区间值Vague集多目标模糊决策方法

研究了区间值多目标模糊决策方法问题。充分利用Vague集三维信息提出了Vague集和区间值Vague集模糊相对优势函数概念,该概念克服了以往Vague集优势函数定义中不考虑第三维信息的弱点。在区间值Vague集决策矩阵基础上,构造了模糊相对优势决策矩阵和模糊加权决策矩阵,给出了区间值Vague集多目标模糊决策过程,充实了Vague集多目标模糊决策理论体系。最后通过算例验证了该方法是一种有效可行的决策方法。     

基于Vague熵权的模糊TOPSIS多属性决策方法

许多模糊多属性决策问题都是在权重已知的条件下,对各个方案进行排序,选出最优方案,很少在权重未知的情况下,考虑各方案的排序.笔者在权重未知的情况下,针对这种过于主观的情况对模糊条件下属性值为Vague值的多属性决策问题,根据Vague集熵的定义提出一种新的基于Vague集的熵函数,并给出了相应的证明,同时指出了现有Vague集熵存在的缺陷,这些缺陷通常是没有考虑模糊性或未知度对熵的贡献,然后根据这种新的熵函数确定公式得到各属性的熵权,从而给出了基于Vague集熵权的TOPSIS方法,避免了过于主观条件下对各方案的排序.最后,通过一个计算实例说明了该方法的有效性和实用性.     

Vague集之间的相似度量及其在模式识别中的应用

讨论Vague集之间的相似度量问题 .首先 ,基于Vague集定义本身的动态趋势 ,分别给出元素相对于Vague集的隶属度与非隶属度的合理表示 ,进而提出一种新的度量Vague集之间相似程度的方法 ,并讨论其性质 .然后 ,将元素在Vague集中所呈现的三部分 :隶属度、非隶属度和不确定程度的相对重要性以及每个元素的相对重要性考虑进去 ,提出并讨论一种新的加权相似度量方法 .进一步 ,将上述Vague集之间的相似度量和加权相似度量推广到连续论域 ,得到相应度量的积分表示 ,同时指出Hong和Kim给出的度量方法是结论的特例 .最后 ,将Vague集之间的相似度量应用于模式识别     

Vague集之间的相似度量及其在模式识别中的应用

讨论Vague集之间的相似度量问题，首先，基于Vague集定义本身的动态趋势，分别给出元素相对于Vague集的隶属度与非隶属度的合理表示，进而提出一种新的度量Vague集之间相似程度的方法，并讨论其性质。然后，将元素在Vague集中所呈现的三部分：隶属度、非隶属度和不确定程度的相对重要性以及每个元素的相对重要性考虑进去，提出并讨论一种新的加权相似度量方法。进一步，将上述Vague集之间的相似度量和加权相似度量推广到连续论域，得到相应度量的积分表示，同时指出Hong和Kim给出的度量方法是结论的特例，最后，将Vague集之间的相似度量应用于模式识别。     

基于转化模型的Vague集多准则模糊决策记分函数

针对现有记分函数问题,考虑记分函数与 Vague集向Fuzzy集转化模型在未知度转化方面的相通性,提出一种基于转化模型的记分函数及其加权形式,给出其定义和性质。该（加权）记分函数与转化模型之间具有直接运算关系,与现有加权记分函数之间具有良好转换关系,能够合理表达真、假隶属度大小关系对未知度价值取向的影响,具有更细腻的表达能力,是对极限转化状态（或接近）下的决策目标集的记分排序,实例对比说明了其有效性和优越性。     

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法.首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值,然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值,最后给出两个具有直观意义且计算简便的排序准则,利用它们对方案进行排序并选出最优方案,实例分析表明了该方法的可行性和有效性.     

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法。首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值，然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值。最后给出两个具有直观意义且计算简便的排序准则，利用它们对方案进行排序并选出最优方案，实例分析表明了该方法的可行性和有效性。     

基于区间值Vague集多属性决策的TOPSIS方法

为解决属性值为区间值Vague集的多属性决策问题,提出了一种新的基于TOPSIS的多属性决策方法.该方法利用记分函数确定了方案集的理想解和负理想解,定义了区间值Vague集的距离,并得到各方案到理想解和负理想解的距离,根据相对贴近度的大小对各方案进行优劣排序.实例分析验证了方法的可行性.     

