模糊关系数据库的几点注记

在讨论了模糊关系及其特征之后,给出了在元组隶属函数约束下的模糊关系λ－截集数据库和模糊关系模式的概念,引入并讨论了用模糊集包含度刻划的模糊属性值及元组的语义包含相似度及其性质．在此基础上,导出了经典函数依赖（ＦＤ）的４种相互等价的形式化定义,并由此扩展得到模糊函数依赖（ＦＦＤ）的相应形式化定义和相应于Ａｒｍｓｔｒｏｎｇ公理的有效且完备的推导规则．认为文［１］对（ＦＦＤ）的讨论只是本文的特例     

n维模糊数的序、距离、确界及其逼近问题

诸如模糊数值函数积分等问题,如何采用上、下函数逼近的方法去定义,在模糊数学领域讨论的比较少,其主要原因是涉及到模糊数集的上、下确界问题.对n维模糊数的序、距离、确界及其逼近问题进行讨论:在模糊数空间定义了新的序关系、距离和确界,并利用模糊数的支撑函数给出了n维模糊数集确界的表示和在新的距离意义下的逼近刻划;使得高维模糊数空间中诸如模糊数值函数的积分采用上、下函数逼近的方法去定义成为可能.     

基于语言变量的模糊本体模型

为了更有效地表达语义Web中的模糊知识,将模糊概念与关系引入到传统的模型中,提出新的模糊本体:模糊领域本体与模糊顶层本体.模糊顶层本体从语言变量的形式化表示入手,考虑模糊概念间的语义关系:集合关系、序关系与等价关系.用模糊本体对智能交通领域的知识进行建模,通过模糊语言值描述交通概念的属性信息,有效克服现有模型的一些局限.结果表明,该研究有利于语义Web环境下模糊系统的知识共享与重用.     

基于变精度粗糙-模糊集模型的诊断知识获取

提出一种基于变精度粗糙-模糊集模型的诊断知识获取算法,利用相似性聚类方法自动获取模糊隶属函数,将连续属性表示成模糊值,通过定义模糊相似关系和模糊相似类给出了变精度粗糙-模糊模型的近似表示,并引入蚁群算法求取模糊相似关系下的属性约简,进行诊断知识的获取。将其应用于精对苯二甲酸生产过程尾氧浓度故障诊断知识获取中,结果表明:该算法可以从故障数据中提取更客观有效的诊断规则,在实际故障诊断中具有很好的应用价值。     

基于结构元的模糊值函数解析表示与微积分

在已提出模糊结构元概念及模糊数与模糊值函数的结构元表示的基础上,进一步给出了模糊结构元生成的模糊值函数的一般表达形式,并得到了一般表达形式下的模糊值函数的连续性和微分、积分(黎曼意义下)的定义,它们与传统模糊分析中相应定义是等价的。     

形式模糊背景中单边模糊概念格的属性约简

形式概念分析是一种有效的知识表示和知识发现的方法，形式背景和形式概念是形式概念分析中的两个基本概念.形式背景描述了对象集和属性集间的一个二元经典关系，隐含其中的知识通过概念格的形式表示出来.形式模糊背景是形式背景在模糊集理论下的自然推广，建立在其上的模糊概念格在实际应用中面临许多困难，为此，多种形式的模糊概念格的改进形式应运而生.单边模糊概念格就是一种具有较好应用前景的改进模糊概念格.主要研究基于经典-模糊概念格的形式模糊背景的属性约简问题，这里属性约简的概念具有保持相应的概念格整体结构不变的含义.关于属性约简，给出了多种形式的属性约简判定定理，针对属性约简，将所有属性分为三类，探究了不同类型属性的特征刻画.最后，通过引入模糊概念间的辨识属性集的概念，得到了基于辨识属性矩阵的属性约简方法，并通过示例验证了属性约简方法的可行性.     

基于宽松下近似概念的连续型决策表的属性约简方法

针对连续型决策表,利用模糊相容关系对样例聚类产生模糊决策表,运用宽松下近似概念定义属性重要度,利用函数弹性概念定义决策属性关于条件属性的敏感度,将其作为属性重要度的权重得到加权重要度,并以此为启发式信息提出了一种连续型决策表的属性约简方法.     

模糊信息系统的一种规则提取方法

该文定义了一种相似度量算子对对象间关于属性的接近程度,并基于此提出了代表一类模糊相似关系的模糊不可区分关系R:B,即关于对象的模糊不可区分关系.以此模糊相似关系为基础,在广义近似空间(U,R:αB)中定义了上、下近似算子;并引入阈值α,β,即允许一定程度的错误分类率存在,讨论了属性间的相互依赖关系,且给出应用实例.     

模糊值函数的收敛性及连续性

模糊值函数是定义在实数集R上取值于E^1（所有的模糊数的集合）中的模糊数的函数。在新的序关系意义下，定义了模糊胡值函数的极限和连续性，讨论闭区间[a,b]上的连续模糊值函数f(x)的性质。     

基于粗糙近似空间中的模糊信息表示

粗集理论与模糊集合理论都是研究信息系统中知识不完备、不准确问题，两者都可利用观测数据表达知识，进行推理。针对传统粗集环境下知识表示模型用固定的属性集来描述对象这一局限，提出利用模糊属性模型对知识表达系统进行信息描述，并给出了模糊属性模型下对象及其上下近似空间的模糊表示。     

