软决策分析方法及其在智能推荐中的应用*

引入基于软集的软命题逻辑公式,给出软命题逻辑公式的语义解释,软集中的参数是原子公式,参数的函数值是原子公式的赋值集。将决策信息系统转化为决策软集,而软决策规则表示为由原子公式组成的蕴含逻辑公式。引进基本软真度、条件软真度、绝对软真度等概念,从充分性、必要性、合理性等不同方面来评价软决策规则,提出基于决策软集的典型软决策规则提取算法。将基于软集的软决策规则分析方法应用于智能推荐,给出基于软决策规则分析的推荐算法,实际例子和数值实验表明提出的算法是有效的。     

时序犹豫模糊软集及其在决策中的应用

针对犹豫模糊软集的信息随着时间动态变化的情形,引入时间参数,将犹豫模糊软集推广为时序犹豫模糊软集。基于时序犹豫模糊软集的概念,定义了其基本的运算法则,分析对应的运算结果并讨论其运算性质。给出了时序犹豫模糊软集的一种决策方法,并通过实例表明了该方法的有效性与可行性。     

基于软区分矩阵的模糊软集决策方法及其应用

通过在模糊软集中引入水平软集,用软区分矩阵来处理决策问题。首先,利用模糊软集的水平软集,将模糊软集转化为经典软集。其次,在软集中引入软区分矩阵的概念,提出了一种基于软区分矩阵解决模糊软集的新算法来处理决策问题。最后,通过实例说明了该算法的可行性。     

犹豫模糊软集的相关系数及其在决策中的应用

犹豫模糊软集结合了Torra(2010)的犹豫模糊集理论和Molodtsov(1999)的软集理论.鉴于相关系数是数据分析中应用最广泛的指标之一,提出一种犹豫模糊软集相关系数,同时给出犹豫模糊软集的平均值和方差的定义,基于这些概念给出犹豫模糊软集相关系数的计算公式.新的犹豫模糊软集相关系数的值在区间[$-1,1$]上,而不是[$0,1$]上,这与统计学中经典相关系数一致,因此克服了已有犹豫模糊软集相关系数中存在的缺陷.为了提升其应用的广泛性,提出犹豫模糊软集加权相关系数的概念.最后,通过医院评估的实例验证所提出的犹豫模糊软集相关系数的适用性和有效性.     

一种改进的模糊软集多参数决策方法

模糊软集多参数决策方法中经常将Zadeh交与代数积使用在数据融合方法中,在一些实际应用中会产生信息缺失,导致决策者无法做出准确的选择。针对这一问题,结合Einstein运算法则提出一种新的数据融合方法,用于解决信息缺失和对象无法排序的问题。所提出的基于模糊软集的多参数决策方法是通过Einstein积运算进行多个参数集合的整合,从而得到一个合成模糊软集,再由合成模糊软集计算得到对照矩阵与得分表,最终得到对象的全排序,为决策者提供判断依据。通过实例结果,可以验证新方法在决策问题中的正确性和有效性。     

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。     

犹豫模糊软集

犹豫模糊集是对模糊集的一种推广,它是一类关于域中每个元素所含隶属度的集合,常应用于群决策中,但由于其本身在参数工具上的缺乏使得难于处理不确定数据。为了提高决策的精确性,将软集与犹豫模糊集结合起来,提出犹豫模糊软集的概念,并给出犹豫模糊软集的基本运算法则和性质。     

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。     

多目标模糊决策Vague软集法

在智能领域中对Vague集和软集的研究已越来越广泛和深入,两者均已应用于决策问题中.为了更加有效地进行模糊决策,提出了一种基于Vague软关系的模糊决策方法.定义Vague软关系,构造Vague软集间的关系表格,利用一个新的评分函数对目标进行排序,选出最优目标.通过实例阐明该方法的有效性和实用性.     

多目标模糊决策的Vague软集法

在智能领域中对Vague集和软集的研究已越来越广泛和深入,两者均已应用于决策问题中。为了更加有效地进行模糊决策,提出了一种基于Vague软关系的模糊决策方法。定义Vague软关系,构造Vague软集间的关系表格,利用一个新的评分函数对目标进行排序,选出最优目标。通过实例阐明该方法的有效性和实用性。     

Attribute Reduction Based on Inclusion Degree for Incomplete and Fuzzy Decision Information Systems

The information systems with incomplete attribute values and fuzzy decisions commonly exist in many applications whose knowledge reduction is one of the most important practical significance. Model of incomplete and fuzzy decision information system is firstly constructed. On the basis of the notion of inclusion degree between fuzzy sets, the attribute reduction for incomplete and fuzzy decision information system, which ensures invariable inclusion degree between every tolerance class and fuzzy decision set, is raised. To reduce the complexity of finding attribute reduction, discernibility sets, discernibifity matrixes and the minimal disjunctive normal form of discernibility sets for incomplete and fuzzy decision information system are introduced. Finally, the algorithm and an example are given, and the solution of the example is proved that the approach to attribute reduction based on inclusion degree is valid.     

