基于蕴涵算子的Vague集的相似度

Vague集的相似度在智能系统的研究中有着重要的意义,现有的相似度实质上是基于距离来定义的。 从蕴涵算子的角度来研究Vague集（值）相似度,给出了一些新的Vague集相似度的计算方法,通过和现有的相似度进行比较分析,证明该方法具有更好的合理性和度量效果,因而有望在模式识别、图象处理等领域中得到广泛的应用。     

Vague集(值)相似度量的比较和改进

相似度量是研究和应用vague集（值）的重要工具．本文首先介绍了vague集（值）的概念，定义了相似度．接着比较了已有的vague值的相似度量方法．用实例说明这些方法在某些情况下不适用，并分析了造成不适用的原因，进而指出影响vague集（值）相似度量的3个因素．在此基础上改进了vague值和加权vague值的相似度量方法，最后修正了vague集的相似度量方法．由于所提出的方法考虑了影响vague集（值）相似度量的各个因素，因而能避免已有方法在某些数值上的不妥．     

多准则模糊决策的Vague集方法

对模糊环境下的多准则决策问题,指出了采用Vague集进行多准则模糊决策的现有记分函数的不足,根据Vague集隶属度、非隶属度的之间的大小关系,对由Vague值组成的集合进行划分,提出新的记分函数法以及加权记分函数法.并用Vague集描述方案关于准则集的满足程度与不满足程度,即准则的权重也由Vague集表示.这种方法为决策者做出最优决策提供了一种方便有效的方法.     

基于决策者Vague信心度的模糊多准则方法

定义了梯形Vague数和基于决策者风险态度的Vague信心度,提出了一种基于决策者Vague信心度的信息不完全的模糊多准则决策方法.该方法利用线性规划模型求出准则权重,并对方案在各个准则值下的决策者的Vague信心度进行集成,求出决策者对各个方案的综合信心度,进而利用可能度法对方案进行排序.最后实例验证了所提出方法的合理性与有效性.     

基于Vague集的TOPSIS方法及其应用

逼近理想解的排序方法(TOPSIS)是求解多属性决策问题的一个典型方法,将TOPSIS方法在V ague集下进行了扩展。介绍了V ague集的概念及其相似度量方法,提出了用V ague值表示的语言术语集。根据V ague值的优势函数定义了V ague正、负理想解。根据V ague值的相似度量定义了各方案到正理想解和负理想解的距离,得出各方案的相对贴近度,并据此排序,供决策者选择最优方案。     

基于直觉正态模糊集结算子的多准则决策方法

定义了直觉正态模糊数及其运算法则、Euclidean距离、直觉正态模糊加权算术平均算子和直觉正态模糊加权几何平均算子. 针对准则值为直觉正态模糊数而权重信息不完全的多准则决策问题, 提出了一种基于直觉正态模糊集结算子的决策方法. 该方法首先利用各方案之间的距离和最小化思想建立优化模型求得最优权重, 然后利用集结算子对各准则进行集结, 从而得到各方案的综合评价值, 最后通过比较它们跟正负理想方案间的相对贴近度的大小, 得到方案集的排序. 实例表明该方法的有效性和可行性.     

多目标模糊决策的Vague集方法

对模糊条件下的多目标决策问题,采用Vague集方法进行处理,提出三种目标选择方法:记分函数法、加权记分函数法和距离法.对已有的Vague集方法进行了分析与联系,并通过例子阐明本文方法的有效性和优越性.     

基于Vague聚类方法的战场电磁目标分选

为有效地评估战场电磁态势,研究战场电磁目标的聚类分选方法是非常必要的。提出了一种Vague集相似度量方法,该方法能同时考虑目标数据的全部证据信息和不精确性信息。然后,结合领域专家的知识与经验,研究了一种Vague聚类方法,该方法通过对构建的布尔矩阵逐行扫描,能方便地实现对目标的聚类分选。最后,选定某战场环境中的5个电磁目标,采用提出的Vague聚类方法进行分选分析,计算结果验证了采用Vague聚类方法分选战场电磁目标的可行性。     

基于Vague集的空中目标威胁评估群决策方法

主观威胁评估方法是空中目标威胁评估的必要手段。将基于Vague集的群决策方法用于空中目标的主观威胁评估,用Vague数表示决策者对目标威胁度的主观评价值,提出一种Vague熵诱导的有序加权平均算子,用于集结各个Vague评价值,可以消除集结过程中人为误差带来的不良影响。为了直观评估各目标威胁程度大小,还提出一种基于Vague数距离和优劣点法的决策方法,来对目标威胁度进行比较和排序。算例证明该方法在空中目标威胁评估中是可行的,而且比常用的模糊综合评估方法更加有效。     

基于FV-OWA算子的不确定多属性决策方法

对基于模糊数Vague集的不确定多属性决策方法进行了研究.定义了模糊数Vague值的一些运算法则,基于这些法则,给出了一种模糊数Vague值的有序加权平均(FV-OWA)算子.基于FV-OWA算子,提出了一种属性权重完全未知、且方案的属性评估信息以模糊数Vague值形式给出的不确定多属性决策方法.最后,进行了实例分析.     

