广义犹豫模糊软集的相似度量及其应用

在广义模糊软集和犹豫模糊软集的基础上给出广义犹豫模糊软集的概念,并研究广义犹豫模糊软集的相似度量。首先利用三种犹豫模糊集合的包含度,构造犹豫模糊集间的相似度量公式。然后在犹豫模糊集相似度基础上给出广义犹豫模糊软集相似度量的公理化定义,并构造广义犹豫模糊软集的相似度量公式,这些公式可以计算参数集不同时两个广义犹豫模糊软集间的相似度。最后利用广义犹豫模糊软集相似度量方法构造了一种决策方法,并将这个决策方法应用于环境治理问题中。通过实例验证了所提出方法的可行性和有效性。     

基于Kleene-Dienes蕴涵算子的Vague集相似度量方法

通过分析现有Vague集相似度量方法,指出这些相似度量方法的不足之处。根据Kleene-Dienes蕴涵算子及其否定算子的包含和相交关系,提出一种基于Kleene-Dienes蕴涵算子的Vague集相似度量方法,并证明该方法满足相似度量的条件。通过与现有相似度量方法的比较,说明该相似度量方法能克服现有相似度量方法的缺陷,能够有效区分数据,具有一定的优越性,为研究Vague集相似度量方法提供了一种新的思路。     

基于包含度的直觉模糊相似度量方法

针对现有文献中涉及到直觉模糊相似度量的计算公式大多是基于直觉模糊距离测度的现状,提出一种基于包含度的直觉模糊相似度量方法。借助模糊蕴涵算子和集合基数,建立了IFS包含度的一系列具体公式,揭示了IFS包含度与相似度的关系,提出了一种基于包含度的IFS相似度量方法,并以具体算例表明该方法不仅可以解决中部分存在的问题,而且为研究IFS相似度量理论开辟一个新的途径。     

Vague软集的新模糊熵及其应用

依据软集、Vague集、Vague软集现有理论,参考Vague集模糊熵度量方法,对Vague 软集模糊熵的公理化定义进行了补充,修正了原有公理化定义中不完整的地方;提出了一种新的计算Vague 软集模糊熵的公式,并给出了其在决策中的应用实例及分析。实例分析表明该Vague 软集模糊熵公式具有良好的应用效果。     

Vague集相似度量及其在模糊数据检测中的应用

分析现有一些Vague集相似度量方法,并指出其不足。考虑在实际应用中,未知度对相似度量的影响,从动态的角度出发,挖掘未知度中包含的赞成与反对信息,提出了一种基于未知度的Vague集相似度量新方法,并将该相似度量方法应用于模糊数据检测中,通过实际应用说明该方法更加有效。     

Vague软集的模糊熵和它的一些性质

Vague软集理论被认为是一种新的处理不确定信息的数学工具,而模糊熵又是度量各种不确定信息的重要技术.文章基于Vague集思想和软集思想之间的联系,以及Vague集与软集现有理论,在Vague集模糊熵公理化定义的基础上,初步提出了Vague软集的模糊熵的公理化定义.同时给出了一种Vague软集的模糊熵的计算公式,并在此基础上证明了我们的模糊熵公式具有一些良好的数学性质.所得结果扩展了Vague软集理论的研究范围,并提出了该领域未来可研究的方向.     

区间值模糊软集的信息测度及其聚类算法

针对区间值模糊软集信息测度难以精确定义的问题,提出了区间值模糊软集的距离测度、相似度、熵、包含度、子集度的公理化定义,给出了区间值模糊软集的信息测度公式,并讨论了它们的转换关系。然后提出了一个基于相似度的聚类算法,该算法结合区间值模糊软集的特性,着重对给出评价对象的具有相似知识水平的专家进行聚类,同时讨论了算法的计算复杂度。最后通过实例说明该算法能有效地处理专家聚类问题。     

命题逻辑公式模糊软集语义及其在决策分析中的应用

基于论域公式引入软命题逻辑公式概念,给出软命题逻辑公式的模糊软语义解释.将决策模糊信息系统转化为决策模糊软集,软决策规则表示为包含有蕴含联结词的软命题逻辑公式.引入软命题逻辑公式的基本真度、条件真度、绝对真度等指标,从充分性、必要性等方面评价软决策规则的有效性、合理性.提出基于决策软集的典型软决策规则提取算法和基于软决策分析的推荐算法,并通过实例和数值实验证明算法的有效性.     

