基于期望值-混合熵的区间概率模糊随机多准则决策方法

定义了区间概率模糊随机变量及其期望值和混合熵.针对准则权重确知并且准则值为区间概率模糊随机变量的多准则决策问题,提出一种基于期望值-混合熵的决策方法.该方法首先给出了区间概率模糊随机变量的期望值-混合熵度量;然后基于此度量建立优化模型,通过计算得到各方案的期望值-混合熵区间;再采用可能度的方法得到方案集的排序.最后通过实例说明了该方法的有效性和可行性.

     

基于区间粗糙算子的粗糙随机多准则决策方法

定义了区间粗糙随机变量、区间粗糙数的运算法则以及期望值和区间粗糙集结算子（WIRDAA）.针对准则权重信息不完全,准则值为区间粗糙随机变量的粗糙随机多准则决策问题,提出一种基于WIRDAA算子的决策方法.该方法首先计算出变量的期望值矩阵,利用距离最小化建立模型求解出准则权重;然后利用WIRDAA算子求出各方案的综合评价值,通过比较得到方案集的排序;最后通过实例表明了所提出方法的有效性和可行性.     

基于期望值的灰色随机多准则决策方法

定义了离散型灰色随机变量及其期望值和标准差.针对准则权重已知而方案的准则值为灰色随机变量的多准则问题,提出一种灰色随机多准则决策方法.该方法通过求得各方案在各准则下评价值的期望值和标准差,得到标准期望值决策矩阵;利用各准则权重和规范化矩阵计算出各方案的综合评价区间,采用区间灰数可能度的方法构建方案综合评价区间的评判矩阵,进而得到各方案的排序.最后通过算例表明了该方法的可行性和有效性.     

基于期望值的灰色随机多准则决策方法

定义了离散型灰色随机变量及其期望值和标准差.针对准则权重已知而方案的准则值为灰色随机变量的多准则问题,提出一种灰色随机多准则决策方法.该方法通过求得各方案在各准则下评价值的期望值和标准差,得到标准期望值决策矩阵;利用各准则权重和规范化矩阵计算出各方案的综合评价区间,采用区间灰数可能度的方法构建方案综合评价区间的评判矩阵,进而得到各方案的排序.最后通过算例表明了该方法的可行性和有效性.

     

基于记分函数的直觉随机多准则决策方法

针对准则权系数不完全确定,方案的准则值为区间直觉模糊数的随机多准则决策问题,提出一种基于记分函数的直觉随机多准则决策方法.首先定义离散型区间直觉随机变量、记分函数以及记分期望值和记分标准差;然后构造方案的记分期望值的最优线性规划模型,得出最优权向量,进而求得方案的联合直觉随机变量分布和综合记分标准期望区间值,再利用可能度方法确定方案排序;最后,算例分析结果表明了该方法的可行性和合理性.     

基于集对分析的区间概率随机多准则决策方法

定义了区间概率空间以及区间概率随机变量．针对准则权重确知且准则值为区间概率随机变量的多准则决策问题,提出一种基于集对分析的决策方法．该方法首先根据离差最大化,确定各随机变量的概率,将区间型概率问题转化为经典的确定型概率问题;然后利用集对分析建立规划模型,将区间状态值用联系数表示,并根据集对势序准则对方案进行排序;最后通过实例说明该方法的有效性和可行性．     

基于集对分析的区间概率随机多准则决策方法

定义了区间概率空间以及区间概率随机变量．针对准则权重确知且准则值为区间概率随机变量的多准则决策问题,提出一种基于集对分析的决策方法．该方法首先根据离差最大化,确定各随机变量的概率,将区间型概率问题转化为经典的确定型概率问题;然后利用集对分析建立规划模型,将区间状态值用联系数表示,并根据集对势序准则对方案进行排序;最后通过实例说明该方法的有效性和可行性．

     

一种属性权重未知的区间概率风险型混合多属性决策方法

针对指标权重未知的区间概率风险型混合多属性决策问题,提出一种基于熵权和投影理论的决策方法.首先,建立了语言变量和不确定语言变量与梯形模糊数的转化关系,将混合型数据转化成统一的梯形模糊数;然后,通过期望值将风险型决策矩阵转化为确定型决策矩阵,并用熵权法确定各指标权重,计算加权决策矩阵,根据各方案在正负理想方案上投影的相对接近度对方案进行排序;最后,通过应用案例说明了该方法的有效性.     

