一种直觉模糊熵的构造方法

针对直觉指数所表征的中立证据中支持与反对的程度呈均衡状态时无法表述的问题,提出一种直觉模糊熵的构造方法.首先基于均衡状态假设,揭示了影响直觉模糊熵大小的3个相互作用因素之间的内部关系,给出了直觉模糊熵的几何解释;然后分析了满足直觉模糊熵的直观约束条件,给出一种直觉模糊熵的公理化定义,揭示了直觉模糊熵最小值计算性质;最后通过算例分析比较,验证了所提出方法的正确性、合理性和有效性.     

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.

     

一个基于三角函数的直觉模糊熵公式

利用三角函数定义了一个直觉模糊熵公式,该公式不仅考虑了直觉模糊集的隶属度与非隶属度的偏差,而且考虑了直觉模糊集的犹豫度.对以往文献给出的两个直觉模糊熵公式进行了讨论,并将所提出的公式与这两个公式进行了比较.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未知性程度.     

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。     

一种加权直觉模糊熵分割法

针对现有的直觉模糊熵阈值法对于光照不均匀图像的分割很不理想,提出了一种新的加权直觉模糊熵,将其应用于图像分割最佳阈值的选取,最后给出了加权直觉模糊熵阈值化准则的权重选取方法。实验结果表明,该加权直觉模糊熵阈值法是可行的,可以弥补现有直觉模糊熵阈值法的不足。     

"关于Vague集的模糊熵及其构造"的注记

讨论了文[1，2]中将vague集变换为fuzzy集的转换函数的作用，指出了vague集就是一类特殊的L-模糊集，分析了文[1，2]中提出的vague集的模糊熵概念的不足，在此基础上，基于对不确定性信息处理的背景，提出了一种模糊正熵和模糊负熵的概念，并讨论了它们的性质。     

基于熵和改进的协相关度的直觉模糊决策方法

针对决策信息为直觉模糊集且属性权重未知的多属性决策问题,以及关于协相关度的决策方法研究中存在的问题,提出了一种基于直觉模糊熵和改进的协相关度的决策方法。为准确度量直觉模糊集的直觉性和模糊性,给出了一种改进的直觉模糊熵的公式,概括并推广了原有的一类直觉模糊熵的公式,并讨论了其相关性质。然后由概率统计中相关系数的构造思想,改进了直觉模糊集协相关度的定义,构造了直觉模糊集与理想对象之间的相关系数以及得分函数,由此给出了一种改进的基于直觉模糊信息的多属性决策方法,最后通过实例计算验证了该方法的有效性和可行性。     

Vague熵的约束条件和新模糊熵的构造

Vague集合的模糊熵既应包含Vague集的未知性又含有本身的不确定性。分析了现有Vague熵约束条件和构造方法上存在的缺陷,提出改进的Vague熵约束条件和Vague熵的公理化定义,给出一种新的Vague熵的构造方法,通过算例比较,指出这种新的模糊熵更加合理,更符合人们的直觉。     

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.     

直觉模糊集新的熵公式及应用

针对直觉模糊集的熵的公理化定义中存在的问题,修正了直觉模糊熵的公理化定义,给出了一个新的直觉模糊集的熵的计算公式,证明了其正确性。给出了一个基于直觉模糊数的熵的多属性决策算法,应用实例表明其合理性和有效性。     

基于改进熵和新得分函数的区间直觉模糊多属性决策

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.

     

基于熵和协相关度的直觉模糊多属性决策方法

针对决策信息为直觉模糊集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协相关度的决策方法。对于直觉模糊集的直觉性和模糊性,从公理化定义出发,给出了一种改进的直觉模糊熵的定义。然后基于所有属性总不确定信息量最小化准则,利用提出的直觉模糊熵建立非线性规划模型,从而得到属性权重公式。接着,由统计学中变量间相关系数的构造思想,提出直觉模糊集协相关度的概念,并探讨了与相关系数类似的性质,且进一步得出各对象与理想对象加权的协相关度公式。最后给出了一种新的多属性决策途径,并将所提方法成功应用于教授评选的实例中,通过计算各个教师的协相关度确定最佳候选人,实现最优决策。该方法操作合理,算法易于实现,计算结果可靠,可用于多种决策问题。     

一种新的直觉模糊集的熵

通过分析现有直觉模糊熵计算方法中存在的一些问题,基于直觉模糊集理论和熵的概念,提出一种新的直觉模糊集的熵,给出它的结构、性质,并将其与现有的几种直觉模糊集的熵进行比较,发现其计算结果介于其他几种方法的计算结果之间,因而能够对模糊问题的模糊性做出更好的界定,有助于人们对模糊问题的理解和把握。最后,通过实例验证了它的有效性。