三参数区间值模糊集上的TOPSIS决策方法

考虑到区间值模糊集中代表元在决策分析中的重要作用,提出三参数区间值模糊集和三参数区间值模糊值的概念,给出了三参数区间值模糊值之间的运算关系,定义了三参数区间值模糊值之间一种新的距离. 基于这种距离, 针对三参数区间值模糊集上的一个多属性决策模型, 提出了一种TOPSIS决策方法.最后以实例说明该方法的有效性.     

拓展模糊集之间的若干等价变换

系统研究了模糊知识处理技术发展引起的各种模糊集拓展理论及其等价变换问题。首先给出了模糊集理论的各种拓展,如直觉模糊集、L 模糊集与L 直觉模糊集、区间值模糊集与区间值直觉模糊、Vague集等的定义与描述。重点研究了直觉模糊集到一般模糊集的变换,直觉模糊集与Vague集的等价关系,证明了利用D K算子可实现L 直觉模糊集到L 模糊集,区间值直觉模糊集到L 模糊集,区间值直觉模糊集到直觉模糊集,直觉模糊集到区间值直觉模糊集的等价变换。最后,给出了各种模糊集理论拓展形式之间联系的图示。     

双论域上的直觉模糊概率粗糙集模型及其应用

基于一个直觉模糊关系,给出了双论域上的直觉模糊概率粗糙集模型的定义,同时也给出了逆下近似、上近似算子的概念. 研究了它们的若干性质,为粗糙集的应用提供了新的理论基础与操作手段.最后,通过在临床诊断系统中的具体应用阐述了本文提出的直觉模糊概率粗糙集模型的有效性和优越性.     

区间值模糊综合评判及其应用

引入一种反映决策者心态的指标 ,并以此给出区间数的一种排序方法。在此基础上建立了基于区间值模糊集的综合评判之数学模型 ,并给出了它在教学评价中的应用.     

连续区间值模糊数的相关性

引入了关于连续区间值模糊数的区间度和相关系数的概念 ,从而研究并讨论了它们的一些基本性质 ,这些结果将在模糊模式识别 ,模糊随机过程和决策分析中得到一些应用.     

二元关系聚合与粗糙近似

粗集理论中的核心概念--下近似和上近似的经典定义是以不可分辨关系为基础的, 这种定义方式适合于处理名义属性. 然而, 许多现实问题既包括定性属性也包括定量属性, 因此有必要对不可分辨关系进行泛化. 首先在单个属性层次上根据适合的相似性测度定义了二元关系, 对这些二元关系进行聚合成为属性集合层次上的全局二元关系. 决策类并集的粗糙近似和边界域则定义在全局二元关系的基础上. 然后定义了粗糙近似和边界域的运算, 从而可以描述确定性、可能性和怀疑性的知识, 并且证明了这些运算满足的粗糙包含性、互补性、边界域恒等性和单调性. 这种新的粗集方法可以描述包含定性属性和定量属性的决策表中包含的不一致性.     

基于相似关系的集合近似及其含糊性解释

针对最初的粗集理论因为基于等价关系而在某些应用中受限制的问题,研究了二元关系及其逆关系的性质,并利用相似关系定义了含糊对象.然后定义了基于相似关系及其逆关系的集合下近似和上近似运算以及复合相似关系及其集合近似.由此,含糊性就可以利用粗集进行精确地解释.在此基础上,给出了上述计算方法在决策表中的应用,并用例子进行了说明.     

区间直觉模糊事件概率及其泛化形式的研究

针对随机现象中存在的模糊性,给出了区间直觉模糊集（interval-valued intuitionistic fuzzy sets, IVIFS）的解决方案。首先,定义了样本空间中区间直觉模糊事件（interval-valued intuitionistic fuzzy events, IVIFE）的概念,给出了区间直觉模糊事件概率的描述化定义。其次,定义了区间直觉模糊三角模及三角余模的概念,给出了区间直觉模糊事件概率的公理化定义。再次,给出了区间直觉模糊概率的泛化形式,即可分形式和不可分形式,并详细证明了不可分形式。最后,通过实例验证了不可分形式。     

基于限制优势关系的粗糙模糊集及知识约简

以不完备模糊目标信息系统为研究对象,在其中提出了限制优势关系的概念。相比较于传统的优势关系,使用基于限制优势关系的粗糙模糊集,可以提高模糊目标的近似精度与近似质量。在限制优势关系粗糙模糊集的基础上,提出了相对下、上近似约简的概念。最后给出了求得相对下、上近似约简的具体操作方法并进行实例分析以说明其有效性。     

基于粗糙集的区间型数据离散化算法

针对条件属性取值为区间型数据的离散化问题,提出了一种新的基于粗糙集理论的离散化算法.首先将粗糙集理论中上、下近似的概念进行扩展,用以描述区间数对象间的距离和相似关系,并通过定义相似度阈值来确定对象间的 相似关系.为了达到用最少的离散划分区间得到较好的离散化结果,并合理地确定相似度阈值, 文章给出了粗糙熵的概念.通过离散化属性的上、下近似粗糙熵值的计算以及该属性下各区间数对象的相似度矩阵的确定,可以得到该属性下最终的离散化结果.最后给出了一个烟叶质量等级评价的实例, 实验结果表明该算法是有效的.