基于区间值毕达哥拉斯模糊数的多属性决策方法

针对决策信息为区间值毕达哥拉斯模糊数(IVPFN)的多属性决策问题,提出了一种基于区间值毕达哥拉斯模糊交叉熵的多属性决策方法。首先,将交叉熵的概念引入到区间值毕达哥拉斯模糊集(IVPFS)中,定义了一种新的区间值毕达哥拉斯模糊集(IVPFS)交叉熵测度,并以此来刻画两个区间值毕达哥拉斯模糊集之间的差异程度;其次根据每个区间值毕达哥拉斯模糊数(IVPFN)的得分函数,确定区间值毕达哥拉斯环境下的正、负理想解;再次在TOPSIS原理基础上,根据每个方案与正、负理想解之间的相对贴近度来获取最佳方案;最后通过一个实例对文中所提出的方法进行验证,表明了该方法的可行性与合理性。     

多目标模糊评价模型与评价等级计算方法

为防止信息丢失,指出了多目标模糊评价应采用加权平均算子·探讨了采用余弦函数及三角形隶属函数的模糊综合评判模型、基于权广义距离平方和最小的模糊模式识别模型、基于模糊熵与权广义距离之和最小的模糊模式识别模型对评价结果模糊度的影响·属性识别理论模型是应用三角形隶属函数的模糊综合评判模型·综述了多目标模糊评价等级的确定方法,指出了属性识别理论的置信度准则与最大隶属原则一样可导致评价结果失真·提出了评价等级模糊特征量的概念和计算方法,从而证明了多目标模糊评价的结果是一个等级区间而不是一个确定点·实例表明,依据评价等级模糊特征量的概念和计算方法所确定的评价等级符合实际·     

实例检索中基于混合属性距离的相似性度量

提出了一种基于混合属性距离的相似性度量方法.利用各个属性间的距离及其组合权重求得实例间的总体距离,再用实例间的总体距离来刻画其相似程度.基于区间数的距离计算公式和模糊集合理论,给出了属性值为模糊数、模糊区间数时的距离公式,并改进了属性值为隶属度函数时的距离公式.同时考虑了属性权重问题,提出了一种基于距离离差信息的客观赋权方法,将主观权重和客观权重加以组合,以组合权重来计算实例的全局相似度.以阀门的概念设计为例,验证了该方法在实例检索中的的可行性和合理性.     

数据库模糊查询结果自动排序方法

数据库模糊查询会产生多个查询结果,因此有必要将查询结果按照用户需求进行排序.首先根据元组对模糊查询的隶属度,将查询结果中具有不同隶属度的元组分开.然后,利用PIR改进模型和历史查询记录来分析元组中被查询指定的属性值与未指定的属性值之间的关联程度,从而获得用户偏好并以此对具有相同隶属度的元组进行排序.在此基础上,提出了模糊查询下的DPR自动排序方法.实验及分析证明,提出的模糊查询结果自动排序方法能够极大地提高排序质量.     

一种区间直觉模糊信息集成的新方法

研究了属性权值完全未知且属性值为区间直觉模糊数的多属性决策问题．首先提出了一种将区间直觉模糊数转化为区间数的公式;然后,基于可能度法给出了一种新的客观赋权方法。并给出一种基于可能度的方案的排序方法;最后。通过实例证明了该方法的有效性和实用性．     

区间直觉模糊粗糙集的启发式属性约简方法

属性约简是数据挖掘之中最核心的问题,是任何一个部门决策知识获取的关键技术。基于深入研究模糊粗糙理论、直觉模糊粗糙集理论在属性约简知识方面的研究成果,通过定义区间模糊粗糙集的正域、依赖度与非依赖度等相关概念,提出一种启发式区间直觉模糊粗糙集属性约简方法。结果表明：该方法在知识约简中是可行的,并且相比差别矩阵方法,能有效降低空间和时间复杂度。     

模糊决策粗糙集模型及其属性约简

决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.     

基于区间直觉模糊集的动态多属性群决策方法

针对决策者权重未知、属性权重已知,属性值为区间直觉模糊数的多属性群决策问题,提出采用区间直觉模糊加权平均算子进行信息集结,利用带有转化参数的得分函数进行决策.首先借助区间直觉模糊数的距离来确定决策者权重,然后利用区间直觉模糊加权平均算子和决策者权重对个体决策矩阵进行集结,最终得到每个方案对应的区间直觉模糊数,将其带入得分函数进行动态决策分析.通过实例求解验证了方法的可行性.     

基于集对分析和直觉模糊集的语言型多属性群决策方法

针对语言型多属性群决策问题进行了研究,提出基于集对分析的直觉模糊群决策方法。首先给出语言信息与直觉模糊值的转换方法;分析集对分析的思想与直觉模糊集思想的兼容性,通过集对分析的方法求解出方案对于单个属性和所有属性的联系度表达式;最后通过一个排序公式对方案进行排序,并得出最优方案。算例证实了该方法的有效性。     

一种区间二型模糊隶属度函数的构造新方法

针对现有区间二型模糊隶属度函数的构造方法中,存在受试者需为模糊专家,易出现不确定迹(FOU)填满现象(下隶属度函数近似为0),或需预先确定不确定迹的形状的问题,设计受试者不为模糊专家也可正确回答的调查问题,提出一种构造区间二型模糊集隶属度函数的新方法.该法不需预先确定FOU的形状,受试者不必为模糊专家.该法的基本思想是从一组领域专家中收集类属词的上下隶属度区间数据,对所获数据进行数据预处理,最后获得类属词的隶属度函数和FOU.实验结果表明,所提出的新方法可有效构造区间二型模糊隶属度函数,避免出现填满现象.