关于Vague值向Fuzzy值转化方法的一些思考

提出Vague值向Fuzzy值转化的系列均值修正法。证明了这些方法满足Vague值向Fuzzy值的转化准则。     

Vague集向Fuzzy集的转化方法的比较

证明了vague集转化为fuzzy集的三角形法和不确定度加权法都是实用方法,证明了这两种方法是相同的方法,且证明了这两种方法都是加权均值修正法的特殊情况。     

Vague值向Fuzzy值转化方法新探

用反例证明文献[1]提出的两种Vague值向Fuzzy值的转化方法是不满足准则1^[2]和准则2^[2]的。但是如果在这两个方法中补充参数的约束条件,则这两种方法皆是实用方法。提出两种Vague值向Fuzzy值新的转化方法,证明了它们是实用方法。     

从Fuzzy值数据向Vague值数据的转化公式

提出了Fuzzy值数据向Vague值数据的转化准则和定义,提出了一些Fuzzy值数据向Vague值数据的转化公式（方法）。例题表明这些公式（方法）都是有效的。     

Vague值向Fuzzy值转换的两种方法

提出两种Vague值向Fuzzy值的转化方法。证明了这些转化方法是实用方法。证明了文献[1]所提出的三种转化方法都是这些转化方法的特殊情况。还证明了文献[2]所提出的转化方法是这些转化方法的特殊情况。     

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。     

关于Vague值转化为Fuzzy值的方法的分析

提出了Vague值转化Fuzzy值的方法的不可分辩的定义,用此定义证明了四种转化方法的不可分辩性。证明了五种方法(其中有该文提出的三种方法)是较好的转化方法。     

基于凸面单形体的Vague集向Fuzzy集转化模型

利用Vague集与凸面单形体同一平面内3个三角形的对应关系,给出一种Vague集及其向Fuzzy集转化的单形体几何表示方法,有效解决Vague集向Fuzzy集转化方法或模型中的几何解释问题。提出Vague集向Fuzzy集转化的单形体转化模型(S-TM),以及应满足的转化准则。与已有转化方法或模型相比,S-TM具有更直观的几何表示和更明确、更确定的几何解释,是一种更为有效的转化模型,并说明Vague集向Fuzzy集的转化具有模糊性和逐渐转化性。     

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。     

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。     

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模式排序法进行目标价值排序

提出从Fuzzy数据向Vague数据的两个转化公式,提出Vague集之间的相似度量公式。数据转化公式和相似度量公式是Vague模式排序法的两个基础。该方法能进行目标价值排序,也能为如何选择更重要攻击目标提供理论依据。应用实例表明Vague模式排序法是实用的。     

Vague集（值）之间的新相似度量

提出Vague集（值）之间的新相似度量,给出一个区间值数据向Vague值数据的转化公式。农业领域的应用实例进一步表明这些公式是实用的。     

Vague集模糊熵的约束条件及其度量方法分析*

为了体现vague集模糊熵既有vague集的未知性又有fuzzy集的不确定性,首先给出了反例说明已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集模糊熵定义,然后给出一种vague集模糊熵的新度量方法,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。     

Vague集的模糊熵*

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.     

Vague值向Fuzzy隶属度转化方法的准则

引入从Vague值A(u)导出的Vague值A軒(u)、赞成与反对程度、可能的不确定度、可能的赞成与反对程度等概念,应用这些概念提出两种把Vague值转换成Fuzzy隶属度的方法,提出判断Vague值转化为Fuzzy隶属度的准则,证明四种“转化”方法满足这些准则。