一种新的直觉模糊集距离及其在决策中的应用

首先针对直觉模糊集距离中是否包含直觉模糊集通过隶属度、非隶属度以及犹豫度这三种信息,以及直觉模糊集距离是否满足相应距离度量的条件对其进行了详细分析,发现现有方法都是直接将犹豫度直接引入到直觉模糊集距离中,从而会产生不一致性。鉴于此,定义了一种新的直觉模糊集距离度量方法,其不仅考虑隶属度和非隶属度信息,同时还考虑犹豫度对隶属度和非隶属度的分配,从而间接地将犹豫度也引入到直觉模糊集距离中。其次,证明了所提距离度量满足距离度量条件,并结合实例将其与现有距离度量方法进行比较分析,说明了新方法的合理性。最后,将所提出方法应用于多准则模糊决策中,进一步说明了新方法的有效性和可行性。     

带参数区间值直觉模糊集及其在模式识别中的应用

首次提出了带参数区间值直觉模糊集的概念,并构造了一系列带参数的区间值直觉模糊集。接着,从已知隶属度和非隶属度出发,重点分析了单参数区间值直觉模糊集的构造。最后,构造了模式分界点的参数方程,并从理论上证明了临界值对模式识别结果有影响。模式识别实验结果表明,带参数区间值直觉模糊集方法比传统的直觉模糊集方法更具灵活性。     

一种新的直觉模糊集相似度测量

直觉模糊集IFS是模糊集的进一步推广,比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。已有的部分相似度测量方法,不满足相似度的公理化或有些存在反直觉的情形。通过对Boran和AKay提出的直觉模糊集的相似性度量的研究,提出了一种新的改进的相似度测量公式,证明了该公式的合理性,最后通过实例说明了该方法的有效性。     

变参数区间值直觉模糊集在模式识别中的应用

提出了带参数区间值直觉模糊集的概念,构造了一系列带参数的区间值直觉模糊集。从已知隶属度和非隶属度出发,重点分析了激励惩罚型变参数区间值直觉模糊集的构造。运用模式识别与医疗诊断案例进行对比。仿真实验结果表明,带参数区间值直觉模糊集方法比传统的直觉模糊集方法更具灵活性。     

覆盖粗糙直觉模糊集模型的研究

粗糙集和直觉模糊集的融合是一个研究热点。在粗糙集、直觉模糊集和覆盖理论基础上,给出了模糊覆盖粗糙隶属度和非隶属度的定义。考虑到元素自身与最小描述元素的隶属度和非隶属度之间的关系,构建了两种新的模型——覆盖粗糙直觉模糊集和覆盖粗糙区间值直觉模糊集,证明了这两种模型的一些重要性质,与此同时定义了一种新的直觉模糊集的相似性度量公式,并用实例说明其应用。     

直觉模糊集的结构化分析

直觉模糊集理论采用隶属度函数和非隶属度函数刻画不确定性信息,具有一定程度的主观性。为了研究直觉模糊集的本质特征,提出一种直觉模糊集的结构化分析方法,定义了直觉模糊相容关系,给出了直觉模糊集的同构原理,讨论了直觉模糊集的结构化特征。所得结果表明,直觉模糊集也具有客观性的一面。     

基于绝对比较法的IFS非隶属度函数确定方法

直觉模糊集是对Zadeh模糊集最有影响的一种扩充和发展.直觉模糊集非隶属度函数的规范化确定问题,成为制约其应用的一个重要瓶颈.针对直觉模糊集非隶属度函数难以确定的问题,提出一种基于绝对比较法的直觉模糊集非隶属度函数确定方法,给出了详细的算法步骤,并从理论上证明了其正确性.最后,通过实例分析从应用上验证了算法的有效性与实用性.研究表明,该算法可有效地解决元素依属性具有优先特性的一类IFS非隶属度函数确定方法的问题.     

直觉模糊相似关系的构造方法

传统的模糊相似关系构造方法已不能用于直觉模糊相似关系的构造。基于直觉模糊集的相异度和相似度,研究了直觉模糊相似关系的构造问题。对几种现有直觉模糊集相似度与相异度度量方法进行了分析,在此基础上定义了直觉模糊集的相异度,并给出一种有效的直觉模糊集相异度和相似度度量方法,提出一种实用的直觉模糊相似关系构造方法,以具体算例验证和表明了方法的正确性和有效性。     

基于三分法的IFS非隶属度函数确定方法

针对直觉模糊集(IFS)的非隶属度函数难以确定的问题,提出一种基于三分法的IFS非隶属度函数确定方法.首先,给出了确定IFS非隶属度函数的计算公式和非犹豫度指数的概念,规范了IFS非隶属度函数的确定方法,进而给出了非犹豫度指数的性质定理.其次,提出了基于三分法的IFS非隶属度函数的计算方法,给出了正规直觉模糊集的概念,证明了该方法确定的直觉模糊集是正规直觉模糊集.最后,以空袭目标识别的指标参数(飞行高度)实例,验证了方法的有效性.     

