一种新的区间直觉模糊熵及其应用

提出了区间值直觉模糊集的区间直觉模糊交叉熵,这种交叉熵充分考虑了区间值直觉模糊集的隶属度,非隶属度以及犹豫度。给出一种区间值直觉模糊集的区间直觉模糊熵的公理化体系,并且基于直觉模糊交叉熵公式给出一种区间直觉模糊熵的具体测度公式。利用区间值直觉模糊集的加权相关系数,将提出的熵公式应用于解决属性权重完全未知的区间直觉模糊多属性决策问题。     

一种区间直觉模糊熵公式及其应用

改进了区间直觉模糊集的标准Hamming距离公式,使改进后的公式不仅考虑了区间直觉模糊集的隶属度和非隶属度,还考虑了犹豫度。基于该距离公式定义了一个区间直觉模糊集的熵公式。将提出的距离和熵公式应用于解决属性权重未知的区间直觉模糊多属性决策问题。     

多值直觉模糊集定义

基于直觉模糊集的基本概念,考虑其隶属度与非隶属度两个因素的影响,定义了一种多值直觉模糊集,并给出了五种多值直觉模糊集的隶属度与非隶属度的综合评判准则,即算术平均法、几何平均法、去掉最大最小值算术平均法、隶属度中值法、非隶属度中值法,从而使直觉模糊得到了拓广和应用.     

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.

     

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。     

考虑未知属性权重的区间直觉模糊VIKOR方法

针对传统模糊集方法处理不确定性多属性决策问题时只考虑隶属度信息的缺点,提出了基于区间直觉模糊集的VIKOR决策方法。区间直觉模糊集用来处理区间语义评价信息。考虑属性权重未知的问题,基于区间直觉模糊数间的支持度确定属性权重,属性的支持度越高,则其权重越小。将区间直觉模糊交叉熵引入区间直觉模糊VIKOR方法用于计算区间直觉模糊数间的距离。最后以某手机设计方案评价为例,验证了所提方法的有效性。     

基于直觉模糊包含度的聚类有效性分析

针对直觉模糊集合数据的聚类有效性问题,提出了一种基于直觉模糊包含度的聚类有效性分析方法。该方法采用直觉模糊包含度和直觉模糊划分熵来评价直觉模糊聚类的有效性。其中,直觉模糊包含度通过增加非隶属度参数对模糊包含度进行直觉化扩展,用于评价类与类间包含的程度;而直觉模糊划分熵用于检验分类结果的可靠性。最后通过典型实例验证了该方法的有效性。     

覆盖粗糙直觉模糊集模型的研究

粗糙集和直觉模糊集的融合是一个研究热点。在粗糙集、直觉模糊集和覆盖理论基础上,给出了模糊覆盖粗糙隶属度和非隶属度的定义。考虑到元素自身与最小描述元素的隶属度和非隶属度之间的关系,构建了两种新的模型——覆盖粗糙直觉模糊集和覆盖粗糙区间值直觉模糊集,证明了这两种模型的一些重要性质,与此同时定义了一种新的直觉模糊集的相似性度量公式,并用实例说明其应用。     

一种新的直觉模糊集距离及其在决策中的应用

首先针对直觉模糊集距离中是否包含直觉模糊集通过隶属度、非隶属度以及犹豫度这三种信息,以及直觉模糊集距离是否满足相应距离度量的条件对其进行了详细分析,发现现有方法都是直接将犹豫度直接引入到直觉模糊集距离中,从而会产生不一致性。鉴于此,定义了一种新的直觉模糊集距离度量方法,其不仅考虑隶属度和非隶属度信息,同时还考虑犹豫度对隶属度和非隶属度的分配,从而间接地将犹豫度也引入到直觉模糊集距离中。其次,证明了所提距离度量满足距离度量条件,并结合实例将其与现有距离度量方法进行比较分析,说明了新方法的合理性。最后,将所提出方法应用于多准则模糊决策中,进一步说明了新方法的有效性和可行性。     

基于优势关系的程度粗糙直觉模糊集模型研究

针对经典粗糙直觉模糊集理论仅考虑了集合中的最小/最大隶属度与非隶属度,而忽略了介于二者之间的隶属度与非隶属度的问题,从程度粗糙集的角度对其进行了分析研究。首先,将程度粗糙集引入到经典粗糙直觉模糊集模型中,定义了μ′(y)和ν′(y),将其与最小/最大之间的隶属度与非隶属度的值比较。然后,构建新的下、上近似,提出四个模型,即基于优势关系的Ⅰ型、Ⅱ型程度粗糙直觉模糊集模型和基于优势关系的Ⅰ型、Ⅱ型双论域程度粗糙直觉模糊集模型,讨论这些模型的相关性质。这些模型的边界域缩小了,也降低了模糊熵值。最后,通过实例验证了模型的有效性。     

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.     

基于熵和相关系数的直觉模糊多属性决策方法

针对决策信息为直觉模糊信息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得分函数的决策方法。为了准确度量直觉模糊集的直觉性和模糊性,首先提出了一种新的直觉模糊熵,并讨论其相关性质。其次为了减少不确定信息对决策的影响,结合直觉模糊熵建立规划模型,从而确定属性权重。 同时从隶属度,非隶属度和犹豫度三方面构建论域对象与理想对象之间相关系数,并在此基础上根据决策者的决策态度定义得分函数进而得到最优决策。 最后给出一种基于直觉模糊信息的多属性决策方法,并通过候选人评估实例验证了该方法的可行性和有效性。     

基于直觉模糊熵的专家权重确定方法及其验证

针对专家判断信息以直觉模糊集给出的直觉模糊群决策矩阵,提出一种新的客观确定专家权重的方法。与传统的通过专家评价的差异程度来确定专家权重的思路不同,该方法通过定义直觉模糊集的模糊熵计算专家判断信息的模糊程度,进而确定每位专家的权重,并对基于犹豫度、几何距离、相似度量和不确定程度4类模糊熵的定义对专家权重结果的影响进行实验和仿真分析。仿真结果表明,专家的权重不仅取决于不同类模糊熵的定义,还与专家个数和属性个数相关。     

直觉模糊集的熵及其一般形式

在综合分析目前直觉模糊集熵的各种公理化定义的基础上,认为直觉模糊集合熵应该是直觉模糊集合的模糊性与不确定性的综合性度量,并且直觉模糊集合退化为模糊集合时,其熵应该与模糊集合熵是一致的。根据这种思想,给出了新的直觉模糊集合熵的公理化定义,并给出了几个直觉模糊集合熵的构造形式。     

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。     

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。     

基于新直觉模糊相似度的聚类方法

针对现有直觉模糊聚类方法大都未考虑属性(指标)权重,计算过于复杂且计算结果为实数的问题,提出一种基于新直觉模糊相似度的聚类方法,计算结果为直觉模糊数,运用直觉模糊熵得到属性权重,构造了一种考虑属性权重的直觉模糊相似度公式,得到直觉模糊相似矩阵,设计了风险参数,决策者根据自己风险偏好选择风险参数进行聚类.最后通过算例验证了所提出方法的可行性和合理性.