Larsen模糊推理算法的直觉化扩展

对Larsen模糊推理算法进行了直觉化扩展。首先将Larsen定义的模糊关系Rp进行直觉化扩展,然后推出了其对应的直觉模糊取式推理算法和直觉模糊拒式推理算法。最后以具体算例叙述了推理计算过程中的细节,验证了该方法的正确性和有效性。结果证明直觉化扩展后的Larsen模糊推理算法是一种性能比较好的直觉模糊推理算法。     

用单一公理刻画由复合直觉模糊关系生成的（S,T）-直觉模糊粗糙近似算子

粗糙集理论中的下近似算子和上近似算子是粗糙集理论基础研究和应用发展最重要的概念之一.粗糙近似算子的公理刻画是粗糙集理论研究的一个重要方向.基于[0,1]×[0,1]上的一个直觉模糊三角模T及其对偶直觉模糊三角余模S,给出由直觉模糊关系生成的直觉模糊近似算子的公理方法.证明了由串行、自反、对称、传递等合成的各种直觉模糊关系生成的S-下直觉模糊近似算子与T-上直觉模糊近似算子都可以用一条公理来刻画.     

基于数值拟合的直觉模糊近似推理方法

基于直觉模糊集和数值拟合技术,考虑其隶属度与非隶属度两个因素的影响,提出了一种直觉模糊集的近似推理算法。首先给出了直觉模糊集的定义,推导出了一种数值拟合方法,讨论了GMP问题和GMT问题的一般推理过程。其次,重点研究了基于直觉模糊逻辑的近似推理方法。最后以具体算例验证了所提方法的正确性和有效性。     

基于直觉模糊剩余蕴涵的直觉模糊粗糙集的性质

本文主要研究直觉模糊剩余蕴涵下的直觉模糊粗糙集的构造和性质.定义了直觉模糊集上的剩余蕴涵, 基于该剩余蕴涵构造了直觉模糊粗糙集的上、下近似算子, 并给出了基于不同二元关系下近似算子的性质.     

基于Vague集的一类蕴涵算子

介绍了采用Fuzzy集进行近似推理的一些蕴涵算子的性质,根据Vague集的直觉特性提出了采用Vague集实现近似推理的一类蕴涵算子的构造方法,并根据Vague集的模糊熵对上述蕴涵算子的特性进行了解释。     

蕴涵区间直觉模糊粗糙集及其性质

在区间直觉模糊近似空间上,利用一对区间直觉模糊蕴涵算子(I,J),定义了蕴涵区间直觉模糊粗糙集的概念,并证明了相应的一些重要性质。最后,对区间直觉模糊关系的自反性,对称性和传递性进行了刻画。     

权重优化下基于证据推理的直觉模糊多属性决策

针对决策者给出属性权重系数的直觉模糊多属性决策问题,提出一种权重系数优化方法并通过证据推理有效融合各项决策数据.首先,用直觉模糊熵和直觉模糊相似度表示决策信息的客观性,利用熵权法融合公式对主观权重系数进行优化修正;其次,发挥证据推理方法的优越性,将各属性的直觉模糊信息进行融合得到每个方案的综合直觉模糊集;再次,运用一种...     

基于自信息熵的直觉模糊决策系统的属性约简

针对在直觉模糊集中,利用下近似构建的约简只考虑了下近似而忽略了上近似,从而导致一些信息丢失的问题,基于直觉模糊集的上、下近似提出了3种熵度量,并将其应用于直觉模糊决策信息系统的约简之中。在直觉模糊决策信息系统上定义用于描述直觉模糊关系的3种不确定性度量,分别为平均决策指数、平均安全决策指数以及平均风险决策指数,并在此基础上依次提出了条件信息熵、条件粗糙熵和自信息熵,基于自信息熵给出了相应的约简定义以及属性约简算法。在多个数据集上的实验表明,所提出的属性约简算法与其他算法相比,约简结果更具有优越性以及鲁棒性。     

区间直觉模糊粗糙集的公理化

基于单个以及两个论域之间的区间直觉模糊关系,用构造性方法建立两种区间直觉模糊粗糙集模型,并讨论一些相关性质.在此基础上,用公理化方法给出区间直觉模糊粗糙近似算子的公理化描述.     

