基于区间值Vague集的多准则模糊决策方法

给出i-v Vague集的含糊度定义,将实数型Vague集群决策的记分函数方法扩展到区间值Vague集上,用实例比较各种记分函数方法的优缺点.然后给出两种改进的记分函数法和加权记分函数法,并通过例子阐明改进方法的有效性和优越性.     

基于Vague集距离的多评价指标模糊决策方法

给出了Vague集的基本概念和Vague集多评价模糊决策的概念，提出了一个新的基于Vague集距离的多评价指标模糊决策方法．在这个方法中，提出了理想方案的概念和候选方案对满足多评价指标的不确定性的概念，利用候选方案与理想方案的Vague集距离来求出最佳方案．     

一种带权重的Vague集模糊多属性决策方法

目的研究基于Vague集的多属性决策问题。方法通过定义新的函数形式得到决策方法。结果在分析带权重模糊多属性决策"记分函数法"和"精确函数法"存在问题的基础上,提出处理含有权重的模糊多属性决策的新方法——"加权算法"。结论加权模糊的属性决策的"加权算法"相对带权重多属性决策的"记分函数法"和"精确函数法"更具优越性和实用性。     

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     

基于区间直觉模糊集的多准则模糊决策方法

提出一种权重信息不完全确定且准则值为区间直觉模糊集的多准则排序方法.该方法用区间直觉模糊集描述方案关于准则集的满足程度与不满足程度,准则的权重也由直觉模糊集表示.通过建立线性规划模型求出最优权重,为决策者做出最优决策提供了一种简便的方法.数值算例说明该方法的可行性和有效性.     

一种基于区间值Pythagorean三角模糊语言集的多准则决策方法

为提升不确定环境下信息描述的准确性,提出了区间值勾股三角模糊语言集(intervalvalued pythagorean triangular fuzzy linguistic set,IVPTrFLS),并研究了区间值勾股三角模糊语言变量(IVPTrFL variable,IVPTrFLV)相关的基本理论.同时,针对...     

基于Vague集理论的多目标决策方法

为了解决多目标决策问题,提出了一个基于Vague集理论的新方法.将Vague集中的真隶属度、假隶属度和不确定这三方面信息对应到了三维直角坐标系中的一个点.在相应的三维坐标系中,用Vague集表示策略的点与最优策略对应的点,通过计算它们之间的距离大小数值来确定候选策略的优劣,证明了此方法可以唯一对两个Vague集策略进行排序,通过实例验证该方法的有效性和可行性.     

基于Vague集的多目标模糊决策方法

指出了采用Vague集进行多目标模糊决策的现有计分函数的不足;根据Vague集的性质提出了一种新的计分函数;该计分函数和Vasgue集所具有的“投标模型”属性是完全一致的,并将其扩展到加权的形式,从而使该方法具有更好的通用性,所得结果也更符合人的直觉。     

基于Vague集的加权模糊多属性决策方法

应用Vague集方法处理模糊多属性决策问题,提出了两种最优方案选择方法:加权记分函数法和加权距离法.这些方法具有简洁直观、应用方便等特点.最后进行了实例分析,结果表明,这些都是可行且有效的多属性决策方法.     

Vague 集的多目标模糊决策方法分析

介绍了Vague集的定义和特点,结合Vague集理论及投票模型下的解释,对已有的基于Vague集的多目标模糊决策方法进行了分析,针对他们的不足提出了一种新的非线性模糊决策方法,解决了现有方法的缺陷,并通过例子阐明本文方法的有效性和优越性。     

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.     

基于Vague集的模糊聚类方法研究

引入Vague集(值)的距离概念及Vague集(值)的贴近度概念,并证明了这一新的贴近度的性质.利用此贴近度概念给出了基于Vague集的模糊聚类方法,这一方法对于数据挖掘研究有很好的参考价值.     

一种新的基于核函数的Vague集间的相似度量

分析了已有Vague集之间相似度度量方法存在的缺陷. 在此基础上,充分挖掘Vague值中的不确定信息,利用两个Vague值核函数取小、取大的比值给出新的相似度量方法,给出基于动态核函数的Vague值的相似度定义,以及相应的Vague集和Vague元素的相似度定义. 并通过例子说明该方法适用于Vague环境的行为分析问题.     

基于Hausdorff距离的直觉模糊多属性决策的TOPSIS方法

传统的TOPSIS方法在考察目标方案与正、负理想方案的距离时多采用欧氏距离来度量.用Hausdorff距离替换欧氏距离,并用其来度量直觉模糊集（IFS）之间的距离,进而建立相对贴近度的概念,由此对目标方案进行排序、择优.实证分析结果表明该方法有效、实用,在直觉模糊多属性决策中,该方法比欧氏距离方法要简单,但计算结果完全一致.     

对模糊集、Vague集和C*-模糊集的比较研究

模糊集、Vague集和C*-模糊集(新模糊集)都是对经典集合论的扩展,同时又是模糊集合论分支的发展成果。为完善模糊理论体系并将其有效应用,在介绍了三种集合的概念的基础上,分析了它们之间的区别和内在联系并参考与概率论统一定义的C*-模糊集合框架,提出了新Vague关系,使得在处理不确定问题的领域中有了完备的理论基础。最后对三个集合的发展和应用作了一些探讨性研究。     

Vague ALC(D):一种基于vague集的模糊描述逻辑

针对普通的模糊描述逻辑使用单个隶属度无法准确表示不精确知识,而且描述逻辑是在抽象层次上描述知识,对实体的数值信息缺乏强有力的表达手段的问题,提出了一种基于vague集并结合具体域的模糊描述逻辑——vague ALC(D).介绍了用隶属度区间来表示模糊知识的vague集,给出了vague ALC(D)的语法和语义,指出了它的推理问题,同时也给出了相应的tableaux算法.vague ALC(D)能够更准确地表示和推理含有数值信息的模糊知识,增强了模糊描述逻辑的表达能力和推理能力.