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。     

一种新的直觉模糊相似矩阵构造方法

基于直觉模糊相似度和相异度,研究了直觉模糊相似矩阵构造问题。给出了直觉模糊相似度和相异度的标准定义,选取了有效的直觉模糊相似度量和相异度量方法;在分析了现有的几种直觉模糊相似矩阵构造方法基础上,提出了一种新的直觉模糊相似矩阵构造方法。通过算例分析,验证了方法的有效性。     

基于新直觉模糊相似度的聚类方法

针对现有直觉模糊聚类方法大都未考虑属性(指标)权重,计算过于复杂且计算结果为实数的问题,提出一种基于新直觉模糊相似度的聚类方法,计算结果为直觉模糊数,运用直觉模糊熵得到属性权重,构造了一种考虑属性权重的直觉模糊相似度公式,得到直觉模糊相似矩阵,设计了风险参数,决策者根据自己风险偏好选择风险参数进行聚类.最后通过算例验证了所提出方法的可行性和合理性.     

区间直觉模糊粗糙集

将模糊粗糙集推广到区间直觉模糊粗糙集,基于区间直觉模糊等价关系和两个论域之间的一般区间直觉模糊关系,给出了区间直觉模糊粗糙集模型的不同形式,并讨论了一些相关性质。     

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.     

On intuitionistic fuzzy rough sets and their topological structures

In this paper, lower and upper approximations of intuitionistic fuzzy sets with respect to an intuitionistic fuzzy approximation space are first defined. Properties of intuitionistic fuzzy approximation operators are examined. Relationships between intuitionistic fuzzy rough set approximations and intuitionistic fuzzy topologies are then discussed. It is proved that the set of all lower approximation sets based on an intuitionistic fuzzy reflexive and transitive approximation space forms an intuitionistic fuzzy topology; and conversely, for an intuitionistic fuzzy rough topological space, there exists an intuitionistic fuzzy reflexive and transitive approximation space such that the topology in the intuitionistic fuzzy rough topological space is just the set of all lower approximation sets in the intuitionistic fuzzy reflexive and transitive approximation space. That is to say, there exists an one-to-one correspondence between the set of all intuitionistic fuzzy reflexive and transitive approximation spaces and the set of all intuitionistic fuzzy rough topological spaces. Finally, intuitionistic fuzzy pseudo-closure operators in the framework of intuitionistic fuzzy rough approximations are investigated.     

改进的粗糙直觉模糊集

在Pawlak近似空间中,针对直觉模糊目标集合,假设在信息粒度不变的情况下,试图寻求目标集合更好的近似集。在现有的粗糙直觉模糊集的基础之上,利用直觉模糊粗糙隶属函数,采用分段函数的形式建立直觉模糊集新的下近似与上近似算子,并讨论新模型的一些基本性质。与现有的粗糙直觉模糊集相比,改进后的模型无论在近似精度方面,还是与目标集合的相似度方面,都有了较大的改善和提高。最后通过数值算例验证了所给结论的正确性。     

一种新的直觉模糊集的熵

通过分析现有直觉模糊熵计算方法中存在的一些问题,基于直觉模糊集理论和熵的概念,提出一种新的直觉模糊集的熵,给出它的结构、性质,并将其与现有的几种直觉模糊集的熵进行比较,发现其计算结果介于其他几种方法的计算结果之间,因而能够对模糊问题的模糊性做出更好的界定,有助于人们对模糊问题的理解和把握。最后,通过实例验证了它的有效性。     

改进的直觉模糊粗糙集相似性度量方法

针对现有的直觉模糊粗糙集相似性度量的问题,提出了一种改进的基于海明距离的直觉模糊粗糙集相似性度量方法。该方法考虑了犹豫度并引入加权参数,解决了相似性度量不精确的问题。首先给出了直觉模糊粗糙值间的相似性度量定义,并揭示其若干重要性质。在此基础上,提出了直觉模糊粗糙集间的相似性度量方法,并证明其具有同样性质。最后通过数值算例分析说明了该方法更合理、更有效。