直觉模糊信息系统下基于优势关系的邻域粗糙集

粗糙集是处理不确定性信息的有效数学工具,然而,在复杂的环境下,经典粗糙集并不能满足某些特殊的现实需要,因此,为粗糙集引入拓展要素,是增强模型可靠性的重要手段。文章在直觉模糊信息系统下,基于优势关系研究邻域粗糙集模型。首先将直觉模糊数与邻域粗糙集近似算子结合,刻画直觉模糊邻域粗糙近似算子,建立直觉模糊邻域粗糙集模型。然后,引入了优势关系,构建优势邻域类,进而构建基于优势关系下的直觉模糊邻域粗糙集模型,并研究了该模型的上下近似、优势邻域类、集合的基本运算等性质,给出了模型不精确性度量指标。最后通过实例验证了所提出模型的有效性。     

具有三种否定的模糊推理算法及应用

模糊推理中,合成规则推理方法（compositional rule of inference, CRI）与基于贴近度的方法（similarity based approximate reasoning,SAR）都是建立在只有一种否定的经典模糊集上。针对广义模糊集GFScom(generalized fuzzy sets with contradictory, opposite and medium negation)具有三种否定（矛盾否定、对立否定、中介否定）的特点,对模糊推理方法 CRI的蕴含算子作了扩展。提出了具有三种否定的GFScom贴近度定义和公式,得到模糊近似推理的一种新的计算形式GSAR方法,证明了GSAR该方法具有FMP(fuzzy modus ponens)还原性。通过应用实例对比,模糊推理GSAR的新方法不仅克服了CRI方法在建立模糊关系矩阵具有主观性和随意性的不足,而且客观有效地反映了模糊推理中的3种否定信息,丰富了模糊推理的形式。     

模糊控制中近似推理的插值模型

提出一种新的模糊控制近似推理模型——插值模型,即用多元插值方法来进行近似推理．在精确插值问题基础上提出模糊插值问题,并给出插值公式     

一个新的基于Vague集的近似推理方法

对于模糊概念(用Vague集表示)的隶属函数为连续的情况,将规则前件中模糊概念的论域与后件中模糊概念的论域作一一映射,给出基于Vague集的隶属函数为连续情况下的近似推理方法;对于Vague集的隶属函数为离散的情况,在作上述相同的映射后,再将规则前件中的Vague集和事实中的Vague集的真/假隶属函数分别进行线性插值,使它们都成为连续函数,然后给出基于Vague集的隶属函数为离散情况下的近似推理方法.     

一种基于区间值模糊集的模糊推理方法

对区间值模糊集的论域分类讨论,给出基于区间值模糊集论域为连续时的模糊推理方法; 区间值模糊集论域为离散时,将其线性插值为连续,然后给出论城为离散情况下的模糊推理方法。     

基于模拟退火的模糊分类系统在数据挖掘中的应用

给出了一种基于模拟退火的模糊分类系统—SAFCS,该分类系统结合了SA元启发式搜索策略的学习能力和模糊系统的近似推理方法,旨在改善与分类问题有关的大型数据空间的搜索性能,找到模糊if-then规则的优化集.SAFCS可以从输入数据集中抽取精确的模糊分类规则,并在若干不同预定义类中将其应用于对新数据实例的分类.文末用某数据集检测了SAFCS的性能,结果表明,在与其他几个著名算法比较时该分类系统性能可靠.     

基于Fuzzy集的插值模糊推理

对于模糊概念 (用Fuzzy集表示 )的隶属函数为连续的情况 ,将规则前件中的模糊概念的论域与后件的模糊概念的论域作一一映射 ,然后给出基于Fuzzy集的隶属函数为连续情况下的插值模糊推理方法 ;对于Fuzzy集的隶属函数为离散的情况 ,在作上述相同的映射后 ,再将规则前件中的Fuzzy集与事实中的Fuzzy集的隶属函数分别进行线性插值 ,使它们都成为连续函数 ,然后给出基于Fuzzy集的隶属函数为离散情况下的插值模糊推理方法 .     

一种新的O型模糊推理方法

基于Ｏ型模糊集的模糊推理称为Ｏ型模糊推理。作者给出了应用标准序列逻辑蕴涵的Ｏ型模糊推理方法，这种Ｏ型模糊推理方法具有比ＬＯＦＲ推理更好的性质，而且计算简便。     

基于Vague集模糊推理的多评价指标模糊决策方法

提出一个基于Vague集模糊推理的多评价指标模糊决策方法，并从基于Vague集的模糊推理的观点看待模糊决策问题．将评价指标和侯选方案之间的关系用一组基于Vague集的推理规则来表示，将决策者的要求用一组Vague集来袁示，经过模糊推理等过程最后得到决策结果     

基于Vague集的双向近似推理

给出了一种新的Vague集间的上似度量方法，提出了Vague集间相似方向的概念，可以用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法，在此基础上给出了一种基于Vague集的双向近似推理方法，该方法更好地利用了Vague集信息的精确性，从而提高了推理的精确性和适用性，为智能系统中的近似推理提供了一个十分有用的工具。