基于覆盖的变精度粗糙直觉模糊集模型研究

针对经典的Pawlak粗糙集模型容易受到噪声数据影响的问题,在覆盖概念的基础上,对变精度粗糙直觉模糊集进行研究。首先,通过设定变精度中的两个约束条件(α,β),将其引入到覆盖粗糙直觉模糊集模型中,从而提出基于覆盖的变精度粗糙直觉模糊集模型,又考虑到元素邻域、规则置信度及元素与最小描述之间的关系,定义了有关该模型的4种类型,并且证明了该模型的相关性质,分析了该模型与现有模型之间的关系以及4种模型之间的关系。其次,在所给模型的基础上定义了基于覆盖的变精度粗糙直觉模糊集模型的近似质量和粗糙性测度。最后,通过信用卡申请的实例分析证明了该模型在实际应用中的有效性,并通过改变两个约束条件(α,β)的取值,分析得出较合理的α和β取值范围。     

基于模糊覆盖的粗糙模糊集模型

构造了基于模糊覆盖的粗糙模糊集模型,从理论上论证了定义的合理性,刻画了模糊覆盖粗糙集的一些基本性质.     

一种新的覆盖粗糙模糊集的模糊度

目的研究第三类覆盖粗糙模糊集的不确定性度量方法。方法通过引入上下近似的标准差作为权重的度量标准,定义了一种新的覆盖粗糙模糊集的加权平均模糊度。结果该模糊度符合模糊度的定义,能够衡量覆盖粗糙模糊集的不确定性程度。结论改进了罗世尧关于覆盖粗糙模糊集模糊度的计算方法,使之更为实用和有效。     

相容粗糙模糊集模型

在粗糙模糊集模型中,被逼近的目标概念是一个模糊集,使用的知识是等价关系,即描述对象的属性是离散值的。但在很多实际应用中,描述对象的属性是实数值的。针对这一问题,将粗糙模糊集模型中的等价关系推广为相容关系,提出了相容粗糙模糊集模型。当相容关系退化为等价关系时,相容粗糙模糊集模型即为粗糙模糊集模型。相容粗糙模糊集模型扩展了粗糙模糊集的应用范围。     

模糊贴近度的覆盖粗糙模糊集不确定性度量研究

针对一种覆盖粗糙模糊集的不确定性度量,分析了不确定性的物理含义,给出了一种基于模糊贴近度的度量方法,进而对其性质进行了分析。结果表明该度量方法能客观反映粗糙模糊集不确定性的程度,从定量的角度为刻画粗糙模糊集的不确定性提供了方法。     

高型粗糙模糊集及高型模糊粗糙集

定义了L型粗糙模糊集（L型RF集），给出了其相关性质，进而引进了高型粗糙模糊集（高型RF集），它比普通的RF集具有更高层次的粗糙模糊性，可用于人们对粗糙模糊现象的描述，增强人们对自然语言的表达能力，平行地，最后研究了高型模糊粗糙集（高型RF集）。     

直觉模糊集熵的一种计算公式

为进一步精确度量直觉模糊集的模糊性,改进了直觉模糊集的模糊度的公理化形式,并给出了直觉模糊集的模糊度计算公式.利用直觉模糊集的模糊度和犹豫度,给出了直觉模糊集熵的计算公式,并举例验证了该计算公式的有效性.     

区间直觉模糊集熵的构造及其基本性质

模糊熵是刻画模糊集不确定性的一个基本概念.通过对区间直觉模糊集的模糊度的本质分析,给出了符合人们直觉的区间直觉模糊集的模糊熵的公理化定义,并指出原有关于区间模糊集的模糊熵的公理化的不足,相应地提出了一个关于区间直觉模糊集模糊熵的计算公式,并通过定理证明和实例分析,说明它具有良好的数学性质,所得结果更加合理.     