基于Vague软集相似度量的网络舆情综合评判方法

针对现有Vague软集相似度量方法的局限性,修正了Vague软集相似度量公式,提出了一种考虑Vague值区间中心差异性的Vague软集相似度量方法,并给出公理化证明。基于大规模网络舆情数据集的综合评判分析实验表明,该方法是合理的、有效的、可行的,在网络舆情分析等综合决策问题研究中有较好的应用前景和效果。     

改进的Vague值相似度及多准则决策方法

为了区分Vague值的相似性,提出一种基于Vague值的区间中点值的相似度量。考虑隶属度与非隶属度间的运算关系,构成区间中点值,在基于Vague值相似度量的公理化条件的基础上,将隶属度、非隶属度及Vague值的区间中间值3个因素结合起来,构成了一个改进的相似度量公式。与已有的相似度量进行仿真比较,结果表明该度量能有效区分Vague值数据。将该度量应用于多准则决策问题,实例验证了该度量的有效性。     

区间直觉模糊集相似度构造

从直觉模糊集相似度出发,依据区间直觉模糊集隶属度和非隶属度上下确界转化成对应的2个直觉模糊集这一思路,提出一类构造区间直觉模糊集相似度的方法,并证明它们满足相似度公理。最后,分析了2个区间直觉模糊集相似度公式在模式识别中的应用实例。     

基于广义诱导连续区间有序函数比例加权平均算子的区间型组合预测模型

以抽象单调函数为基础,构建了一类函数族的广义诱导连续区间有序函数比例加权平均(GICOWFPA)算子.在灰色趋势关联度为最优准则下,建立了基于GICOWFPA算子的区间型组合预测模型.实例分析表明,该模型的预测精度优于3种单项预测方法及文献[9,11]中提出的组合预测方法,因此本文预测方法是一种有效的组合预测方法.     

区间值模糊参数软集及其在决策中的应用

定义了区间值模糊参数软集的概念,研究了区间值模糊参数软集的运算及运算性质。然后,给出利用区间值模糊参数软集进行决策的方法,并通过实例说明了方法的可行性。     

区间直觉模糊集的分解定理

引入了区间直觉模糊集截集的概念,讨论了其有关性质,并给出了关于区间直觉模糊集的分解定理.进一步丰富了模糊集的理论基础.     

基于区间数的模糊隶属函数构建

针对当前基于统计方法构造模糊隶属函数中存在的不足,提出一种基于区间数的方法来确定模糊隶属函数。采用区间数描述“青年人”的概念;基于区间数和模糊数的知识,将区间数据转化成有界闭模糊数;经过加权计算得到一个正态模糊数的α-水平截集,并扩展成模糊隶属函数。试验结果表明:该方法简单、精度高,基于该方法确定的隶属函数曲线更连续、客观,更符合人的主观意识。     

端点约束加权正交基与Bernstein基的转换及应用

为了在计算机辅助几何设计(CAGD)中,有效地求解在Jacobi加权L2范数下Bézier曲线约束最佳降多阶逼近问题,推导具有端点约束特征的加权正交基与Bernstein基之间的转换矩阵.利用Bernstein基构造端点约束加权正交基,给出约束加权正交基与Bernstein基的相互转换矩阵,利用该矩阵给出具体的端点约束最佳降多阶矩阵和该降阶逼近的可预报的误差公式,提出在L2、L1、L∞范数下适合于最佳降阶逼近的相应Jacobi基的权函数的选取方案.通过具体实例对逼近算法进行演示与分析.结果表明,该算法表示简单,易于实现.     

基于连续有序加权平均算子的区间组合预测

将连续的有序加权平均算子与诱导的有序加权平均算子相结合运用到区间组合预测问题中,首先定义了基于连续区间有序加权平均算子的区间预测相对误差、预测精度和非劣性组合预测等概念,其次以区间组合预测误差平方和为准则建立了基于连续区间有序加权平均算子的区间组合预测模型。在该模型下,进一步讨论了区间组合预测模型的性质和求解方法。最后给出了实例分析,表明该区间组合预测方法有效。     

基于属性测度的有差异区间型多准则双边匹配决策方法研究

针对具有主体期望水平的有差异区间型多准则双边匹配决策问题,提出了一种基于属性测度的双边匹配决策方法。首先,针对有差异区间型准则,依据属性测度计算各准则值相对于各期望水平的匹配度,并建立双方在各准则下的匹配度矩阵;然后根据简单加权法原则,建立双方综合匹配度矩阵;进一步,根据双方综合匹配度矩阵,以双方主体的匹配度总和最大为目标,构建多目标优化模型,并根据线性加权法将多目标优化模型转换为单目标优化模型,进而通过模型求解得到双边匹配结果;最后,通过实例验证了所提出的双边匹配决策方法的可行性和有效性。