AN EXTENSION OF TOPSIS FOR FUZZY MCDM BASED ON VAGUE SET THEORY

1.Introduction The multicriteria decision-making problem(Kickert1978)is a kind of problem that all the alternatives in the choice set can be evaluated according to a number of criteria.A MCDM problem can be concisely expressed in matrix format as C1C2C n11112122122212nnm m m mnA x x xMA x x xA x x x=W={w1,w2,,wn}where A1,A2,,Am are possible alternatives among which decision-makers have to choose,C1,C2,,C n are the criteria with which alternative performance are measured,xi j is the rati…     

基于动态时间弯曲的区间值时间序列匹配算法

结合vague集的优点,将区间值的思想应用于时间序列研究,定义了基于区间值的时间序列.同时,在综合分析了不同的vague值(区间值)的相似度量的缺点后,提出了一种新的基于vague值的相似度量,并结合动态时间弯曲的思想,给出了一个基于动态时间弯曲的区间值时间序列的相似性匹配算法.     

Extension of TOPSIS for fuzzy multi-attribute decision making problem based on experimental analysis

This paper is concerned with a technique for order performance by similarity to ideal solution (TOPSIS) method for fuzzy multi-attribute decision making, in which the information about attribute weights is partly known and the attribute values take form of triangular fuzzy numbers. Considering the fact that the triangular fuzzy TOPSIS results yielded by different distance measures are different from others, a comparative analysis of triangular fuzzy TOPSIS ranking from each distance measure is illustrated with discussion on standard deviation. By applying the most reasonable distance, the deviation degrees between attribute values are measured. A linear programming model based on the maximal deviation of weighted attribute values is established to obtain the attribute weights. Therefore, alternatives are ranked by using TOPSIS method. Finally, a numerical example is given to show the feasibility and effectiveness of the method.     

基于包含度的直觉模糊相似度量推理方法

针对现有直觉模糊相似度量大都基于距离测度的现状,提出一种基于包含度的直觉模糊相似度量推理方法。所提方法利用模糊蕴涵算子及集合基数建立一系列直觉模糊包含度函数,并对基于包含度的强相似度量进行定义,给出满足强相似度量的若干性质,揭示了包含度与相似度之间的关系,进而将基于包含度的直觉模糊相似度量引入直觉模糊推理,提出了基于包含度的直觉模糊相似度量推理方法。以现有的10种直觉模糊相似度量方法与所提方法进行比较,并通过典型的实验数据分别展示了基于包含度的直觉模糊相似度量方法的优越性与较强的区分能力,实验目标样本的推理结果验证了所提方法具有较高的推理精度。     

融合记分函数的直觉模糊集相似度性质再定义与模型设计

相似度函数是含有直觉模糊集(intuitionistic fuzzy sets,IFS)的多准则决策的重要内容,直接影响了决策结果。通过比较现有的18种IFS的相似度函数,分析了其与相似度定义的匹配程度。其次,分析了IFS相似度部分性质应用的局限性,依据记分函数来比较直觉模糊数的大小,进而重新定义了IFS的相似度性质。再次,针对重新定义的相似度性质,设计了一种新的IFS相似度度量模型。最后,通过算例分析和灵敏度分析验证本文方法的有效性和对决策结果的区分度。     

基于vague集的模糊多目标决策方法

提出了一种基于vague集的模糊多目标决策方法.首先利用优属度计算方法将决策矩阵转化为 目标优属度矩阵,然后通过计算方案的支持目标集、反对目标集和中立目标集得出方案的vague估计值, 最后利用一个评分函数对方案进行排序,从而选出最优方案.算例验证了该方法的有效性.     

基于改进IFRS相似度和信息熵的反导作战目标威胁评估

针对现有反导目标威胁评估方法忽略目标属性犹豫度和权重并造成评估精度不高的问题,引入直觉模糊粗糙集(intuitionistic fuzzy rough set, IFRS)理论,提出基于改进IFRS相似度和信息熵的反导作战目标威胁评估方法。首先,细分IFRS犹豫度,提出改进的IFRS相似度模型,并证明其性质。之后,针对现有的IFRS信息熵存在与直觉事实不相符的问题,提出基于余弦函数的IFRS信息熵,确定目标属性权重。在此基础上,构建并量化反导作战目标威胁评估体系,并通过比较威胁目标的各个属性值与正、负理想解的相似度,实现目标威胁排序。仿真实例验证了该方法的可行性和有效性,可为不确定环境下反导作战威胁评估提供新的参考和尝试。     

Rough similarity degree and rough close degree in rough fuzzy sets and the applications

Based on rough similarity degree of rough sets and close degree of fuzzy sets, the definitions of rough similarity degree and rough close degree of rough fuzzy sets are given, which can be used to measure the similar degree between two rough fuzzy sets. The properties and theorems are listed. Using the two new measures, the method of clustering in the rough fuzzy system can be obtained. After clustering, the new fuzzy sample can be recognized by the principle of maximal similarity degree.