新的模糊粗糙集的模糊性度量方法

研究了模糊粗糙集的模糊性度量方法。首先从模糊集支集的角度,给出了一般模糊关系下模糊集的粗糙隶属函数;在此基础上,设计了一种合理的模糊粗糙集的模糊性度量方法,并对其相关性质进行了详细的讨论。     

格值信息系统的粗糙熵与不确定度量

在格值信息系统中引入知识粗糙熵、粗集粗糙熵与不确定度量的概念,得到了相应的重要性质。证明了在格值信息系统中,知识粗糙熵随着知识颗粒变大、分类变粗而单调增大,或者随着知识颗粒变小、分类变细而单调减小。进一步通过讨论它们之间的联系说明了粗集的粗糙熵可以更精确地度量粗集的粗糙程度。这些结论为格值信息系统的知识发现奠定了一定的理论基础。     

模糊集和粗糙集的集成研究

模糊集和粗糙集理论在含有不确定性知识的领域中具有广泛的应用。两者所具有的各自特点及其互补性,使得它们的结合是必然的。讨论了关于模糊集和粗糙集的基本问题,在分析了模糊集、粗糙集和经典集合之间的关系后,给出因它们的集成而产生的模糊粗糙集和粗糙模糊集概念。最后结合具体实例讨论了模糊粗糙集和粗糙模糊集的应用。     

基于粗糙粒模型的图像纹理识别和检索

传统的纹理识别方法大多是对图像频谱的研究,文中尝试以粒计算理论为基础,利用分层思想对图像的纹理特征进行识别。首先,通过引入粒的边缘和分层熵的概念,建立粗糙粒理论,构造粗糙粒度空间模型。然后,构建基于粒的边缘和分层熵的相似度计算方法,得出一种图像纹理识别方法。该方法不仅提高模型在图像纹理识别上的实用性,而且通过对识别和检索过程的同步进行简化纹理识别的计算过程。最后,仿真实验表明,该模型及所用到的相关方法是可行的,与其它方法相比,该方法识别和检索效果较好。     

粗糙集理论与应用研究综述

在阐释粗糙集理论基本体系结构的基础上,从多个角度探讨粗糙集模型的研究思路,分析粗糙集理论与模糊集、证据理论、粒计算、形式概念分析、知识空间等其它理论之间的联系,介绍国内外关于粗糙集理论研究的主要方向和发展状况,讨论当前粗糙集理论研究的热点研究领域以及将来需要重点研究的主要问题.     

模糊软子域和余模糊软子域

Molodtsov引入的软集理论,可作为通用的数学工具去处理不确定性问题。给出了模糊软子域和余模糊软子域的概念,对它们的性质进行了研究,此外,定义了模糊软子域和余模糊软子域间的模糊软同态和模糊软同构,给出了模糊软子域和余模糊软子域的同构像定理和同态逆像定理。     

考虑未知属性权重的区间直觉模糊VIKOR方法

针对传统模糊集方法处理不确定性多属性决策问题时只考虑隶属度信息的缺点,提出了基于区间直觉模糊集的VIKOR决策方法。区间直觉模糊集用来处理区间语义评价信息。考虑属性权重未知的问题,基于区间直觉模糊数间的支持度确定属性权重,属性的支持度越高,则其权重越小。将区间直觉模糊交叉熵引入区间直觉模糊VIKOR方法用于计算区间直觉模糊数间的距离。最后以某手机设计方案评价为例,验证了所提方法的有效性。     

基于区间直觉模糊集的多准则决策方法

研究基于区间直觉模糊集的多准则决策方法.首先定义了区间直觉模糊点算子,并讨论了其性质;然后对区间直觉模糊集定义了一系列得分函数,并给出两种基于区间直觉模糊集的多准则决策方法.将该方法应用于区间直觉模糊集多准则决策问题,所得结果推广了有关直觉模糊集的相关结果.     

广义正交模糊Maclaurin对称平均算子及其应用*

研究广义正交模糊决策环境下的集结算子及其决策应用。针对在信息集成时,需要考虑多个输入变量之间的相关关系以及专家的评价值为广义正交模糊信息的多属性决策问题,提出一种解决广义正交模糊多属性决策问题的方法。考虑到Maclaurin对称平均算子能够反映多个输入变量之间的相关关系,利用该算子集结广义正交模糊信息,提出了广义正交模糊Maclaurin对称平均算子、广义正交模糊加权Maclaurin对称平均算子,并研究了这些算子的性质和特殊情形。提出了基于广义正交模糊集结算子的多属性决策方法,并通过实例验证了其可行性和优势。     

一种栅格图层的模糊叠置分析模型

为了更好地进行GIS空间分析，根据GIS应用领域中属性数据的区间值特征，首先利用区间值模糊集来描述模糊属性数据的模糊图层，然后基于区间值模糊集给出了一种栅格图层的模糊叠置分析模型，并改进了基于经典模糊集的模糊叠置分析方法。该模型利用区间值模糊集的基本运算，可以实现普通模糊叠置和加权模糊叠置，而采用区间值，则可以减少属性值模糊性的丢失，且叠置结果符合人们的认知和推理规律，实例结果表明，该模型能够较好地解决区间值属性图层间的模糊叠置分析问题。