基于直觉模糊数的信息不完全的多准则规划方法

定义了直觉模糊数和直觉梯形模糊数及其期望值 .针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出了信息不完全确定的直觉梯形模糊多准则决策的规划方法 .该方法利用权系数的不完全信息构造方案集综合期望值的最优线性规划模型,求解该模型得到各准则的最优权系数,进而得到各方案综合期望值的区间数.利用区间数可能度法对其进行比较,得到整个方案集的排序. 实例分析说明了该方法的有效性和可行性.

     

基于直觉模糊数的信息不完全的多准则规划方法

定义了直觉模糊数和直觉梯形模糊数及其期望值.针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出了信息不完全确定的直觉梯形模糊多准则决策的规划方法.该方法利用权系数的不完全信息构造方案集综合期望值的最优线性规划模型,求解该模型得到各准则的最优权系数,进而得到各方案综合期望值的区间数.利用区间数可能度法对其进行比较,得到整个方案集的排序.实例分析说明了该方法的有效性和可行性.     

On minimum-risk problems in fuzzy random decision systems

In a decision-making process, we may face a hybrid environment where linguistic and frequent imprecision nature coexists. The problem of frequent imprecision can be solved by probability theory, while the problem of linguistic imprecision can be tackled by possibility theory. Therefore, to solve this hybrid decision-making problem, it is necessary to combine both theories effectively. In this paper, we restrict our attention to this hybrid decision-making problem, where the input data are imprecise and described by fuzzy random variables. Fuzzy random variable is a mapping from a probability space to a collection of fuzzy variables, it is an appropriate tool to deal with twofold uncertainty with fuzziness and randomness in an optimization framework. The purpose of this paper is to present reasonable chances of a fuzzy random event characterized by fuzzy random variables so that they can connect with the expected value operators of a fuzzy random variable via Choquet integrals, just like the relation between the probability of a random event and the mathematical expectation of a random variable, and that between the credibility of a fuzzy event and the expected value operator of a fuzzy variable. Toward that end, we take fuzzy measure and fuzzy integral theory as our research tool, and present three kinds of mean chances of a fuzzy random event via Choquet integrals. After discussing the duality of the mean chances, we use the mean chances to define the expected value operators of a fuzzy random variable via Choquet integrals. To show the reasonableness of the mean chance approach, we prove the expected value operators defined in this paper coincide with those presented in our previous work. Using the mean chances, we present a new class of fuzzy random minimum-risk problems, where the objective and the constraints are all defined by the mean chances. To solve general fuzzy random minimum-risk optimization problems, a hybrid intelligent algorithm, which integrates fuzzy random simulations, genetic algorithm and neural network, is designed, and its feasibility and effectiveness are illustrated by numerical examples.     

基于模糊熵和证据推理的语言?? 数多准则决策方法

定义了语言??数及其模糊熵, 提出了基于模糊熵和证据推理的多准则决策方法, 以解决准则权系数信息不完全确定的语言??数多准则决策问题. 所提方法通过建立基于语言??数模糊熵的线性规划模型来得到准则的最优权系数, 利用证据推理算法确定方案的综合准则值, 进而得出最优方案. 最后通过实例验证了所提出方法的有效性和可行性.

