基于语言型混合算子的模糊信息聚合方法

在多属性决策过程中经常会用到聚合算子,有序加权平均聚合(OWA)算子是最常用的聚合算子之一,通常用于聚合确切的数值.然而,现实世界部分信息的不确定性以及决策者对一些信息的模糊性,使得部分信息不能用确切的数值表示,从而导致OWA算子及其扩展算子向着多元化发展.对此,给出一种语言型混合有序加权平均聚合(LHOWA)算子,同时研究该算子所应具备的一些基本性质,并给出一种基于该算子的语言型信息聚合方法,用于多属性决策过程中模糊信息的聚合.最后,通过一个煤矿安全评价的算例对所提出方法的优越性进行了验证.     

混合算子在数据信息聚合中的应用研究

在权重未知情况下进行数据信息聚合时,经常会用到OWA聚合算子及其扩展的聚合算子;然而在数据信息自身的权重及数据信息所处聚合位置的权重之间,大多数聚合算子仅仅考虑了其中的一种权重。在同时考虑数据信息两种权重的情况下,提出了一种混合有序加权聚合（HGOWA）算子,给出了基于该算子的数据信息聚合方法,并证明了该算子的一些性质定理。通过一个变电所设计方案评估问题,阐明了所提出聚合算子的科学性与合理性。     

犹豫梯形模糊算子在多属性决策中的应用

结合犹豫模糊集和梯形模糊集,提出犹豫梯形模糊集的概念。首先,给出犹豫梯形模糊数的运算法则,探讨犹豫梯形模糊加权平均（HTrFWA）算子和犹豫梯形模糊加权几何（HTrFWG）算子。考虑到犹豫梯形模糊数的有序位置存在具有不同权重的情况,定义了犹豫梯形模糊有序加权平均（HTrFOWA）算子和犹豫梯形模糊有序加权几何（HTrFOWG）算子,并讨论了其相应的运算定理。其次,构建犹豫梯形模糊数的得分函数,并给出犹豫梯形模糊数的排序方法。最后,提出了基于HTrFWA算子和HTrFWG算子的犹豫梯形模糊多属性决策方法,并通过实例进行验证。     

一种平均聚合算子

模糊性是客观世界的固有属性。文章首先阐述了Fuzzy子集及其有关概念,然后讨论Dubois的平均聚合算子M和Yager的有序权平均算子OWA,并证明OWA算子是一种M算子。     

直觉模糊POWA算子及其在多准则决策中的应用

为了解决具有优先级的直觉模糊多准则决策问题,定义了直觉模糊优先有序加权平均(IFPOWA)算子.基于优先关系.利用直觉模糊值修正得分函数给出其关联权重向量的计算方法,分析并证明了IFPOWA算子的性质;提出了基于IFPOWA算了的具有优先级的直觉模糊多准则决策方法.最后,利用实例对方法的有效性进行了分析.     

FH-OWA算子及其在模糊多属性决策中的应用

现实中,绝大多数的决策是模糊决策,而决策结果很大程度上取决于聚合算子的选取。为了使信息聚合更加科学合理,研究了H-OWA算子（Heronian ordered weighted averaging operator）。鉴于H-OWA算子的优点和局限性,提出了基于三角模糊数的FH-OWA算子（fuzzy Heronian ordered weighted averaging operator）,并研究了其幂等性、单调性、有界性及交替性。最后,将FH-OWA算子应用于模糊多属性决策中,并与原文献进行了比较和分析,结果表明FH-OWA算子在信息聚合时侧重所有决策者意见的“一致性”,而不是个别专家的权威性。     

Pythagorean模糊幂Bonferroni集成算子及其决策应用

结合幂平均与Bonferroni平均集成算子的优点,定义了毕达哥拉斯模糊幂Bonferroni平均和毕达哥拉斯模糊加权幂Bonferroni平均集成算子,其不仅考虑了数据信息之间的整体均衡性,还考虑了属性之间可能存在的相互关联关系。研究了这些集成算子的优良性质和特殊情形,并在此基础上提出了一种属性间存在相关性的毕达哥拉斯模糊多属性决策方法。将其应用于国内航空公司的服务质量评价中,并与现有方法进行分析比较,验证了所提方法的有效性和可行性。     

毕达哥拉斯模糊优先集成算子及其决策应用

作为直觉模糊集的推广形式,毕达哥拉斯模糊数能更好地刻画现实中的不确定性,此外在某些问题上,方案的属性之间往往具有优先关系,针对此类信息的集成问题,将毕达哥拉斯模糊数与优先集成算子相结合,提出了毕达哥拉斯模糊优先集成算子,包括毕达哥拉斯模糊优先加权平均算子和毕达哥拉斯模糊优先加权几何算子,并讨论了这些算子的性质。在此基础上,提出了毕达哥拉斯模糊优先集成算子的多属性决策方法,最后将其应用于国内四家航空公司服务质量评价中,说明了该算子的有效性和可行性。     

