基于区间二型模糊粗糙集的连续属性约简算法

一型模糊粗糙集可以直接处理连续属性集,但不能处理高度不确定性数据,而区间二型模糊集可以增强系统处理不确定性的能力。为了提高处理噪声数据的精确度,在一型模糊粗糙集的基础上,定义区间二型模糊粗糙集。基于区间二型模糊粗糙集模型研究了连续域决策信息系统的属性约简,通过紧计算域给出了新的约简算法。由于拒绝变量集合的存在,提出的约简算法可在有限时间内收敛,并且得到了更加合理的结果。数值仿真验证了约简算法的可行性与有效性。     

二型模糊相似度及其应用

二型模糊集可以直接处理高度不确定性,并且具有很强的实际应用背景。基于二型模糊相似度的公理化定义,给出了新的二型模糊相似度计算公式。进一步,将二型模糊相似度与Yang-Shih方法相结合,用于二型模糊数据的聚类分析,聚类结果与Yang-Lin的结果进行了比较,实例表明新的相似度更合理。此外,基于二型模糊相似度,讨论了二型模糊信息系统的属性约简问题,给出了相应约简的分辨函数法,并通过实例说明了该方法的具体计算步骤。     

区间二型模糊相似度与包含度

相似度与包含度是模糊集合理论中的两个重要概念,但对于二型模糊集合的研究还较为少见．鉴于此,提出了新的区间二型模糊相似度与包含度．首先选择了二者的公理化定义;然后基于公理化定义提出了新的计算公式,并讨论了二者的相互转换关系;最后通过实例来验证二者的性能,并将区间二型模糊相似度与Yang-Shih聚类方法相结合,用于高斯区间二型模糊集合的聚类分析,得到了合理的层次聚类树．仿真实例表明新测度具有一定的实用价值．     

基于区间梯形二型犹豫模糊数的多准则决策方法

针对准则权重不完全的犹豫模糊多准则决策问题,提出基于区间梯形二型犹豫模糊数的决策方法.首先,给出区间梯形二型犹豫模糊数,根据几何面积法定义区间梯形二型犹豫模糊数的可能度和差异度;然后,利用差异度和离差最大化模型得到各准则权重,基于TOPSIS思想得到各方案的综合贴近度,并对方案进行排序;最后,通过算例分析和对比分析验证了所提出方法的可行性和有效性.     

区间二型模糊熵及其在图像分割中的应用

针对计算区间二型模糊熵存在的不足,构造一种新的区间二型模糊熵。新的区间二型模糊熵同时考虑了隶属度的均值和本身的模糊性对熵值的影响,而且满足四条公理,较为全面客观地测度了区间二型模糊集的不确性,并被应用于图像分割。数值实例和仿真实验表明了所提出区间二型模糊熵的合理性和实用性。     

二型模糊粗糙属性约简模型

属性约简是粗糙集理论的重要应用之一,其目的是在保持分类能力不变的前提下去掉冗余的属性,从而简化信息系统。由于经典粗糙集等价关系的要求过于严格,为了更好地解决实际问题,将粗糙集与二型模糊集结合,得到二型模糊粗糙集。利用论域和特征空间的积空间上的两个一型模糊集来构造论域的一个二型模糊划分,将模糊粗糙集属性约简的模型推广到二型模糊粗糙集框架中,得到了一个二型模糊粗糙属性约简的模型,并举例说明了用此模型进行属性约简的方法。     

区间直觉模糊粗糙集的不确定性研究

对区间直觉模糊信息系统中近似集的不确定性进行了研究,给出了区间直觉模糊粗糙集的不确定性度量公式。首先在区间直觉模糊近似空间中,定义了一对具有对称性的新的区间直觉模糊上、下近似算子;其次给出了区间直觉模糊集粗糙隶属函数的定义并讨论了相关性质;最后利用区间直觉模糊粗糙隶属函数的区间直觉模糊熵,定义了区间直觉模糊粗糙集的模糊熵,并讨论了区间直觉模糊粗糙集的模糊熵为零的充要条件,证明了在区间直觉模糊近似空间中经典集合和它的余集的粗糙度量是相等的,以此说明定义的合理性。     