     

随机变量分布函数类型的判别算法

熵是信息论中的一个重要概念,在密码学中有着广泛的应用。熵的统计计算是一个很有价值的研究问题,尤其是随机变量函数未知情况下的熵估计问题较难,而这方面的理论与应用研究均不多。利用余昭平先生对Ｓｈａｎｎｏｎ 熵的估计结果和最大熵原理,证明了一个连续概率分布函数是正态型、指数型或均匀型的充要条件,由此得到一个随机变量分布函数类型的判别算法。这些结果对于信息的采集、分类及处理都有较大的指导作用。     

基于归一化模糊联合互信息最大的特征选择

特征选择就是从特征集合中选择出与分类类别相关性强而特征之间冗余性最小的特征子集,这样一方面可以提高分类器的计算效率,另一方面可以提高分类器的泛化能力,进而提高分类精度。基于互信息的特征相关性和冗余性的评价准则,在实际应用中存在以下的问题：（1）变量的概率计算困难,进而影响特征的信息熵计算困难;（2）互信息倾向于选择值较多的特征;（3）基于累积加和的候选特征与特征子集之间冗余性度量准则在特征维数较高的情况下容易失效。为了解决上述问题,提出了基于归一化模糊互信息最大的特征评价准则,基于模糊等价关系计算变量的信息熵、条件熵、联合熵;利用联合互信息最大替换累积加和的度量方法;基于归一化联合互信息对特征重要性进行评价;基于该准则建立了基于前向贪婪搜索的特征选择算法。在UCI机器学习标准数据集上的多组实验,证明算法能够有效地选择出对分类类别有效的特征子集,能够明显提高分类精度。     

应用最大熵和思维进化算法的阈值分割

在指数熵的基础上给出了模糊指数信息熵的定义及其性质,避免了对数中无定义点的问题,并用此概念和条件概率定义图像模糊划分的熵,根据熵最大原理进行图像自动分割。为了降低计算复杂度,提高计算速度,改进了思维进化算法（MEA）,设计了自适应趋同和小概率随机异化操作,优化模糊隶属参数,搜索最优分割阈值。实验结果表明,该方法能够自动、有效地选取阈值,分割效果优于Otsu等其他算法,并能保留原始图像的主要特征。     

基于模糊理论的2维隶属划分Renyi熵分割算法

基于信息论中最大熵原理,提出了一种2维直方图模糊划分Renyi熵分割算法。首先介绍了模糊划分的原理,由于Renyi熵是Shannon熵的广义形式,因此用模糊概率和条件概率来定义模糊划分Renyi熵。然后在向量空间内搜索最优参数组合,利用隶属函数实现图像分割。选用3幅不同类型的图像进行MATLAB仿真实验,结果表明该方法对噪声及杂散点等干扰的抑制性能较理想,且显著优于对比方法所得结果。     

概率分布双向稀疏化下单一Tsallis熵阈值选取方法

现有基于熵最大准则选取阈值的方法涉及两个或两个以上的随机变量, 都忽视了一个约束条件而影响到它们的分割精度和适用范围: 参与随机系统整体熵计算的各随机变量应当相互独立. 提出了一种概率分布双向稀疏化下的单一Tsallis熵最大化导向的自动阈值选取方法, 可以自然规避多个随机变量需要相互独立的约束条件.在多尺度卷积乘变换...     

Input–output method to fault detection for discrete-time fuzzy networked systems with time-varying delay and multiple packet losses

The fault detection (FD) problem for discrete-time fuzzy networked systems with time-varying delay and multiple packet losses is investigated in this paper. The communication links between the plant and the FD filter (FDF) are assumed to be imperfect, and the missing probability is governed by an individual random variable satisfying a certain probabilistic distribution over the interval [0 1]. The discrete-time delayed fuzzy networked system is first transformed into the form of interconnect ion of two subsystems by applying an input–output method and a two-term approximation approach, which are employed to approximate the time-varying delay. Our attention is focused on the design of fuzzy FDF (FFDF) such that, for all data missing conditions, the overall FD dynamics are input–output stable in mean square and preserves a guaranteed performance. Sufficient conditions are first established via H_∞ performance analysis for the existence of the desired FFDF; meanwhile, the corresponding solvability conditions for the desired FFDF gains are characterised in terms of the feasibility of a convex optimisation problem. Moreover, we show that the obtained criteria based on the input–output approach can also be established by applying the direct Lyapunov method to the original time-delay systems. Finally, simulation examples are provided to demonstrate the effectiveness of the proposed approaches.