直觉模糊熵约束条件的改进及新模糊熵构造

为解决直觉模糊熵的定义和度量不合理问题,提出了一种直觉模糊熵的公理化定义并构造了新的度量方法。首先分析了现有直觉模糊熵的公理化定义中存在的差异并指出其缺陷和不足;接着提出了一种改进的直觉模糊熵的公理化定义,并构造了新的直觉模糊熵的计算公式;最后,通过实例,将新公式与现有直觉模糊熵公式进行了比较对比。算例分析表明,所提出的熵公式能够反映直觉模糊集的不确定性和模糊性,并且对直觉模糊集不确定性的区分能力更强。     

一种直觉模糊熵的构造方法

针对直觉指数所表征的中立证据中支持与反对的程度呈均衡状态时无法表述的问题,提出一种直觉模糊熵的构造方法.首先基于均衡状态假设,揭示了影响直觉模糊熵大小的3个相互作用因素之间的内部关系,给出了直觉模糊熵的几何解释;然后分析了满足直觉模糊熵的直观约束条件,给出一种直觉模糊熵的公理化定义,揭示了直觉模糊熵最小值计算性质;最后通过算例分析比较,验证了所提出方法的正确性、合理性和有效性.     

一种区间直觉模糊熵的构造方法

研究了区间直觉模糊熵。证明了三个直觉模糊熵公式的等价性。对直觉模糊熵公式进行推广,引入一个新的区间直觉模糊熵公式,该熵公式满足区间糊熵的公理化直觉模定义的4个条件。     

新的直觉模糊熵公式及其应用

直觉模糊熵反映了直觉模糊集的模糊性和不确定性,因而提出合理正确的直觉模糊熵的公理化定义以及计算公式是十分重要的。通过实例指出已有文献中直觉模糊熵计算公式的不合理,提出新的直觉模糊熵的计算公式,对其进行了证明。根据该直觉模糊熵确定的权重应用到模糊推理过程中,从而有效地解决实际问题。     

一种加权直觉模糊熵分割法

针对现有的直觉模糊熵阈值法对于光照不均匀图像的分割很不理想,提出了一种新的加权直觉模糊熵,将其应用于图像分割最佳阈值的选取,最后给出了加权直觉模糊熵阈值化准则的权重选取方法。实验结果表明,该加权直觉模糊熵阈值法是可行的,可以弥补现有直觉模糊熵阈值法的不足。     

一种改进的直觉模糊熵公理化定义和构造公式

针对现有的直觉模糊熵的公理化定义和构造公式未能全面体现直觉模糊集模糊性的缺陷进行分析, 提出一种改进的直觉模糊熵的公理化定义, 据此构造一个新的直觉模糊熵的计算公式, 并将该公式与现有直觉模糊熵公式进行比较. 算例分析表明, 所提出的熵公式能够更充分地反映直觉模糊集的不确定性和未知性程度.

     

基于直觉模糊熵的交叉评价方法

对基于相对贴近度的第二目标模型进行模糊扩展,充分利用模糊信息,定义一种新的方法将三角模糊效率值转化为直觉模糊集,并用直觉模糊熵对模糊交叉效率进行集结,然后用三元有向距离指数对全局模糊效率值进行排序。最后用基于直觉模糊熵的交叉评价方法,对国家自然科学基金委员会管理科学部认定的管理科学与系统科学10种重要期刊在2011年的引证效率进行分析,以此来说明该方法的有效性与可行性。     

基于熵和改进的协相关度的直觉模糊决策方法

针对决策信息为直觉模糊集且属性权重未知的多属性决策问题,以及关于协相关度的决策方法研究中存在的问题,提出了一种基于直觉模糊熵和改进的协相关度的决策方法。为准确度量直觉模糊集的直觉性和模糊性,给出了一种改进的直觉模糊熵的公式,概括并推广了原有的一类直觉模糊熵的公式,并讨论了其相关性质。然后由概率统计中相关系数的构造思想,改进了直觉模糊集协相关度的定义,构造了直觉模糊集与理想对象之间的相关系数以及得分函数,由此给出了一种改进的基于直觉模糊信息的多属性决策方法,最后通过实例计算验证了该方法的有效性和可行性。     

基于直觉模糊集的混合熵

为推广模糊集的混合熵,提出了直觉模糊集的混合熵的公理化定义及计算方法。     

基于正弦函数的直觉模糊集相似度测量及其应用

相似度测量是度量两个直觉模糊集相似程度的重要方法,现已有很多测量公式被相继提出,但现有的部分公式在一些实际应用中会出现无法归类或计算过程相对复杂现象。针对这种问题,通过对Tian 提出的余切相似度测量方法的研究,同时考虑隶属度、非隶属度和犹豫度三个方面信息,提出了两个正弦相似度测量公式,证明了公式的正确性,并用几组数值例子将其与其它测量公式进行比较分析,验证了新公式的合理性。最后通过实例说明了该方法的有效性。     

基于改进熵和新得分函数的区间直觉模糊多属性决策

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.

     

基于熵和协相关度的直觉模糊多属性决策方法

针对决策信息为直觉模糊集且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和协相关度的决策方法。对于直觉模糊集的直觉性和模糊性,从公理化定义出发,给出了一种改进的直觉模糊熵的定义。然后基于所有属性总不确定信息量最小化准则,利用提出的直觉模糊熵建立非线性规划模型,从而得到属性权重公式。接着,由统计学中变量间相关系数的构造思想,提出直觉模糊集协相关度的概念,并探讨了与相关系数类似的性质,且进一步得出各对象与理想对象加权的协相关度公式。最后给出了一种新的多属性决策途径,并将所提方法成功应用于教授评选的实例中,通过计算各个教师的协相关度确定最佳候选人,实现最优决策。该方法操作合理,算法易于实现,计算结果可靠,可用于多种决策问题。     

基于直觉模糊Petri网的加权直觉模糊推理

利用直觉模糊集合较好地表现不确定信息的能力和Petri网的并行处理能力,构建了直觉模糊Petri网模型。给出了输入权值、变迁阈值等多种约束条件下的直觉模糊推理算法。该算法将直觉模糊推理过程转化为矩阵的运算过程可充分利用直觉模糊Petri网的并行推理能力,有效地避免同一变迁不必要地重复激发从而节省推理时间。实例分析表明所给出的直觉模糊推理算法较已有算法更加合理并且高效。     

直觉模糊信息系统中的信息熵

在直觉模糊信息系统上,直觉模糊信息熵和直觉模糊信息粒度是两种有效地进行不确定性研究的重要工具。在直觉模糊信息系统上,引入直觉模糊粒结构的交、并、差、补等四种运算。提出了基于直觉模糊粒结构的直觉模糊信息熵;并研究了直觉模糊信息熵与直觉模糊信息粒度之间的关系。