基于严格等价函数的区间二型模糊熵及其图像阈值分割方法

文中利用严格等价函数提出一种基于区间二型模糊熵的图像阈值分割方法.首先基于公理化定义,利用严格定价函数提出一种区间二型模糊熵的构建方法,由此可以得到多个不同的模糊熵计算表达式;然后通过理论分析给出了利用最小化模糊熵准则选取最优阈值的方法.实验结果表明,与现有的其他模糊阈值分割法和改进的2维Otsu法等相比,该方法的分割更加准确,运行时间更少,具有更广泛的适应性.     

单向S-区间值模糊粗糙集及应用

以Z.Pawlak粗集理论为基础,将动态区间值模糊近似概念引入区间值模糊粗糙集中。由此提出了单向S-区间值模糊粗糙集概念,给出了单向S-区间值模糊粗糙集的结构与性质。定义了单向S-区间值模糊粗糙集的粗相等、截集、粗糙度等概念,并对一些相关性质进行讨论和证明;给出了单向S-区间值模糊粗糙集的应用及存在价值。     

知识包含度及其在粗糙集理论中的应用

提出一种新的集合包含度,并用新的集合包含度定义粗糙集理论中的知识包含度。研究了知识包含度的几个基本性质,给出了粗糙集理论中基于知识包含度的属性约简算法,通过一个汽车性能决策表的实例来表明算法的有效性。     

二型直觉模糊粗糙集

将二型直觉模糊集和粗糙集理论融合,建立二型直觉模糊粗糙集模型。首先,在二型直觉模糊近似空间中,定义了一对二型直觉模糊上、下近似算子,并讨论了二型直觉模糊关系退化为普通二型模糊关系和一般等价关系时,上、下近似算子的具体变化形式。然后,将普通二型模糊集之间包含关系的定义推广到了二型直觉模糊集,在此基础上研究了二型直觉模糊上、下近似算子的一些性质。最后,定义了自反的、对称的和传递的二型直觉模糊关系,并讨论了这3种特殊的二型直觉模糊关系与近似算子的特征之间的联系。该结论进一步丰富了二型模糊集理论和粗糙集理论,为二型直觉模糊信息系统的应用奠定了良好的理论基础。     

Distinguishability of interval type-2 fuzzy sets data by analyzing upper and lower membership functions

In this paper, we deal with the problem of classification of interval type-2 fuzzy sets through evaluating their distinguishability. To this end, we exploit a general matching algorithm to compute their similarity measure. The algorithm is based on the aggregation of two core similarity measures applied independently on the upper and lower membership functions of the given pair of interval type-2 fuzzy sets that are to be compared. Based on the proposed matching procedure, we develop an experimental methodology for evaluating the distinguishability of collections of interval type-2 fuzzy sets. Experimental results on evaluating the proposed methodology are carried out in the context of classification by considering interval type-2 fuzzy sets as patterns of suitable classification problem instances. We show that considering only the upper and lower membership functions of interval type-2 fuzzy sets is sufficient to (i) accurately discriminate between them and (ii) judge and quantify their distinguishability.     

二型直觉模糊集

二型模糊集和直觉模糊集都具有很强的实际应用背景.二型模糊集增强了系统处理不确定性的能力,直觉模糊集为解决人们判断问题所出现的犹豫信息提供了理论依据.本文在二型模糊集和直觉模糊集的基础上,给出了二型直觉模糊集的概念,证明了二型直觉模糊集是一型模糊集、直觉模糊集、区间值模糊集、区间值直觉模糊集的广义形式,讨论了二型直觉模糊集的基本运算和二型直觉模糊关系.最后,研究了基于二型直觉模糊理论的近似推理,并实例说明了二型直觉模糊集的实际应用背景.     