基于包含度的Vague集相似度量

在模糊模式识别中经常要根据最大相似度原理来分辨待测样品属于哪种模式．由于现有的vague集相似度量公式都是基于距离测度的，因此只要vague集间距离测度一样，它们就无法分辨，因此非常有必要寻找其它的相似度量计算方法．首先将模糊集上的包含度概念扩展到Vague集上，指出Vague集相似度量可以由包含度诱导出，然后给出一组新的Vague集相似度量计算公式．数值算例证明它们是有效的，最后将它们与现有方法进行比较，发现它们各有所长．     

基于GBM算子扩展的时序广义模糊软集决策模型

在不确定环境下,决策环境的复杂性使决策信息并非完全精确,同时也可能使决策信息存在着时序上的动态变化性。在广义模糊软集的基础上提出了时序广义模糊软集,并定义其并运算、交运算和数乘运算。针对不同时间点决策信息的相互关联性和不同属性间的内在联系,根据几何Bonferroni平均算子（GBM算子）与S范数,提出了时序广义模糊软集几何加权Bonferroni平均算子（TGFSSGBM算子）,并证明了其相关性质,在此基础上提出了考虑不同决策时间点权重的TGFSSGWBM算子。最后,构建了基于TGFSSGWBM算子的时序广义模糊软集决策模型,算例分析以及不同算子间的比较分析验证了该决策模型的可行性和有效性。     

区间二型模糊相似度与包含度

相似度与包含度是模糊集合理论中的两个重要概念,但对于二型模糊集合的研究还较为少见．鉴于此,提出了新的区间二型模糊相似度与包含度．首先选择了二者的公理化定义;然后基于公理化定义提出了新的计算公式,并讨论了二者的相互转换关系;最后通过实例来验证二者的性能,并将区间二型模糊相似度与Yang-Shih聚类方法相结合,用于高斯区间二型模糊集合的聚类分析,得到了合理的层次聚类树．仿真实例表明新测度具有一定的实用价值．     

Normalized distance, similarity measure, inclusion measure and entropy of interval-valued fuzzy sets and their relationship

In this paper, we introduce an axiomatic definition of an interval-valued fuzzy sets’ inclusion measure which is different from Bustince’s [H. Bustince, Indicator of inclusion grade for interval-valued fuzzy sets, Applications to approximate reasoning based on interval-valued fuzzy sets, International Journal of Approximate Reasoning, 23 (2000) 137-209]. The relationship among the normalized distance, the similarity measure, the inclusion measure, and the entropy of interval-valued fuzzy sets is investigated in detail. Furthermore, six theorems are proposed showing how the similarity measure, the inclusion measure, and the entropy of interval-valued fuzzy sets can be deduced by the interval-valued fuzzy sets’ normalized distance based on their axiomatic definitions. Some formulas have also been put forward to calculate the similarity measure, the inclusion measure, and the entropy of interval-valued fuzzy sets.     

基于模糊等价的毕达哥拉斯模糊集相似度构造方法

毕达哥拉斯模糊集是Zadeh模糊集的一种推广形式,其相似度刻画方法是毕达哥拉斯模糊集理论的重要研究内容.现有的毕达哥拉斯模糊集相似度大多针对具体问题而提出.为推广毕达哥拉斯模糊集理论的应用范围,文中基于模糊等价研究毕达哥拉斯模糊集相似度的一般构造方法.将模糊等价概念推广至毕达哥拉斯模糊数,提出了PFN(Pythagor...     

Similarity measures,penalty functions,and fuzzy entropy from new fuzzy subsethood measures

In this study, we discuss a new class of fuzzy subsethood measures between fuzzy sets. We propose a new definition of fuzzy subsethood measure as an intersection of other axiomatizations and provide two construction methods to obtain them. The advantage of this new approach is that we can construct fuzzy subsethood measures by aggregating fuzzy implication operators which may satisfy some properties widely studied in literature. We also obtain some of the classical measures such as the one defined by Goguen. The relationships with fuzzy distances, penalty functions, and similarity measures are also investigated. Finally, we provide an illustrative example which makes use of a fuzzy entropy defined by means of our fuzzy subsethood measures for choosing the best fuzzy technique for a specific problem.     

Pythagorean fuzzy multicriteria group decision making through similarity measure based on point operators

In this paper, a series of similarity measures based on point operators for Pythagorean fuzzy sets are proposed. Using the proposed similarity measures, two new aggregation operators, viz., Pythagorean fuzzy‐dependent averaging operator and Pythagorean fuzzy‐dependent geometric operator, are developed. The advantage of using these operators is that the influence of unfair arguments of aggregated results could be eliminated, since the associated weights are taken from the aggregated Pythagorean fuzzy arguments. Also, the proposed operators have the capability to adjust the degree of aggregated arguments with the controlling parameters. To establish the application potentiality of those operators, a methodology for solving multicriteria group decision‐making problems having Pythagorean fuzzy arguments is developed. A numerical example is provided to demonstrate the proficiency of the proposed method. The achieved results are compared with the results of other existing technique.     

Entropy, similarity measure of interval-valued intuitionistic fuzzy sets and their applications

In this paper we propose an entropy measure for interval-valued intuitionistic fuzzy sets, which generalizes three entropy measures defined independently by Szmidt, Wang and Huang, for intuitionistic fuzzy sets. We also give an approach to construct similarity measures using entropy measures for interval-valued intuitionistic fuzzy sets. In particular, the proposed entropy measure for interval-valued intuitionistic fuzzy sets can yield a similarity measure. Several illustrative examples are given to demonstrate the practicality and effectiveness of the proposed formulas. We apply the similarity measure to solve problems on pattern recognitions, multi-criteria fuzzy decision making and medical diagnosis.