Vague集转化为Fuzzy集的新方法

结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的方法进行了分析,指出已有方法存在的不足之处,提出了一种Vague集转化为Fuzzy集的新方法,并证明了该方法的有效性。     

Vague集向Fuzzy集转化的方法分析

介绍了Vague集与Fuzzy集的特点,结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的多种方法进行了分析,指出已有方法的不足,根据Vague集的三维特性并结合人的心理变化情况首次直观地提出一种新的有效非线性方法,并通过实例说明该方法的正确性和直观性。     

一种Vague集转化为Fuzzy集的方法

已存在的Vague集向Fuzzy集转化的多种模型都存在着一定缺陷。论文从另一种角度探讨了Vague集到Fuzzy集的转化,它把模糊隶属度看成是参数k的函数,这样在计算模糊隶属度时,只需给定满足条件的参数k即可;另一方面,在进行模糊信息处理时,会遇到一些不确定因素,如果所得到的模糊隶属度与实际结果有些偏差,可根据参数k的数学性质有目的地调整k,而不必去重新建立方法模型,因此,此方法比已存在方法灵活,适用;文章也对已有的转化方法与所提模型进行了比较,说明了所提模型的正确性及有效性。     

Vague集向Fuzzy集转化的新方法

指出了Vague集向Fuzzy集转化已有方法存在的不足,给出了Vague集转化为Fuzzy集应满足的约束准则,提出了一种Vague集向Fuzzy集转化的新方法,并证明了该方法的有效性,通过实例说明该方法比已有方法更合理。     

Vague集向Fuzzy集转化的一种新方法

结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的方法进行了分析,指出已有方法存在的不足之处,提出了一种新的有效转化方法,并通过实例说明其有效性。     

Vague集向Fuzzy集转化的两种新方法

指出了陈玉明等提出方法存在的不足之处,结合Vague集理论及投票模型下的解释,给出了Vague集向Fuzzy集转化时应满足的约束条件,提出了Vague集向Fuzzy集转化的两种新方法,并说明了其有效性。     

一种Vague集向Fuzzy集转化的新方法

基于Vague集理论及投票模型下的解释,介绍了Vague集向Fuzzy集转化的一些方法,并指出了这些方法的不足,在此基础上提出了一种新的转化方法,并证明了该方法的有效性,实例表明该方法比已有的方法更合理。     

关于“Vague集向Fuzzy集的转换函数”的注记

结合Vague集理论及投票模型下的解释,对“Vague集向Fuzzy集的转化函数”进行了分析,指出了其存在的不足之处,提出了两种Vague集转化为Fuzzy集的新方法,并证明了其有效性。     

关于Vague集向模糊集转化的一种新方法

文章介绍了Vague集与Fuzzy集的特点,结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的方法进行了分析,指出已有方法的不足,根据Vague集的三维表示图直观地提出了一种新的有效方法,并通过实例说明了该方法的有效性和直观性。     

一个基于Vague集相似度量的近似推理方法

对文献[1]中提出的一种基于Vague集之间相似程度的度量方法进行了分析，指出了这种相似度量方法存在的缺陷。在此基础上，给出了一种改进的相似度量方法。同时，我们还给出了一种新的Vague集的交并运算规则，并在新的交并运算基础上，提出了一种基于Vague集相似度量的近似推理方法。最后，用实例说明了这种近似推理的推理过程。     

Vague集向Fuzzy集转化的方法模型

结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的方法进行了分析,提出了一种新的转化方法模型,并从理论上解释了已有方法的合理性与不足。     

基于Vague值转化Fuzzy值的一种新方法

在分析已有Vague值转化Fuzzy值方法存在的不足与缺陷基础上,讨论了Vague值转化Fuzzy值的本质实际上是将Vague集中的未确知度按照一定比例进行分配增加到支持度中构成了一个新的支持度(隶属度)原理,建立了一种Vague值转化Fuzzy值的新方法。通过实例验证该方法在约束条件、可分辨性等方面的有效性及合理性。     

关于Vague集模糊熵及新构造方法

从Vague集模糊性主要来自未知信息与不确定信息出发,给出一种新的Vague集模糊熵计算方法,并改进了它的公理化定义及其证明。最后通过实例分析,指出它确实同时考虑到Vague集的未知性和不确定性,从而证明所给出Vague集模糊熵的定义是更加合理的。