Fuzzy multiple attributes group decision-making based on ranking interval type-2 fuzzy sets

In this paper, we present a new method to deal with fuzzy multiple attributes group decision-making problems based on ranking interval type-2 fuzzy sets. First, we propose a new method for ranking interval type-2 fuzzy sets. Then, we propose a new method for fuzzy multiple attributes group decision-making based on the proposed ranking method of interval type-2 fuzzy sets. We also use some examples to illustrate the fuzzy multiple attributes group decision-making process of the proposed method. The proposed method is simpler than the methods presented in [Chen and Lee, 2010a] and [Lee and Chen, 2010b] for fuzzy multiple attributes group decision-making based on interval type-2 fuzzy sets. It provides us with a useful way for dealing with fuzzy multiple attributes group decision-making problems based on interval type-2 fuzzy sets.     

一类区间二型模糊PI控制器设计算法

区间二型模糊控制器在处理不确定性方面优于传统的模糊控制器,但带来的一个问题就是区间二型模糊控制器需要降阶过程。常用的KM等迭代式降阶算法效率低下,难以用于实时性较高的场合。本文利用直接降阶算法和动态解模糊化算法,提出了一类区间二型模糊PI控制器设计算法。该算法在降阶过程中考虑偏差和偏差变化量对控制器输出的影响,避免了KM等迭代式降阶过程。通过二阶迟延对象以及一个非线性对象的仿真实验表明,本文算法能够有效降低系统超调,降低系统的稳态时间,控制器在设定值附近的输出更为平滑。     

Ⅱ型模糊控制综述

Ⅱ型模糊集合是传统Ⅰ型模糊集合的扩展,其特征是隶属度值本身为模糊集合.基于Ⅱ型模糊集合的Ⅱ型模糊控制器可以同时有效地处理语言和数据不确定性,在高小确定场合具有明显超过相应Ⅰ型控制器的性能表现.本文首先对Ⅱ型模糊集合及系统理论进行了概述,然后对Ⅱ型非自适应模糊控制器Ⅱ型自适应模糊控制器和Ⅱ型自组织模糊控制器的研究进展分别...     

Fuzzy multiple attributes group decision-making based on the ranking values and the arithmetic operations of interval type-2 fuzzy sets

In this paper, we present a new method to handle fuzzy multiple attributes group decision-making problems based on the ranking values and the arithmetic operations of interval type-2 fuzzy sets. First, we present the arithmetic operations between interval type-2 fuzzy sets. Then, we present a fuzzy ranking method to calculate the ranking values of interval type-2 fuzzy sets. We also make a comparison of the ranking values of the proposed method with the existing methods. Based on the proposed fuzzy ranking method and the proposed arithmetic operations between interval type-2 fuzzy sets, we present a new method to handle fuzzy multiple attributes group decision-making problems. The proposed method provides us with a useful way to handle fuzzy multiple attributes group decision-making problems in a more flexible and more intelligent manner due to the fact that it uses interval type-2 fuzzy sets rather than traditional type-1 fuzzy sets to represent the evaluating values and the weights of attributes.     

On type-reduction of type-2 fuzzy sets: A review

As an undetachable module of type-2 (T2) fuzzy computations and reasoning, type-reduction methods play an important role in various fuzzy disciplines including fuzzy logic systems and fuzzy clustering. Importance of type-reduction techniques lies in the fact that they are the main tools for collecting the entire inherent vagueness of the data. Therefore, type-reduction methods form the output of type-2 fuzzy sets (T2 FSs) as the representative of the entire uncertainty in a given space. Hence, their accuracy, precision, and performance speed is of much interest. This paper, presents a comprehensive review on various type-reduction and defuzzification strategies for general and interval type-2 fuzzy sets and systems. It is tried to analyze the existing approaches from different point of views accompanied by extensive comparisons on different features of type-reduction methods to facilitate further research studies by the fuzzy community.