优越集,得到一个含有参数的求解模型,并用粒子群算法求解,最后,通过一个算例表明该文的算法的可行性和优越性.     

基于三角模的模糊粗糙集与模糊关系之间的联系

研究了论域上模糊关系与(φ,T)-粗糙集上的近似算子之间的联系;给出了满足一定条件的(φ,T)-粗糙集与特殊模糊关系之间的等价条件;定义了上可定义模糊集合,并证明了它是完备的分配格,同时对其结构进行了刻画．     

一种基于模糊偏好矩阵和IOWA算子的模糊群决策方法

基于模糊偏好关系矩阵和IOWA算子,提出了一种改进的用于指标筛选和指标权重确定的模糊群决策方法.该方法以修正后的专家权重作为IOWA算子的诱导分量,将专家个体的模糊偏好集结为群的模糊偏好,在此基础上确定各指标的权重,并以此进行指标的筛选.在剔除不重要的指标后,该方法无须再度采集专家偏好信息就可重新计算剩余指标权重.     

基于互异指数的直觉模糊相似度构造

为了进一步提高直觉模糊相似度对事物的识别能力,从数据的结构和几何特点出发,对已有直觉模糊相似度进行分析,结合具有倾向性的直觉模糊相似度公式,构造出一种新的基于互异指数的直觉模糊相似度,并通过Wilcoxon秩和检验的方法确定参数范围．新构造的相似度公式不仅满足直觉模糊相似度的公理化定义,而且可以广泛应用于决策领域．     

航空发动机维修灰色模糊决策方法研究

以灰色系统理论和模糊数学为基础,提出一套完整的航空发动机维修灰色模糊决策方法,试验结果表明,决策结果更加接近故障维修实际,该方法可用于航空发动机维修决策支持系统的开发,对其他复杂武器装备维修决策具有一定的参考价值.     

一种基于投影的多指标决策方法及应用

研究了权重已知、各指标值是区间数的多指标决策问题.以投影原理作为依据,通过确定区间型理想点,考虑各方案在理想点上的投影来对所有方案进行排序,最后用该决策方法分析了一个实际问题,并取得了满意的结果.     

基于模糊综合法及灰色关联分析法对江苏省本科教育质量的评价

针对江苏省本科教育质量评价,运用模糊综合评价法和灰色关联分析法等方法,构建模糊评价模型和灰色关联模型.运用EVIEWS,MATLAB等软件进行数据处理和模型分析,探索提高江苏省本科教育质量的有效途径,并提出相应建议.     

基于模糊集理论的图像增强算法

红外图像具有整体亮度偏暗、对比度较低、目标与背景区分不明显的特点。因此,在对红外图像进行分析之前,必须先对图像质量进行改善。传统的基于模糊集理论的Pal.King算法,在增强红外图像对比度的同时,丢失部分细节信息。在分析这一问题产生原因的基础上,结合图像反色和多分辨率图像融合等理论,提出了一种新的基于模糊集理论的图像增强算法,新的算法不仅能够提高红外图像的对比度,而且能很好的突出图像中不同层次的灰度信息和边缘信息,最重要是它能保持原始图像的细节信息。     

基于模糊点数据的线性回归分析

在经典回归分析理论中,假定训练数据是独立同分布的随机样本,并且在回归方程的构建中是同等对待的.然而,在许多实际问题中,训练数据的作用是不同的;通常有些训练数据比其它数据可能更为重要,因而不同的训练数据对曲线拟合的贡献应该不同.人们要求重要的训练数据对曲线拟合做出更大的贡献.实现这一目标的策略是给每个训练数据赋予一个置信权重并且重新推导了经典的最小二乘回归方法,分析了它们的统计性质.受文[1]的启发,将这里的样本称为模糊点样本数据.     

基于模糊C均值的酿酒葡萄分级

应用模糊C均值算法对葡萄酒和葡萄的26个全部理化指标进行聚类分析,将将27个红葡萄酒样品和28个白葡萄酒样品的酿酒葡萄分为3个级别.     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.