基于Vague集记分函数的模糊综合评判模型

借鉴模糊综合评判方法的原理思想,采用Vague集的基本理论,建立了基于Vague集的模糊综合评判数学模型.因为目标的评判结果是一个Vague集,所以,引入Vague集的记分函数对评语集上的Vague值进行排序,从而选出最优评判.理论分析与实验结果表明,其评判过程更符合人的思维模式,评判结果更客观.     

基于Vague集相似度量的模糊分类

在区间值模糊集理论和Vague集理论的基础上,提出了一种新的基于Vague集相似度量的模糊分类方法,对Fisher建立的Iris数据库进行了分类实验处理,分类结果的正确率超过95%。该方法计算简单有效,具有一定的实际应用价值。     

实现稳定双向认知映射的逆向云变换算法

人类对客观世界认知的不确定性主要通过认知的最小(基本)单元——概念反映出来。本文基于云模型理论,提出一种新的稳定逆向云变换算法,通过实验对比分析说明该方法的稳定性;再根据正向云变换由概念内涵生成概念外延及逆向云变换由概念外延形成概念内涵的特点,利用正向云变换算法和逆向云变换算法模拟人们对概念的稳定双向认知计算过程,即概念内涵与外延之间的稳定双向认知计算过程。     

正态云概念的漂移性度量及分析

云模型把自然语言中定性概念的随机性和模糊性有机地综合在一起,通过正向云变换和逆向云变换实现了概念内涵与外延之间的相互转换。基于正态分布和高斯隶属函数的正态云具有普适性。文中通过正态云概念的外包络曲线,根据KL散度刻画分布函数之间差异的特性,定义了一种正态云概念的漂移性度量。最后,结合人类认知的特点,利用该方法以计算的方式对概念在认知过程中可能发生的漂移性进行了模拟研究和实验分析。     

一种新的直觉模糊集距离及其在决策中的应用

首先针对直觉模糊集距离中是否包含直觉模糊集通过隶属度、非隶属度以及犹豫度这三种信息,以及直觉模糊集距离是否满足相应距离度量的条件对其进行了详细分析,发现现有方法都是直接将犹豫度直接引入到直觉模糊集距离中,从而会产生不一致性。鉴于此,定义了一种新的直觉模糊集距离度量方法,其不仅考虑隶属度和非隶属度信息,同时还考虑犹豫度对隶属度和非隶属度的分配,从而间接地将犹豫度也引入到直觉模糊集距离中。其次,证明了所提距离度量满足距离度量条件,并结合实例将其与现有距离度量方法进行比较分析,说明了新方法的合理性。最后,将所提出方法应用于多准则模糊决策中,进一步说明了新方法的有效性和可行性。     

一元线性回归模型的贝叶斯分析

在贝叶斯统计的基础上,给出了一元线性回归模型的贝叶斯分析方法.