模糊粗糙集粗糙熵的修正

在粗糙集理论中,由于用模糊粗糙熵去度量RF集的不确定性更具有直观性,所以如何利用香农信息熵理论定义模糊粗糙集的熵的度量,是一个值得研究的问题.结合知识粗糙性和信息熵给出了模糊粗糙集的熵的度量新定义,并对其一些性质进行了讨论.     

基于覆盖的区间值粗糙模糊集模型

将粗糙集与区间值模糊集相结合便可得到区间值粗糙模糊集.通过将经典粗糙集模型中论域上的等价关系用论域的覆盖来替换,建立了基于覆盖关系的区间值粗糙模糊集模型,并给出了该模型下的一些基本性质.     

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.     

直觉模糊熵改进的公理化定义和计算公式

直觉模糊熵是用来刻画直觉模糊集的不确定性和未知性程度的,首先介绍了模糊熵的定义,给出了直觉模糊集的相关知识;接着分析和深入探讨已有直觉模糊熵公理化定义,找出存在的缺陷对其进行修改;然后分析已有直觉模糊熵公式,概括出其中的要点,提出一个新的计算公式;最后举例说明改进的公理化定义和计算公式符合客观规律.     

粗糙模糊集的关联熵与关联熵系数

在研究模糊集关联熵和关联熵系数的基础上，将关联熵和关联熵系数的概念引入粗糙模糊集，讨论了它们的主要性质，说明关联熵系数可以用于粗糙模糊集之间相似程度的度量．并通过例子证明了粗糙模糊集的关联熵系数比模糊集的关联熵系数更适合用于在分类知识R下模糊集合之间相似程度的比较．     

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.     

基于直觉模糊熵的直觉模糊聚类

Atanassov直觉模糊集合是对Zadeh模糊集合最有影响的一种扩充和发展,将模糊聚类扩展为直觉模糊聚类,具有重要的应用价值。在研究将模糊聚类扩展为直觉模糊聚类时,提出了一种基于熵最大的直觉模糊聚类,并推导了迭代求解的算法。典型实验表明,直觉模糊聚类的性能优于模糊聚类,提高了聚类的正确率。     

粗糙模糊集的粗糙性度量

粗糙集理论和模糊集理论是处理不确定和不精确问题的两种数学工具,它们有很强的互补性,将这两种理论相互融合可以建立粗糙模糊集模型。本文在概率近似空间上研究了粗糙模糊集的粗糙性度量,定义了知识的粗糙度概念,并将它与模糊集的粗糙度相结合给出了粗糙模糊集粗糙性的一种新的度量,验证了该度量的一些性质。     

直觉模糊集的贴近度与熵的关系

基于直觉模糊集贴近度与熵的公理性定义给出了直觉模糊集贴近度与熵的几种不同的算法.并给出了如何由直觉模糊集的贴近度而建立熵,同时给出了由直觉模糊集的熵而建立贴近度的方法,说明了直觉模糊集的贴近度与熵有着必然的联系.     

粗糙模糊集的贴近度

讨论了粗糙模糊集 (RF集 )的性质 ,并在此基础上 ,定义了粗糙模糊集的贴近度 .基于定义 ,分别给出了粗糙模糊集的距离贴近度 ,最小最大贴近度 ,最小平均贴近度以及格贴近度 .     

直觉模糊熵的改进研究

针对现有直觉模糊熵描述不确定性不够全面的缺点,指出直觉模糊集的不确定性应该体现在模糊性和直觉性两个方面上,其中模糊性由隶属度与非隶属度的差异程度决定,而直觉性由犹豫度决定。在此基础之上,建立了新的直觉模糊熵公理化定义,并给出一个熵度量。最后,实例分析表明新的直觉模糊熵度量比现有的熵度量更加合理和有效。     

粗糙模糊数的贴近度

首先讨论了粗糙模糊数(RFN)的性质和运算法则，进而定义了粗糙模糊数的贴近度，在此基础上，分别给出了粗糙模糊数的距离贴近度，最大-最小贴近度，最小平均贴近度以及格贴近度，可用于在实际问题中对模糊信息的表述及信息加工。