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.     

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。     

格区间值模糊集的分解定理和表现定理(Ⅰ)

针对区间值模糊集合,在完备格的基础上建立一种更为广泛的区间值模糊集——格区间值模糊集,构造了8种新的格区间值模糊集截集和相应的一种新的格区间与格区间值模糊集截集的运算,进而根据已有的模糊集合的分解定理和表现定理,给出了格区间值模糊集的两条分解定理和两条表现定理.     

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。     

基于包含度的区间直觉模糊粗糙集模型

利用区间直觉模糊包含度的概念建立区间直觉模糊粗糙集模型。首先,将直觉模糊集中的包含度拓展到区间直觉模糊集上,给出区间直觉模糊包含度定义和计算公式;其次,在区间直觉模糊等价关系下,基于区间直觉模糊包含度,建立了区间直觉模糊粗糙集模型,并对近似算子的重要性质进行了讨论。     

双枝模糊集（Ⅶ）

提出具有重域的非对称模糊集Ｓ理论,具有重域的非对称双枝模糊集简称重域非对称双枝模糊集。这些研究是〔１〕的继续。给出下列结果：１．提出一次生成重域非对称双枝模糊集Ｓ的普通－交分解定理：２．提出ｎ次生成重域非对称双枝模糊集Ｓ的普通－交分解定理：３．提出Ｓ的最大重域存在定理,最小重域存在定理。     

直觉对偶犹豫模糊集的集结算子及其应用

在对偶犹豫模糊集与直觉模糊集的基础上,提出了直觉对偶犹豫模糊集的概念和基本运算,构造了直觉对偶犹豫模糊集的算术加权平均集结算子和几何加权平均算子,并考虑有序和广义的情况,分别给出相对应的公式。同时针对某些算子的特殊性质,给出了详细描述和证明。针对模糊集的多属性群决策问题,提出了一种新的基于直觉对偶犹豫模糊集的集结算子的多属性群决策方法,通过一个实例说明了该方法的实用性和有效性。     

双枝模糊集( VI)

提出具有重域的非对称模糊集 Ｓ理论,具有重域的非对称双枝模糊集简称重域非对称双枝模糊集,重域非对称模糊集 Ｓ是由下—非对称双枝模糊集 Ｓ∧,上—非对称双枝模糊集 Ｓ∨生成得到的给出下列结果：１　提出一次生成重域非对称双枝模糊集 Ｓ的并—普通分解定理：　　　（１） Ｓ＝ ∪λ∈［－ １,１］λ（ Ｓ∧○ Ｓ∨）λ　　（２） Ｓ＝ ∪λ∈［－ １,１］λ（ Ｓ∧○ Ｓ∨） λ·　　（３） Ｓ＝ ∪λ∈［－ １,１］λ（ Ｈ∧ ○ Ｈ∨ ）λ（０．１）　　２　提出ｎ 次生成重域非对称双枝模糊集 Ｓ的并—普通分解定理：　　　（１） Ｓ＝ ∪λ∈［－ １,１］λ（ Ｓ∧○ Ｓ∨）λ　　（２） Ｓ＝ ∪λ∈［－ １,１］λ（ Ｓ∧○ Ｓ∨） λ·　　（３） Ｓ＝ ∪λ∈［－ １,１］λ（ Ｈ∧ ○ Ｈ∨ ）λ（０．２）　　这里,“○”是重域非对称双枝模糊集 Ｓ一次生成算子,“○”是重域非对称双枝模糊集 Ｓ ｎ次生成算子     

基于区间值模糊集熵的图像阈值分割算法

提出了一种新的区间值模糊集的模糊熵,并将其用于图像的阈值分割.根据图像直方图确定模糊化因子,选择适当的主隶属函数实现图像的区间值模糊集表示.利用新的区间值模糊集的模糊熵研究了图像的阈值分割算法.仿真实验表明,新的基于区间值模糊集模糊熵的阈值分割算法在处理模糊图像及具有噪声图像方面均比经典图像阈值分割方法更有效.     

