多准则模糊决策的区间值Vague集方法

区间值（i-v）模糊集合和Vague集是不精确知识表达的两种新理论。他们已被广泛地应用于决策系统中对不确定决策数据的描述。因此在Vague集基础上给出i-v Vague集的相关概念及性质,并将实数型Vague集群决策上的记分函数方法扩展到i-v Vague集上,提出新的记分函数,并用实例比较改进的记分函数与各种记分函数方法的优劣性。     

不完整Vague决策表中的近似集学习方法

含糊性和不可分辨性构成了决策表中不确定性的两个不同侧面,Ｖａｇｕｅ集作为当前模糊信息处理中的一个新兴研究课题,它具有强大的表达不精确数据的能力,然而针对它的学习方法却未见报导 ,大多数现有针对Ｖａｇｕｅ集的研究仍集中于对其本身性质的讨论,在介绍Ｖａｇｕｅ集的有关概念的基础上,借鉴了粗糙集中中有关近似集的概念,特别对不ａｇｕｅ决策表中的学习机制作了研究,解决了数据描述了不确凿时的学习问题,所给出的两     

基于区间值Vague集的多属性模糊决策方法

区间值Vague集作为Vague集的一种有用推广,已经在系统控制以及智能决策等方面有较为广泛的研究与应用.针对不确定系统处理中常出现的模糊决策问题,通过将决策方案的约束条件属性集转化成区间值Vague集,并综合考虑约束条件属性肯定出现的区间值程度以及肯定不出现的区间值程度和未知是否出现的含糊(犹豫)程度区间,给出一个基于区间值Vague数的记分函数和区间值Vague集的有效的多属性模糊决策方法,使得决策更加合理更具弹性.最后通过一个实例表明我们所提出的方法在不确定系统决策中确是简便可行的.     

基于Vague集加权相似度量的双向近似推理

本文提出了一种新的Vague集的加权相似度量方法，以解决文献中关于Vague集相似度量的某些缺陷以及权向量中各个分量难以确定的问题，并且提出了Vague集间相似方向的概念，用它来描述两个相拟Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上的给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了Vague集信息的精确性，从而提高了推理的精确性和适用性。这为智能系统中的近似推理提供了一个十分有用的工具。     

一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的Vague集的加权相似度量方法以解决文献[1]中关于vague集相似度量的某些缺陷，并且提出了Vague集间相似方向的概念，用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了vague集信息的精确性，从而提高了推理的精确性和适用性．这为智能系统中的近似推理提供了一个十分有用的工具．     

基于Rough-Vague集与证据理论的态势估计方法

针对态势估计中的事件检测需要依靠领域知识,提出一种基于Rough-Vague集与D-S证据理论的态势估计方法。基于Rough集与Vague集进行事件检测,根据目标历史数据建立事件决策表,通过属性约简得到简约的事件决策表,提出一种基于简约决策表获得目标事件Vague集的方法,根据Vague集的相似度建立评价系数来判定事件结果。目标在不同时刻发生的事件就是证据,基于证据合成公式得到最终的目标态势估计结果。实例分析表明该态势估计方法中事件检测不需要任何领域知识,对态势结果的不确定性具有很强的聚焦能力。     

Vague集间的相似性度量及应用

论文提出了一种描述Vague集间的不确定关联度概念,并提出了一种新的Vague集间相似性度量模型,它不但考虑了Vague集论域元素间的物理意义,而且也考虑了论域元素间的不确定关联程度,因此,它比已存在的Vague集间相似度量模型更加精细地刻画了Vague集间的相似性,从而在基于Vague集的不确定性智能信息处理领域中可有广泛应用。     

基于三元模糊数Vague集的SPA方法及应用

在结合集对理论（SPA）与Vague集理论的基础上,提出了一种新的三元模糊数Vague集。并采用集对联系数同、异、反来表示Vague集的函数,这种不确定信息的表示要比Vague集的表示更加合理、准确和有效。在此基础上,通过一个具体的实例来验证该方法的可行性和实用性。     

Vague集的新模糊熵

对于Vague集模糊熵应该既有Vague集的未知性又有Fuzzy集的不确定性。首先在给出了反例证实现有方法在某些情况得出的结果与实际结论不一致情况下,提出了一个真正考虑了两种因素的改进的Vague集模糊熵公理化定义,然后给出一种Vague集模糊熵的新计算公式,最后通过定理证明和实例分析,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。     

粗糙Vague集（值）相似性度量的一种新方法

对粗糙集和Vague集的概念、知识表示方法进行了讨论,把粗糙集和Vague集进行了融合,描述了粗糙Vague集概念,给出粗糙Vague值的相关概念及其相似性度量的一种新方法,研究了粗糙Vague集的相关性质及其相似性度量的方法。     

