基于改进模糊集分析法的汛期分期

传统的模糊集分析法进行汛期分期过程中,在汛期区间与阈值的确定方面存在主观性较强的问题,同时该方法只能考虑单一的因素,针对这些问题提出改进模糊集分析法。使用变异系数法计算指标权重,用每个旬的所有指标加权组合成为一个综合指标,以代替原来的单一指标;使用模糊集合分析法计算隶属度,划分汛期与非汛期,最后在汛期区间内,使用均值变点分析法寻找变点,并以此进行汛期分期。改进的模糊集分析法的分期结果与数理统计法、传统模糊集合分析法的汛期分期结果大体一致,说明提出的改进模糊集分析法适用性强。     

基于区间模糊匹配函数的数据清洗算法研究及其在问卷调查中的应用

数据清洗是保证数据质量的重要步骤. 由于人类的活动通常带有一定的主观性与情绪性,因此现实中部分数据往往存在不合理性甚至错误. 而此类不合理数据常具有不确定性、模糊性与隐藏性,这给数据清洗带来了困难. 传统的数据清洗方法对此类数据难以充分发挥作用. 结合区间值模糊集理论与匹配函数提出一种区间模糊匹配函数方法,构建区间模糊匹配算法来清洗数据、提高数据质量,并将其应用在问卷调查数据中. 实验结果表明本算法具有较高的准确度及运行效率,适应处理数据中的不合理数据.     

属性权重完全未知的犹豫模糊双边匹配决策

针对基于犹豫模糊属性（HFV）信息且权重完全未知的双边匹配（TSM）问题,提出一种多属性匹配决策方法。首先,根据双方主体给出的犹豫模糊多属性评价值,通过最大化各属性之间的离差和从而确定属性权重;然后,由犹豫模糊有序加权平均算子集结多属性及权重信息获得双方的匹配度;进而建立一种基于匹配度的多目标优化模型,并使用极大极小法转化为单目标优化模型求解得到匹配方案;最后,进行实例分析和对比,所提方法得到目标函数值分别为1.689和1.575,且匹配解唯一。实验结果表明,所提方法可避免因主观确定目标函数权重而产生不唯一匹配解。     

基于粒计算的犹豫模糊多准则决策方法*

提出基于粒计算的犹豫模糊多准则决策方法.给出各个准则下对应的犹豫模糊集中犹豫模糊元的大于可能度定义,并构造相应准则下的加性一致的模糊偏好矩阵.根据各准则的模糊偏好矩阵对应的预序熵及预序粒结构相似度确定属性的权重,对各个准则下模糊偏好矩阵的排序向量加权平均得到最终的排序向量.文中方法以评价数据序信息量及准则序与整体之间的关系确定准则权重,通过计算加权两两比较下的排序向量得到最终的排序决策结果.最后运用实例验证算法的有效性及可行性.     

基于决策规则的形式背景属性约简*

在经典形式背景中,利用对象和属性间的二元关系定义一对粗糙模糊上、下近似算子,讨论算子的基本性质,指出算子与已有粗糙近似算子的关系.利用定义的粗糙模糊上、下近似算子,得到两类决策规则,即确定性决策规则和可能性决策规则.针对两类决策规则,提出下近似约简和上近似约简的概念,关于上近似约简,得到可约属性和属性协调集的判别条件,给出属性约简方法,并举例说明方法的可行性.     

基于犹豫模糊H-平均的交通流模型选择方法

针对输入变量之间存在相互影响和联系以及属性值为犹豫模糊信息的多属性决策问题,基于阿基米德范数和Heronian平均,提出一种新的犹豫模糊Heronian平均（HFHM）算子;详细研究了HFHM算子的一些基本性质,包括幂等性、单调性和有界性;探讨了HFHM算子的一些特例,并提出了犹豫模糊加权Heronian平均（HFWHM）算子;进一步,基于HFWHM算子建立了一种新的犹豫模糊多属性决策方法,该决策方法不仅能够有效地捕获输入变量之间的相互联系,还使得决策者能够依据自身的风险偏好态度选择不同的参数进行决策。最后,通过交通流模型的选择实例对提出的决策方法进行了有效性验证。     

量子模糊朴素贝叶斯分类算法

以传统朴素贝叶斯算法为基础,研究并提出一种高效、准确的量子模糊贝叶斯分类算法。首先将“模糊集合理论+朴素贝叶斯理论”交叉融合,定义模糊先验概率、模糊条件概率,将朴素贝叶斯推广至模糊朴素贝叶斯,构建模糊贝叶斯模型;其次,将“模糊贝叶斯模型+量子计算”交叉融合,将模糊数据集量子化（编码到量子态上）并设计量子线路,提出一种量子模糊朴素贝叶斯分类算法;最后,将该算法应用到鸢尾花数据集。仿真实验表明,与传统朴素贝叶斯分类算法相比,该算法具有较高的分类效率和准确率。     

真值限定的语言真值直觉模糊推理

为了更贴近人类语言的表达,减少推理过程中信息的损失,在直觉模糊逻辑推理的基础上,结合语言真值格蕴涵代数,提出了真值限定的语言真值直觉模糊推理方法。研究了语言真值直觉模糊犹豫度、相容度、不相容度及其相关性质,并通过语言真值直觉模糊相容度的计算,对推理真值进行限定,给出语言真值直觉模糊推理模型的真值限定推理方法。设计推理算法,并将算法应用于实例中。实例说明,该方法在处理同时具有可比性和不可比性的语言真值直觉模糊推理问题中更有效。     

对偶犹豫模糊集的相关系数及其应用

对偶犹豫模糊集因其可以给决策者提供更多的决策信息成为模糊决策的热点研究问题,相关性指标可以用来度量两个模糊信息之间的相关关系,熵可以用来度量模糊信息的不确定程度。提出了一种基于对偶犹豫模糊集相关系数和熵的模糊多属性群决策方法。定义了对偶犹豫模糊集相关系数的概念,讨论了其基本性质;提出了两种对偶犹豫模糊集的熵,在此基础上,给出了模糊多属性群决策的权重确定方法;基于对偶犹豫模糊集相关系数和熵,提出了一种属性权重完全未知条件下的模糊多属性群决策方法;通过案例分析说明了该方法的有效性和可行性。     

基于AHP与IFS的单件生产模式下制造需求与资源匹配算法

针对复杂大型装备的单件生产模式产品规格繁多、结构复杂且个性化强、工艺变更频繁且难以标准化、工艺编制难度大、加工周期长、对资源能力依赖严重等特点,以及制造服务提供企业在订单阶段难以对客户需求与当前制造能力的匹配度进行正确、快速预判等问题,提出了基于零件特征的单件生产制造需求和制造资源能力模型。引入基于层次分析法与直觉模糊集的特征工序矩阵与设备资源能力矩阵匹配算法,计算零件需求和资源的匹配度,实现订单阶段的用户需求和制造资源的快速匹配,最后通过企业实例验证了该方法的有效性。研究结果有助于提高单件制造企业的订单评估质量,降低接单风险,增强企业的竞争力。