Smooth群的进一步扩展

针对已经得到的关于Smooth群的一些性质,对Smooth群进行更深入的研究．给出广泛Smooth群的定义,使smooth群得到扩展,并在此基础上得出Smooth群的一些新的性质,并给出严格的证明．     

Vague关系与基于Vague相等的Vague映射

在文[4]的基础上系统研究了作为Zadeh模糊集理论重要扩展的Vague关系及其合成运算,并就Vague关系的性质进行了讨论.在此基础上研究了Vague等价关系,并给出了Vague映射的概念,讨论了Vague映射的一些性质.     

关于smooth群的两个重要结果

证明了强smooth群与smooth群是等价的,简化了smooth群理论;验证了以模糊相等作为模糊等价关系将smooth群元素分类后所得到的商集在模糊运算诱导的运算下做成群．     

模糊群的子模糊群和正规子模糊群

设G为在模糊二元运算下的模糊群 .给出了G的子模糊群和正规子模糊群的定义 .讨论子模糊群和正规子模糊群的一些性质 .证明了子模糊群的交为子模糊群 ,子模糊群与正规子模糊群的“积”为子模糊群 .     

关于Abel群的几个等价定义

本文给出了Abel群的6个等价定义:定理1—定理6.     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

糊群的商模糊群

设H为模糊群G的正规子模糊群，先在H的（左）模糊陪集之间引入一种等价关系，然后在模糊陪集的等价类之间定义了一种模糊二元运算，这种模糊二元运算是由模糊群G的模糊二元运算导出的。最后导出了G关于H的商模糊群的概念。     

基于 Vague 集的加权模糊运算

分析了Vague集的性质,定义了Vague集上的加权析取式和加权合取式。讨论了Vague集上的加权析取式和加权合取式的模糊运算及性质,这些运算及性质可以很好地用“投票模型”来解释。     

一类基于模糊二元运算的模糊群的子模糊群

在新的模糊二元运算的定义下,利用这种运算导出集合G中元素间的一种运算(仍称之为模糊二元运算),定义了新的模糊群,在这种模糊群中引入了子模糊群的概念,并给出了它们的性质和相互关系.     

关于Vague集理论中记分函数的分析

分析了Vague集理论中记分函数的内涵、本质及现有几种主要记分函数的优缺点,指出了构造记分函数时应考虑的主要因素.从评价函数的角度提出Vague值的期望的概念,从风险的角度看待未知信息,提出风险厌恶型和风险追求型两类记分函数的概念.给出一种风险厌恶型记分函数的具体形式并讨论其性质,通过实例对比说明该记分函数能够体现出决策者的决策偏好并保持决策方法的一致性.     

基于Vague集的模糊信息融合研究

在分析模糊信息融合局限性,并介绍Vague集概念的基础上,提出了基于Vague集的模糊信息融合方法．给出了该方法的数学描述、数据组织、结果评价等概念及算法实现过程．并以传感器一目标模型为例,演示和分析了该方法的应用及评价过程．从结果看,基于Vague集方法进行模糊信息融合是简易、高效和可靠的．     

基于Vague集的医疗诊断系统

讨论了Vague集的基本概念;介绍了一种基于Vague集理论的医疗诊断系统的设计实现方法,该方法中采用Vague集的核函数与精确函数来解决基于Vague集的模糊决策问题,由于Vague集可以同时表示“支持”,“反对”和“不确定”的信息,这使得在采用Vague集的医疗诊断系统中得到的推理结论更符合实际情况,最后通过一个实际医疗诊断例子论证了该方法的正确性。     

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.     

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相似矩阵的分类方法

本文提出一种基于Vague相似矩阵的分类方法，以解决Vague集上的知识分类问题，并定义了所需的概念，设计了详细算法．实验分析表明了该方法的有效性．     

Vague集相似度量基本准则和方法的研究

分析了现有的Vague相似度量基本准则并指出了不足之处,提出了新的Vague相似度量基本准则,指出了影响Vague集相似度量的4个因素,提出了一种新的Vague集相似度量方法,最后通过实例说明该方法的合理性和有效性.     

Vague集的两点注记

指出Vague集等价于i-vfuzzy集,提出Vague集向模糊集的一种转化方法。     

(λ,μ)模糊软群与(λ,μ)模糊正规软群

针对软集代数结构问题,本文利用(λ,μ)模糊代数理论,在模糊软集理论的基础上,引入了(λ,μ)模糊软群的概念,讨论了它们的相关性质;同时将同态与同构应用到(λ,μ)模糊软群中,并建立了模糊软同态下(λ,μ)模糊软群与(λ,μ)模糊正规软群对应的定理.