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。     

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。     

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。     

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。     

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。     

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。     

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。     

Vague集相似度量的新方法

指出了现有方法的不足,提出一种新的Vague集相似度量方法,并证明了它满足若干准则。通过实例说明了方法的有效性和优越性。     

关于“Vague集的新模糊熵”的注记

指出了“Vague集的新模糊熵”中模糊熵定义的错误,给出了修正后的模糊熵定义,提出了一种新的Vague集模糊熵的计算方法,并证明了该方法的有效性。     

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。     

一种Vague集上的直接聚类法

Vague集是Fuzzy集的扩展,在给出几种构造Vague集相似矩阵方法的基础上,将Fuzzy集上的编网法和最大树法引入到Vague集上,定义了Vague关系图,并给出了基于Vague集的直接聚类法：编网法和最大树法。最后使用文献[1]中的例子,分别采用Vague传递闭包法和Vague直接聚类法进行计算。实验结果表明,Vague直接聚类法计算简单,不会造成原始信息的失真,比Vague传递闭包法更加有效。     

一种新的Vague集的熵

受Fuzzy集模糊熵的启发,提出了Vague集熵的公理化定义。充分考虑到Vague集的真隶属度、假隶属度和犹豫度三个方面,提出了新的Vague集的熵的计算公式,用于度量一个Vague集的模糊性。以实例来说明新的公式的有效性和实用性。