多粒度支持直觉模糊粗糙集的多属性决策方法

针对多属性决策中多个相互冲突的属性信息使决策者很难做出决策判断的问题,文中从支持直觉模糊集的角度研究该问题.首先,在支持直觉模糊集的基础上,结合多粒度粗糙集理论,构造乐观、悲观两种多粒度支持直觉模糊粗糙集模型,分析两种模型之间的相互关系,讨论相关性质.然后,利用t-模和t-余模定义拟合函数,提出多粒度支持直觉模糊粗糙集的多属性决策求解方法,同时定义得分函数和精确函数排序决策结果,提取相应的决策规则,设计算法.实例分析表明,文中方法使决策者在处理信息冲突的多属性决策问题时可根据实际需求选择最优决策方案     

二级倒立摆的区间值模糊控制

为了提高倒立摆模糊控制的稳定性,研究了二级倒立摆的区间值模糊控制.根据区间值模糊集理论,由不同类型的隶属度函数构成区间结构,利用区间值模糊蕴涵建立控制规则,设计出二级倒立摆的区间值模糊控制器,并通过仿真与实时控制实验,对比分析了区间值模糊控制与点值模糊控制的性能.实验结果表明,区间值模糊控制具有更好的稳定性和鲁棒性.     

模糊空间中的直觉模糊粗糙近似

粗糙集和直觉模糊集的结合是一新的研究热点。在模糊近似空间中,结合模糊等价关系,构造直觉模糊粗糙近似算子,在γ算子和其余算子γ的基础上,证明了这些近似算子的性质。在模糊近似空间中,给出λ上(下)近似以及αβ-截集的λ上(下)近似,证明了它们的性质;给出直觉模糊集的粗糙度ραβA和λ水平截集的粗糙度,并讨论了其性质。     

浅谈在专家系统中模糊理论与概率论的应用

在专家系统中模糊理论应用比概率论应用具有哪些特点.     

Gdel区间值逻辑系统的广义拟重言式

吴洪博博士将王国俊教授在R0逻辑系统中的广义重言式理论推广到Gdel逻辑系统中,通过定义两个同构映射,得到其逻辑系统F(S)的一个分划。将这一理论推广到区间值模糊命题逻辑系统中,定义了两个新的区间同构映射,最终得到区间值逻辑系统F(S)的一个分划。     

离散数学的课堂导入法研究

成功的课堂导入法可以激发学生的求知欲,开启学生的思维,帮助教师顺利完成教学任务。文章针对离散数学定义定理多、内容丰富、理论抽象,学生感觉难学的问题,通过分析离散数学的作用、特点和教学现状,研究几种课堂导入法及其重要作用。提出在实际教学过程中,通过运用课堂导入法,引导学生学习兴趣,调动学生参与课堂的激情,达到提高离散数学的教学质量,圆满完成教学任务的目标。     

基于双符号压力函数的活动轮廓图像分割方法

为了解决测地线模型和CV模型无法同时对弱边界、灰度不均匀图像进行分割的问题,提出一种基于双符号压力函数的活动轮廓图像分割方法。首先,基于图像统计信息定义分割灰度不均匀图像的符号压力函数,基于内部和外部灰度均值给出轮廓曲线内外的全局区域灰度均值的加权组合函数,运用图像全局信息定义分割弱边界图像的符号压力函数;然后,结合统计信息的符号压力函数和全局信息的符号压力函数（简称“双符号压力函数”）,通过增加组合的权值系数,设计新的水平集演化方程;最后,将双符号压力函数引入到二值选择和高斯滤波正则化水平集模型中,构建一种基于双符号压力函数的活动轮廓图像分割算法。仿真实验结果表明,该算法能够有效地分割弱边界、灰度不均匀的图像,同时对噪声也有一定的抗干扰性。     

基于直觉模糊可能性分布的三支决策模型的研究

直觉模糊集理论和可能性理论的融合是不确定问题领域的一个研究热点。文中提出了一种基于直觉模糊可能性分布的直觉模糊可能性测度(Intuitionistic Fuzzy Probability Measurement,IFPM),并在此基础上构建了三支决策模型。首先,定义了直觉模糊决策空间及该空间上的直觉模糊可能性分布,并对其性质进行了证明,给出了论域对象的隶属度和非隶属度可能性均值的计算方法。然后,讨论了论域对象的隶属度和非隶属度可能性均值与决策阈值的关系,分析了它们之间的概率分布情况。根据概率分布－可能性分布的转换关系,给出决策规则和三支决策模型,提出了一种基于直觉模糊可能性分布的IFPM决策风险计算方法。最后,考虑论域中对象的增减变化引起的IFPM变化,给出对应公式并对动态决策过程进行分析,同时通过实例验证了该模型的有效性。     

基于三支决策理论的条件属性权重构造方法

针对传统决策过程中权重规则确定的主观性和参数数值计算的不确定性问题,在粗糙集和三支决策理论的基础上,对条件属性权重构造方法进行了研究。重新定义了属性确定度和属性约简度,提出了一种属性权重构造方法,通过实例将该方法与其它条件属性权重构造方法进行了分析比较,证明了其有效性。该方法基于数据本身,不需要先验信息,从客观的角度对属性进行判断,决策者通过该方法可以得到更加合理的权重分配,做出符合实际的决策。该论文对研究属性权重分配问题,具有一定的理论价值。