犹豫模糊Einstein几何算子及应用

研究了属性权重信息已知条件下的犹豫模糊信息集结算子及其在多属性群决策问题中的应用。基于Einstein运算定义了犹豫模糊Einstein和、犹豫模糊Einstein积以及犹豫模糊Einstein幂运算,并且研究了犹豫模糊Einstein运算法则间的关系。提出了四种犹豫模糊信息集结算子,即犹豫模糊Einstein加权几何（HFEWG）算子、犹豫模糊Einstein有序加权几何（HFEOWG）算子、犹豫模糊Einstein混合几何（HFEHG）算子和犹豫模糊Einstein诱导有序加权几何（HFEIOWG）算子,并分析了这些算子的性质。给出了基于HFEIOWG算子的犹豫模糊多属性决策方法,并结合投资公司对金融产品的选择来验证提出的决策方法是可行有效的。     

直觉模糊数密度集成算子及其应用

针对有数据分布疏密偏好的直觉模糊问题,提出基于密度集成算子的集结方法.首先,借助差异度和相似度构建距离测度公式,结合树图思想给出一种简单的直觉模糊数聚类方法;然后,讨论决策者偏好与密度权向量的关系,并在此基础上定义两种新的算子-----直觉模糊密度加权平均集成算子和直觉模糊密度混合算术平均集成算子,后者具有更优良的性质.最后,通过算例验证了所提出方法的有效性.     

加权模糊聚集算子研究

在数据挖掘、模糊专家系统和多Agent协同决策过程中,要经常面对信息聚集技术和对多个模糊数据来源进行聚集运算,一般用得最多的是合取、析取及加权平均等算子,但是不同的领域有着不同的需求,本文着重对加权聚集算子进行研究。首先,提出了加权平均关系与析取关系结合后的析取-加权平均算子,该算子解决了加权平均算子不能区分析取与合取的关系。然后,提出了一种最大加权平均算子和最小加权平均算子,该算子将最大最小值算子与加权平均算子进行了泛化,解决了同时考虑信息局部性特征与信息整体性特征的问题。理论分析表明,本文提出的加权模糊聚集算子对于模糊信息源的聚集运算起到了很好的补充和完善的功能。     

基于概率犹豫信息集成方法的群决策模型*

现有犹豫模糊集在描述决策信息时会导致决策信息大量损失,因此文中基于概率犹豫模糊信息集成算子,构建多属性群决策模型.首先在概率犹豫模糊环境下引入Archimedean范数,定义概率犹豫模糊运算法则.基于该运算法则,提出广义概率犹豫模糊有序加权平均(GPHFOWA)算子和广义概率犹豫模糊有序加权几何(GPHFOWG)算子,并讨论它们的基本性质.然后分析GPHFOWA算子和GPHFOWG算子的常见形式和相互关系.最后运用提出的2类算子构建概率犹豫模糊多属性群决策模型,并且通过供应商的选择实例验证决策模型的可行性和有效性.     

基于粒计算的犹豫模糊多准则决策方法*

提出基于粒计算的犹豫模糊多准则决策方法.给出各个准则下对应的犹豫模糊集中犹豫模糊元的大于可能度定义,并构造相应准则下的加性一致的模糊偏好矩阵.根据各准则的模糊偏好矩阵对应的预序熵及预序粒结构相似度确定属性的权重,对各个准则下模糊偏好矩阵的排序向量加权平均得到最终的排序向量.文中方法以评价数据序信息量及准则序与整体之间的关系确定准则权重,通过计算加权两两比较下的排序向量得到最终的排序决策结果.最后运用实例验证算法的有效性及可行性.     

边缘检测算子研究及其在医学图像中的应用

阐述了边缘检测在医学图像处理中的重要作用,分析了几种常用算子(Roberts,Sobel,Prewitt,Laplacian,Canny)基本原理及算法实现,并对比各算子的优缺点,并用VC .NET工具编程实现出以上各种算子对一幅人体头部的MRI图进行边缘提取。对实验结果进行分析得出结论,各种不同的算子对同一幅图片进行边缘提取,会得到完全不同的结果,Canny算子检测出的边缘比一般微分算子更精确、更细,但也可能平滑掉一些有用的边缘。因此,在不同的条件下,应根据具体情况,选择最适合的边缘检测算子对图像进行处理,才能得到最佳效果。     

犹豫模糊图及其在多属性决策中的应用*

犹豫模糊集作为定量描述犹豫不决的有效工具,通过同时处理不确定性信息中的犹豫性与模糊性,解决犹豫不决背景下的多属性决策问题.文中针对属性值为犹豫模糊数的多属性决策问题,研究基于模糊图论的相关模型与多属性决策方法.首先,提出犹豫模糊图的概念和部分常见运算规则.然后,构建基于犹豫模糊图的一般性多属性决策方法.最后,通过具体算例和对比性分析验证文中方法的合理性.     

粗糙集理论在医疗诊断系统中的应用

粗糙集理论能有效地分析和处理不精确、不一致和不完整等各种不完备信息.并能从中发现隐含的知识,揭示潜在的规律.讨论粗糙集理论用于医疗诊断中的方法,实践表明该方法具有重要的应用价值.