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.     

基于模糊包含的粗糙集模型与模糊信任测度

提出基于模糊包含的模糊粗糙集模型,并给出其相关性质。讨论由模糊粗糙集的下、上近似所决定的模糊信任测度、模糊似然测度的性质并将之应用到随机模糊信息系统的属性约简中。     

随机模糊环境下的命题逻辑真度理论*

在实单位区间[0,1]具有一定概率分布的基础上,引入命题逻辑公式的随机模糊意义下的真度概念,指出随机真度是已有文献中各种命题逻辑真度的共同推广.利用随机模糊真度定义公式间的随机模糊相似度,导出全体公式集上的一种伪距离——随机模糊逻辑伪距离,证明在随机模糊逻辑伪距离空间无孤立点.利用概率论中的积分收敛定理,证明一个关于随机模糊真度的极限定理.研究已有各种真度之间的联系.证明随机逻辑伪距离空间中逻辑运算的连续性,并将概率逻辑学基本定理推广至多值命题逻辑.在随机逻辑伪距离空间中提出2种不同类型的近似推理模式并应用于实际问题的近似推理.     

命题逻辑的随机真度理论及其应用

引入命题逻辑公式的基于随机变量序列的随机真度概念,并说明其是已有文献中各种真度概念的共同一般化,证明全体公式的随机真度之集在[0,1]中没有孤立点.利用随机真度定义公式间的随机相似度,进而导出全体公式集上的一种伪距离——随机逻辑伪距离,证明在随机逻辑伪距离空间没有孤立点.指出随机真度是已有文献中各种命题逻辑真度的共同推广.利用概率论中的积分收敛定理,证明一个关于真度的极限定理,该定理沟通了已有各种真度之间的联系.证明随机逻辑伪距离空间中逻辑运算的连续性,并将概率逻辑学基本定理推广到多值命题逻辑.在随机逻辑伪距离空间中提出两种不同类型的近似推理模式.     

模糊集合及其在智能CAI中的应用

文章对模糊集合及其理论进行了描述,指出了它在实际应用中的必要性和优越性,并阐述了智能CAI的特点。     

加权多粒度直觉模糊信息系统的粗糙集模型及其决策*

针对现有多粒度直觉模糊粗糙集决策模型的不足,提出粒度加权的多粒度直觉模糊粗糙集模型.首先研究加权多粒度直觉模糊粗糙集的基本性质,分析加权多粒度直觉模糊粗糙集与乐观多粒度、悲观多粒度直觉模糊粗糙集之间的关系,并给出这几种模型不确定度量之间的关系.然后给出决策规则的置信度和支持度定义以及决策规则的获取方法,弥补目前常用的多粒度直觉模糊粗糙集的不足.最后通过决策实例分析验证文中模型的有效性.     

基于集对分析的决策支持系统及其应用

本文比较了群决策支持系统（G-DSS）的几个常见决策模型，且综合它们的优缺点，提出了基于集对分析的集对决策支持系统（SP-DSS），并阐述了SP—DSS的决策原理和模型以及在病体系统诊断中的应用。     

内涵亏值及二值命题逻辑中命题集合约简

求命题集所有可能的约简是二值命题逻辑的一个重要课题。目前的算法都是逐一求单个约简,汇总起来得到所有可能约简。文中应用形式概念的理论,提出内涵亏值、亏值超图等思想,给出一次即可求出所有约简的算法。该算法使计算全部约简的运算次数大为减少。     

规则简化与模糊决策树剪枝的比较

决策树归纳学习算法是机器学习领域中解决分类问题的最有效工具之一。由于决策树算法自身的缺陷了，因此需要进行相应的简化来提高预测精度。模糊决策树算法是对决策树算法的一种改进，它更加接近人的思维方式。文章通过实验分析了模糊决策树、规则简化与模糊规则简化；模糊决策树与模糊预剪枝算法的异同，对决策树的大小、算法的训练准确率与测试准确率进行比较，分析了模糊决策树的性能，为改进该算法提供了一些有益的线索。