区间值直觉Fuzzy集的结构

引进区间值直觉Fuzzy集的截集的概念,并在此基础上给出区间值直觉Fuzzy集的分解与表现两种结构形式。     

区间值Fuzzy矩阵

在区间值Fuzzy集的理论上,定义了区间值Fuzzy矩阵与[λ1,λ2]—截矩阵,并讨论了它们的基本性质与运算.     

格区间值Fuzzy集

给出格区间值Fuzzy集分解定理和表现定理的新表现形式 .     

基于区间值直觉模糊集距离的多属性决策方法

针对区间值直觉模糊集上的多属性决策问题,使用区间值直觉模糊集犹豫度的概念,给出区间值直觉模糊集之间一种新的距离公式,并据以提出基于理想点法的区间值直觉模糊集多属性决策方法。最后,借助实例说明该决策方法的有效性。     

区间直觉模糊粗糙集的不确定性度量

利用模糊熵工具将近似集的不确定性度量方法应用在区间直觉模糊信息系统中,给出了区间直觉模糊近似算子的不确定性度量公式.通过在区间直觉模糊近似空间中定义一对新的区间直觉模糊上、下近似算子,将模糊粗糙隶属函数的定义推广到了区间直觉模糊集的粗糙隶属函数;然后利用区间直觉模糊粗糙隶属函数的模糊熵,定义了区间直觉模糊粗糙集的熵;进而解决了区间直觉模糊粗糙集的不确定性度量问题,并讨论了度量的一些相关性质,以此说明定义的合理性.     

区间直觉模糊集的分解定理

引入了区间直觉模糊集截集的概念,讨论了其有关性质,并给出了关于区间直觉模糊集的分解定理.进一步丰富了模糊集的理论基础.     

基于区间直觉梯形模糊数的群决策方法

针对准则值为区间直觉梯形模糊数（IVITFN）的群决策问题,定义了新的区间直觉梯形模糊数的加性的运算法则;基于这些运算法则,给出了几种区间直觉梯形模糊数信息的算术集成算子,包括区间直觉梯形模糊数的加权算术平均（IVITFNWAA）算子、区间直觉梯形模糊数的有序加权平均（IVITFNOWA）算子和区间直觉梯形模糊数的混合集成（IVITFNHA）算子;基于IVITFNWAA算子和IVITFNHA算子,提出了一种准则值为区间直觉梯形模糊数而准则权重确知的群决策方法。最后,实例分析表明了该方法的可行性和有效性。     

基于直觉Fuzzy关系的综合决策

借助K .Atanassov提出的直觉Fuzzy集 ,推广原有的Fuzzy综合决策模型 ,给出基于直觉Fuzzy关系的综合决策模型 .该模型有望在实际中得到更广泛的应用     

区间值模糊参数软集及其在决策中的应用

定义了区间值模糊参数软集的概念,研究了区间值模糊参数软集的运算及运算性质。然后,给出利用区间值模糊参数软集进行决策的方法,并通过实例说明了方法的可行性。     

基于直觉Fuzzy关系的综合决策

借助K.Atanassov提出的直觉Fuzzy集，推广原有的Fuzzy综合决策模型，给出基于直觉Fuzzy关系的综合决策模型，该模型有望在实际中得到更广泛的应用。     

区间直觉模糊集相似度构造

从直觉模糊集相似度出发,依据区间直觉模糊集隶属度和非隶属度上下确界转化成对应的2个直觉模糊集这一思路,提出一类构造区间直觉模糊集相似度的方法,并证明它们满足相似度公理。最后,分析了2个区间直觉模糊集相似度公式在模式识别中的应用实例。     

区间值Fuzzy集的生成结构

借助区间值模糊集中元素的区间指数,引入点算子,该算子将一区间值模糊集与一模糊集族联系起来.借助点算子剖析区间值模糊集的结构,用普通模糊集生成区间值模糊集,给出其两种形式的生成结构.其一是用一个普通模糊集生成一区间值模糊集,其二是两个普通模糊集共同生成一区间值模糊集.文中给出的这两种形式的生成结构对拓广区间值模糊集的应用领域将是有益的.     

基于覆盖的区间值直觉模糊粗糙集模型的讨论

利用论域上的覆盖提出了基于覆盖的区间值直觉模糊粗糙集模型,并讨论了它的性质.     

粗糙直觉模糊集的不确定性分析

基于粗糙直觉模糊集的基本概念和模糊熵的公理化定义,给出了直觉模糊集粗糙隶属函数的定义并讨论其基本性质,再利用粗糙隶属函数的直觉模糊熵,给出了粗糙直觉模糊集的不确定性度量,并讨论了度量的一些相关性质。     

直觉模糊集合的相似度与包含度

定义了直觉模糊集合的相似度与包含度,并给出了一些直觉模糊集合的相似度与包含度的实例。     

关于直觉模糊逻辑补算子

在文献[1]的基础上,利用区间值模糊集与直觉模糊集之间的关系,给出了两个新的直觉模糊逻辑补算子。并指出文[1]中的直觉线性补算子只是这两个新的补算子的一个特例。     

广义区间直觉梯形模糊优先级加权几何算子及应用

针对决策指标和决策者不在同一优先级下的区间直觉梯形模糊多属性决策问题,提出了广义区间直觉梯形模糊优先级加权几何算子,并推导出其数学表达式,研究了该算子的相关性质和一些特例,探讨了基于广义区间直觉梯形模糊优先级几何算子的多属性群决策方法;最后给出数值实例证明了算子的有效性。     

基于直觉模糊集的多属性决策问题

提出了一种基于直觉模糊集的多目标多属性决策问题的新记分函数,该记分函数从距离的角度选择最优方案,使最优方案接近最优理想方案,同时远离负理想方案.并对已有的基于直觉模糊集的多目标模糊决策方法进行分析与联系,通过实例阐明了本文提出的新记分函数的有效性.