基于包含度的直觉模糊粗糙集模型

将直觉模糊包含度引入粗糙集与直觉模糊集的融合建模。首先,介绍直觉模糊集在特殊格L上的定义;其次,将模糊包含度拓展到直觉模糊环境下,提出取值于特殊格L的直觉模糊包含度定义和计算公式;在此基础上,分别利用直觉模糊包含度的隶属度与非隶属度定义了上下近似算子,建立了直觉模糊相似关系下的直觉模糊粗糙集模型,并对近似算子的重要性质进行了证明。     

二型直觉模糊集

二型模糊集和直觉模糊集都具有很强的实际应用背景.二型模糊集增强了系统处理不确定性的能力,直觉模糊集为解决人们判断问题所出现的犹豫信息提供了理论依据.本文在二型模糊集和直觉模糊集的基础上,给出了二型直觉模糊集的概念,证明了二型直觉模糊集是一型模糊集、直觉模糊集、区间值模糊集、区间值直觉模糊集的广义形式,讨论了二型直觉模糊集的基本运算和二型直觉模糊关系.最后,研究了基于二型直觉模糊理论的近似推理,并实例说明了二型直觉模糊集的实际应用背景.     

(I,J)-区间直觉模糊粗糙集

利用吴伟志所定义的两个直觉模糊蕴涵算子I和J,把(I,J)-直觉模糊粗糙集的概念推广到区间直觉模糊集的情形,给出了区间直觉模糊近似空间的概念及(I,J)-区间直觉模糊粗糙集,研究了(I,J)-区间直觉模糊粗糙集的基本性质并推广了张植明等人提出的结论。     

The fuzzy cross-entropy for intuitionistic hesitant fuzzy sets and their application in multi-criteria decision-making

In this paper, the cross-entropy of intuitionistic hesitant fuzzy sets (IHFSs) is developed by integrating the cross-entropy of intuitionistic fuzzy sets (IFSs) and hesitant fuzzy sets (HFSs). First, several measurement formulae are discussed and their properties are studied. Then, two approaches, which are based on the developed intuitionistic hesitant fuzzy cross-entropy, are proposed for solving multi-criteria decision-making (MCDM) problems within an intuitionistic hesitant fuzzy environment. For both methods, an optimisation model is established in order to determine the weight vector for MCDM problems with incomplete information on criteria weights. Finally, an example is provided in order to illustrate the practicality and effectiveness of the proposed approaches.     

基于蕴涵的区间值直觉模糊粗糙集

提出一种基于区间值直觉模糊蕴涵的区间值直觉模糊粗糙集模型.首先,介绍了区间值直觉模糊集、区间值直觉模糊关系和区间值直觉模糊逻辑算子的概念;然后,利用区间值直觉模糊三角模和区间值直觉模糊蕴涵,在区间值直觉模糊近似空间中定义了区间值直觉模糊集的上近似和下近似;最后,给出并证明了这些近似算子的一些性质.     

基于直觉模糊粗糙集的一种知识获取方法

将粗糙集理论与直觉模糊集理论相结合,提出了一种基于直觉模糊粗糙集理论的知识获取方法。描述了直觉模糊相似关系下粗糙集的模型,并在此基础之上重新定义了正域、依赖度与非依赖度、确定性因子与非确定性因子等概念。详细分析了基于直觉模糊粗糙集的规则挖掘算法的基本步骤,最后通过实例验证了该算法的可行性。     

直觉模糊集的熵及其一般形式

在综合分析目前直觉模糊集熵的各种公理化定义的基础上,认为直觉模糊集合熵应该是直觉模糊集合的模糊性与不确定性的综合性度量,并且直觉模糊集合退化为模糊集合时,其熵应该与模糊集合熵是一致的。根据这种思想,给出了新的直觉模糊集合熵的公理化定义,并给出了几个直觉模糊集合熵的构造形式。     

一种区间直觉模糊熵的构造方法

研究了区间直觉模糊熵。证明了三个直觉模糊熵公式的等价性。对直觉模糊熵公式进行推广,引入一个新的区间直觉模糊熵公式,该熵公式满足区间糊熵的公理化直觉模定义的4个条件。     

Another view on q‐rung orthopair fuzzy sets

In this paper, two new approaches have been presented to view q‐rung orthopair fuzzy sets. In the first approach, these can viewed as L‐fuzzy sets, whereas the second approach is based on the notion of orbits. Uncertainty index is the quantity , which remains constant for all points in an orbit. Certain operators can be defined in q‐ROF sets, which affect when applied to some q‐ROF sets. Operators , , and have been defined. It is studied that how these operators affect when applied to some q‐ROF set A.