语言标记Vague集及其应用

为了解决不确定环境有时不能提供给Vague集的真、假隶属度以精确数字值的问题, 文中提出了语言标记Vague(Linguistic Label Vague,LLV)集.其论域对象的真、假隶属度均是 意义为模糊集的语言标记.文中还定义了LLV集的补、并、交和包含运算.作为应用,构造了LLV 决策表;获取了LLV决策规则;通过LLV集包含程度和相交程度度量了规则的强度,用LLV值 记分函数对强度排序.仿真结果表明:LLV集有时比Vague集更为现实地表示不精确信息.     

基于核属性的知识获取算法

Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法,在机器学习、数据挖掘、智能数据分析、控制算法获取等领域取得了很大的成功.决策表是Rough Set理论的处理对象,用RoughSet对决策表进行规则提取通常有代数观和信息观两种主要理论和方法.使用哪一种方法提取的规则集更好是很多研究者的目标.本文针对Rough Set理论的核心内容之一的知识获取进行了研究,提出了一种基于属性重要性排序的知识获取算法,并且证明了在不相容系统中使用信息观方法比使用代数观的方法更好,能够提取更合理的规则集.     

Vague决策表的知识获取

本文提出一种Vague决策表的知识获取方法。首先根据样本对于决策者需求的适合程度构造Vague值之间的一个序关系，将Vague决策表转化为二元决策表，然后利用粗糙集理论进行分析并推理出最优规则，最后再将二元决策表的决策规则转化为Vague决策表的有序规则。实验分析表明了该方法的有效性。     

一种Vague集相似度量的方案决策方法

在现有Vague集相似度量的基础上，提出一种改进的Vague集相似度量方法，并应用于工程方案的决策中。在改进的Vague集相似度量方法中考虑了Vague集的隶属度的三维含义、不确定隶属度对肯定与否定隶属程度的影响以及欧氏距离的表示。在基于Vsgue集相似度量的工程方案决策中，Vsgue集之间的相似度量是评价设计方案接近期望方案（理想方案）的度量，相似度量值越大，设计方案接近期望方案越好。这种方案决策的本质是一种模式识别方法。通过实例阐明所提出的相似度量法比现有方法有较强的分辨率，更为合理的工程方案决策，方案评价取得了满意的结果。     

覆盖Value集

覆盖粗糙集和Vague集都是处理不确定性问题的数学工具,它们分别是粗糙集和模糊集的扩展。已有的覆盖粗糙集模型在求上、下近似时,可能将一些实际上并非肯定属于给定集合的元素纳入到下近似中,而一些可能属于给定集合的元素却没有纳入到上近似中,这就会改变一些元素与给定集合的关系。通过深入分析论域中的元素与其相关覆盖元之间的关系,建立了覆盖Vague集。该覆盖Vague集能够从一种新的角度反映出论域中各元素与给定集合之间的从属程度。进一步研究了覆盖Vague集与覆盖粗糙集中一些重要概念之间的关系。最后讨论了当覆盖退化为划分时覆盖Vague集的特性。     

计算Vague集贴近度的一种新方法

指出了Chen给出的Vague集的贴近度存在的缺陷,并分析了李凡[1]提出的贴近度。在此基础上,引入了Vague集(值)的距离概念,进而引入并研究了Vague集(值)的贴近度,并证明了这一新的贴近度的性质。     

On vague logics and approximate reasoning based on vague linear transformation

As a generalisation of the Fuzzy Sets theory, vague set has been proven to be a new tool in dealing with vague information. In this article, we attempt to generalise the techniques of fuzzy inference in a vague environment. In the rule-based inference system, an ‘if?…?then?…’ rule can be considered a transformer that implements information conversion between input–output ends. Thus, according to the logical operations of vague linguistic variables, we introduce an approach to approximation inference based on linear transformation, and then discuss the representations for several inference structures regarding single rule, multi-rules and compound rules. By defining the inclusion function of vague sets, we provide vague rough approximation based on measure of inclusion, and then present a method on rule creation from a decision system. A case study on the prediction for welding deformation is used to illustrate the effectiveness of the proposed approaches.     

基于信息增益的缺省规则的挖掘方法

Rough集方法是一种处理不确定或模糊知识的重要工具。论文在现有的基于Rough集理论的缺省规则挖掘算法的基础上,将单属性信息增益概念扩充为多属性的情况,提出了基于信息增益的缺省规则的搜索策略和挖掘方法。实验表明,该方法能够发现简洁、易理解和实用的规则,同时具有较低的计算复杂性。