模糊空间中的直觉模糊粗糙近似

粗糙集和直觉模糊集的结合是一新的研究热点。在模糊近似空间中,结合模糊等价关系,构造直觉模糊粗糙近似算子,在γ算子和其余算子γ的基础上,证明了这些近似算子的性质。在模糊近似空间中,给出λ上(下)近似以及αβ-截集的λ上(下)近似,证明了它们的性质;给出直觉模糊集的粗糙度ραβA和λ水平截集的粗糙度,并讨论了其性质。     

近似空间上模糊粗糙路径的研究

在近似空间M=(U,R)上对模糊关系S粗糙化,诱导出粗糙关系S*。以此为基础构造模糊粗糙路径,给出模糊粗糙路径的相关性质,并通过构造关于S*的模糊路径矩阵,得到模糊粗糙路径的判定方法,拓宽了二元关系粗糙化方法的应用范围,为模糊粗糙路径的进一步应用奠定了理论基础。     

模糊近似空间上的粗糙模糊集的公理系统

粗糙集理论是近年来发展起来的一种有效的处理不精确、不确定、含糊信息的理论,在机器学习及数据挖掘等领域获得了成功的应用．粗糙集的公理系统是粗糙集理论与应用的基础．粗糙模糊集是粗糙集理论的自然的有意义的推广．作者研究了模糊近似空间上的粗糙模糊集的公理系统,用三条简洁的相互独立的公理完全刻划了模糊近似空间上的粗糙模糊集,同时还把作者给出的公理系统与粗糙集的公理系统做了对比,指出了两者的区别．     

基于直觉模糊逻辑的近似推理方法

针对直觉模糊逻辑及命题演算,提出了利用隶属度和犹豫度计算直觉模糊逻辑命题真值的合成方法．给出了直觉模糊逻辑命题的运算规则,重点研究了基于直觉模糊逻辑的近似推理方法．该方法包括直觉模糊取式推理,直觉模糊拒武推理及直觉模糊假官推理．井推导了相关的推理合成运算公式．以具体算例验证和表明了所提出的推导方法的正确性和有效性,以及对方法进行验证的详细步骤．     

一类特殊的粗糙逻辑代数的不确定性度量

基于已有的包含度理论,在一类特殊的粗糙逻辑代数中首次引入了元素的粗糙真度,粗糙度等概念。进一步,引入了针对两个元素的粗糙相似度及粗糙包含度的概念,详细研究了它们的性质。这些概念可用于展开带有粗糙信息特征的近似推理。     

多目标模糊决策算法与应用

该文主要介绍了如何将最小(大)隶属度偏差法应用到多目标模糊决策算法中,这是解决含有模糊不确定因素的复杂决策问题的有效工具,并通过应用实例,验证算法的正确性。     

模糊Petri网在非结构化决策支持中的应用研究

提出了一种建立非结构化决策支持的模糊Petri网模型（简称XFPN).CXFPN结合了模糊集合理论和Petri网理论的基本特点,是对基本模糊Petri网的进一步扩充。文中以促销决策支持为例,描述了非结构化决策问题到CXFPN模型建立,以及决策支持推导的相关问题。应用这种模型,对一类基于规则的决策系统的设计、分析和维护等变得容易了。     

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．     

基于模糊近似度的Web文本过滤模型

从1991年诞生以来,WWW(World Wide Web)得到了迅猛的发展,它已经成为拥有约3亿用户、400万站点的巨大分布式信息空间、它包含了技术资料、商业信息、新闻报道、娱乐信息等多种类别和形式的信息,资源分布很分散,且没有统一的管理和结构。如何快速、准确地从浩瀚的信息资源中提取用户所需要的信息已经成为一个新的研究课题。WWW上最多的就是文本信息,因此Web信息处理的核心就是如何处理这些Web文档。数据挖掘和知识发现(Data Mining and Knowl-edge Discovery,DMKD)可以帮助人们从大量原始数据中挖掘出隐含的、有用的尚未发现的信息和知识,有效地解决信息丰富知识贫乏问题。因此,基于Web文本信息的挖掘作为数据挖掘的一个新主题,引起了人们的极大兴趣。Web文本信息的挖掘就是在大量训练样本的基础上,得到文本数据间的内在特征,并以此为依据在网络资源中进行有目的的信息提取。在本文中,我们首先介绍了Web文本信息的向量空间表示模型(VSM),并在此模型的基础上提出了一     

一种基于粗糙集的近似质量求取属性约简的决策算法

提出一种基于粗糙集的近似质量求取属性约简的算法。该算法以集合近似的质量为迭代准则，以所有条件属性为初始约简集合，通过逐步缩减来求取约简，保证了所求取的约简对问题的分类量力不会减弱。同时给出了该算法的时间复杂度分析，并举例验证了所提出算法的有效性和实用性。     

基于粗糙集的直觉模糊TOPSIS多属性决策方法

针对属性值为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于粗糙集的直觉模糊TOPSIS多属性决策方法.首先给出了直觉模糊信息的正、负理想点的求法,根据属性值与理想点的贴近度和给定的阈值求得判断矩阵,再根据判断矩阵对属性约简,确定各属性的权重,最后依据TOPSIS思想计算各方案与理想点的加权贴近度,得到方案的排序,并通过算例的分析比较验证了此方法的有效性.     