水下目标动态阈值检测的区间值模糊集熵方法

针对现有区间值模糊集的模糊熵度量的不足,提出该类模糊集的一种新的熵刻画,并将其应用到图像分割中.用区间值模糊集表示图像,依据最优阈值选取准则确定图像分割的初始阈值.结合Canny边缘检测结果研究一种针对水下图像的动态阈值分割算法,实现水下图像的目标检测.仿真实验结果表明该算法具有很好的图像分割和目标检测效果.     

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。     

空间数据质量的区间直觉模糊集多属性群评价

为研究空间数据不确定性对空间数据质量评价的影响,提出用区间直觉模糊集理论和多位专家综合意见对空间数据质量进行评价。通过实例计算表明:采用区间直觉模糊集IIFHA或IIFHG算子的评价结果与得分加权函数评价方法结果一致,但区间直觉模糊集IIFHA或IIFHG算子能充分考虑空间数据质量信息自身的重要性程度,且能同时考虑肯定、否定和不确定3种不同的空间数据信息,因此,评价结果更能反映细微的差别。研究结果可为空间数据质量评价提供参考。     

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     

粗糙集与模糊集的比较

近年来，人们提出许多描述不确定性的方法。本文将给出粗糙集和模糊集的比较。粗糙集理论是描述模糊性和不确定性的一种新的数学工具。由于大家对模糊集的熟悉，本文不再给出模糊集的相关概念。     

基于区间值推理的模糊神经网络

在区间值模糊推理的理论基础上，提出了基于区间值推理的模糊神经网络。主要是将模糊逻辑规则利用神经网络来实现，给出了基于IVFR的FNN的结构以及通过两个模糊集的贴近度作为误差反馈的学习算法。     

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.     

一种多粒度粗糙区间模糊集方法

多粒度是利用粗糙集方法处理分布式数据的一种有效手段。为了使得多粒度方法能够用于模糊目标的近似逼近,提出了一种多粒度粗糙区间模糊集方法,分别包括乐观和悲观两种不同的模型。不仅对这两种多粒度粗糙区间模糊集的基本性质进行了讨论,而且通过实例分析表明了新提出的模型用于处理区间模糊问题的有效性。     

双枝模糊集(Ⅱ)

提出双枝模糊集Ｓ的理论,是（Ｉ）研究的继续．提出双枝模糊集Ｓ的并－普通分解定理,交－普通分解定理．这些结论建立了双枝模糊集Ｓ与普通集Ｓλ之间的关系,这些结论为建立双枝模糊推理,双枝模糊控制作了理论准备．结论指出：（１）双枝模糊集Ｓ同时存在并－普通分解形式：Ｓ＝∪λ∈［－１,１］λＳλ和交－普通分解形式：Ｓ＝∩λ∈［－１,１］λＳλ;这两种分解形式是建立双枝模糊推理理论,双枝模糊控制理论的理论基础．（２）单枝模糊集Ａ（Ｌ．Ａ．ＺａｄｅｈＦｕｚｚｙＳｅｔＡ）的并－普通分解定理,交－普通分解定理是双枝模糊集Ｓ的并－普通分解定理,交－普通分解定理的特例．     

直觉模糊集合的扩展原理

在直觉模糊集合的基础理论上,基于三值模糊集的截集和三值反序集合套提出了直觉模糊集的扩展原理.并指出了在截集为三值模糊集的基础上建立的直觉模糊集的扩展原理,在形式上与普通模糊集的扩展原理完全相同.     

双枝模糊集（Ⅴ）

本文是本课题系列的一部分,在既有研究的基础上,提出Ｘ上非对称双枝模糊集Ｓ和它的两类重要的双枝模糊集;下一非对称双枝模糊集Ｓ,上一非对称双枝模糊集Ｓ;给出Ｓ,Ｓ的基本理论;提出非对称双枝模糊－－普通并分解定理;非对称双枝模糊－－普通交分解定理;非对称模糊截域定理。