基于前景理论的不确定TOPSIS多属性决策方法

针对属性权重未知、属性值为犹豫模糊集的多属性决策问题,本文提出一种基于前景理论和粗糙集的多属性决策方法,充分考虑了决策者心理风险因素对决策结果的影响.首先,以正、负理想点作为参考点计算各属性下的前景价值函数,定义新的综合前景值,并根据给定的阈值得到判断矩阵;然后,根据判断矩阵进行属性约简,确定属性权重;最后,计算各备选方案的加权综合前景值,利用TOPSIS方法对备选方案进行排序,并通过算例证实该方法的可行性和有效性.     

Fuzzy Production Planning and its Application to Decision Making

This paper presents new methods for solving a production-planning problem. First the modified s-curve membership function as a methodology is constructed. Then fuzzy production planning problems with vagueness parameters alpha and fuzzy objective coefficients, fuzzy technical coefficients and fuzzy resource variables are outlined. The objective of this paper is to find a satisfactory solution for optimal profit in which vagueness is playing major factor in selecting the solution. Finally a practical application of decision-making in production planning is illustrated.     

加型Pythagorean模糊偏好关系的多属性决策方法

考虑Pythagorean模糊偏好关系的多属性决策问题,提出了加性Pythagorean模糊偏好关系的多属性决策方法.基于加性一致性Pythagorean模糊偏好关系提出一种新的Pythagorean模糊权重确定模型.给出了可接受加性一致性Pythagorean模糊偏好关系的定义,并针对不满足可接受加性一致性的Pyth...     

考虑关联性与优先关系的区间犹豫模糊图决策

区间犹豫模糊集是区间数和犹豫模糊集的推广,通常用以描述不确定信息具备的不完备性与犹豫性.近年来,区间犹豫模糊多属性决策问题受到了学者们的广泛关注.针对属性间同时具有关联性与优先关系的区间犹豫模糊多属性决策问题,利用模糊图可通过顶点间的边表示属性间关联性的优势,研究基于区间犹豫模糊图的多属性决策方法.首先从定义、运算规则及映射关系的角度建立区间犹豫模糊图的相关概念.在此基础上,提出考虑关联性与优先关系的区间犹豫模糊图多属性决策方法.最后用实例及对比性分析阐述所提多属性决策方法的可行性与有效性.结果表明:相较于经典区间犹豫模糊多属性决策方法,所提方法能够合理求解属性间同时具有关联性与优先关系的区间犹豫模糊多属性决策问题.     

一种新的三角模糊数型多属性决策方法

针对模糊群体多属性决策问题,提出一种模糊群体多属性决策方法．首先,定义了任意专家的中心决策矩阵;其次,利用任意2个规范化决策矩阵之间的相似度获得专家的综合重要性程度;再次,通过专家的综合重要性程度得到方案的平均可信度,进而得到方案的排序结果;最后,实例分析表明了所提出方法的可行性和有效性．     

基于Vague集的模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入．并运用于决策问题中．为了更加有效地进行模糊决策，提出了一个基于Vague集的模糊决策方法．在这个方法中，对约束条件，从它出现的可能性和不出现的可能性以及未知是否出现的可能性三个方面去综合处理．使得决策更加准确和有效．还给出了一个实例说明这种基于Vague集的模糊决策方法．这个基于Vague集的模糊决策方法的提出，为决策系统提供了一个有用的工具．     

直觉对偶犹豫模糊集在多属性群决策中的应用

基于直觉对偶犹豫模糊集的定义,结合标准距离测度公式,给出了直觉对偶犹豫模糊集的Hamming距离测度公式、Euclidean距离测度公式等。给出了用以度量两个对偶模糊信息之间相关关系的相关系数、加权相关系数的公式及其相关性质。给出了用以度量直觉对偶犹豫模糊集模糊性的熵的定义,并给出了熵的计算公式。基于直觉对偶犹豫模糊集的距离测度、相关系数、熵给出了一种新的直觉对偶犹豫模糊集的多属性群决策方法,并通过实例说明了该方法的有效性。     

区间犹豫模糊M-对称平均及其群决策模型

区间犹豫模糊集是特殊的犹豫模糊集,可以更准确地刻画决策信息。而Maclaurin对称平均算子能够考虑多个输入参数值间的相互关系。基于Maclaurin对称平均算子,在区间犹豫模糊环境下,提出了一种区间犹豫模糊Maclaurin对称平均信息集成算法。定义了区间犹豫模糊Maclaurin对称平均(IVHFMSM)算子;讨论了IVHFMSM算子的四个优良性质以及几种特殊表达形式;基于提出的区间犹豫模糊加权Maclaurin对称平均(IVHFWMSM)算子,构建了区间犹豫模糊Maclaurin对称平均多属性群决策算法;通过实例发现,IVHFWMSM算子性质优良,具有多选择性且更加合理可行。