区间直觉模糊粗糙集的不确定性度量

利用模糊熵工具将近似集的不确定性度量方法应用在区间直觉模糊信息系统中,给出了区间直觉模糊近似算子的不确定性度量公式.通过在区间直觉模糊近似空间中定义一对新的区间直觉模糊上、下近似算子,将模糊粗糙隶属函数的定义推广到了区间直觉模糊集的粗糙隶属函数;然后利用区间直觉模糊粗糙隶属函数的模糊熵,定义了区间直觉模糊粗糙集的熵;进而解决了区间直觉模糊粗糙集的不确定性度量问题,并讨论了度量的一些相关性质,以此说明定义的合理性.     

基于区间值模糊集熵的图像阈值分割算法

提出了一种新的区间值模糊集的模糊熵,并将其用于图像的阈值分割.根据图像直方图确定模糊化因子,选择适当的主隶属函数实现图像的区间值模糊集表示.利用新的区间值模糊集的模糊熵研究了图像的阈值分割算法.仿真实验表明,新的基于区间值模糊集模糊熵的阈值分割算法在处理模糊图像及具有噪声图像方面均比经典图像阈值分割方法更有效.     

粗糙模糊规划

提出了一种基于粗糙模糊集的数学规划模型,该模型利用粗糙模糊集中的上、下近似之差表示模糊规划模型中的容差,可得出系统的客观容差,为解决基于粗糙模糊信息系统的规划问题提供理论参考。     

粗糙直觉模糊集的不确定性分析

基于粗糙直觉模糊集的基本概念和模糊熵的公理化定义,给出了直觉模糊集粗糙隶属函数的定义并讨论其基本性质,再利用粗糙隶属函数的直觉模糊熵,给出了粗糙直觉模糊集的不确定性度量,并讨论了度量的一些相关性质。     

基于包含度的区间直觉模糊粗糙集模型

利用区间直觉模糊包含度的概念建立区间直觉模糊粗糙集模型。首先,将直觉模糊集中的包含度拓展到区间直觉模糊集上,给出区间直觉模糊包含度定义和计算公式;其次,在区间直觉模糊等价关系下,基于区间直觉模糊包含度,建立了区间直觉模糊粗糙集模型,并对近似算子的重要性质进行了讨论。     

格区间值模糊集的分解定理和表现定理(Ⅰ)

针对区间值模糊集合,在完备格的基础上建立一种更为广泛的区间值模糊集——格区间值模糊集,构造了8种新的格区间值模糊集截集和相应的一种新的格区间与格区间值模糊集截集的运算,进而根据已有的模糊集合的分解定理和表现定理,给出了格区间值模糊集的两条分解定理和两条表现定理.     

基于理想点的区间粗糙数型多属性决策方法

定义了区间粗糙数的欧氏距离和期望值。针对属性值为区间粗糙数且属性权重为区间数的多属性决策问题,提出一种基于理想点的决策方法。利用TOPSIS法构建了相对贴近度的非线性分式规划模型,得到了各方案相对贴近度,进而对各个方案进行排序。通过算例验证了所提方法的有效性。     

基于区间值直觉模糊集距离的多属性决策方法

针对区间值直觉模糊集上的多属性决策问题,使用区间值直觉模糊集犹豫度的概念,给出区间值直觉模糊集之间一种新的距离公式,并据以提出基于理想点法的区间值直觉模糊集多属性决策方法。最后,借助实例说明该决策方法的有效性。     

区间值Fuzzy集的生成结构

借助区间值模糊集中元素的区间指数，引入点算子，该算子将一区间值模糊集与一模糊集族联系起来，借助点算子剖析区间值模糊集的结构，用普通模糊集生成区间值模糊集，给出其两种形式的生成结构，其一是用一个普通模糊集生成一区间值模糊集，其二是两个普通模糊集共同生成区间值模糊集，文中给出的这两种形式的生成结构对拓广区间值模糊集的应用领域将是有益的。     

基于区间粗糙数相似度的多准则群体决策方法及其应用

针对权重未知的区间粗糙数多准则群体决策问题,提出一种基于相似度最大化的群体决策方法。文章对区间数构造区间粗糙数的方法进行改进,进一步定义区间粗糙数相似度公式,并给出相应的性质;以各方案与标准方案相似度最大化及熵值最大为目标,建立多目标优化模型求解准则权重,利用区间粗糙数算子求出方案的综合决策值,进而由区间粗糙数可能度和排序向量模型获得方案的排序结果。最后,通过投资实例证明该方法是有效的、合理的。     

多粒度空间中的粗糙隶属度与知识粒度

以一族等价关系所构成的多粒度空间为研究对象,在乐观和悲观多粒度粗糙集模型的基础上,给出两种多粒度粗糙隶属度函数以重构乐观和悲观多粒度粗糙集。从多粒度空间中一族等价关系的交集和并集出发,定义多粒度空间上的两种知识粒度,并将这两种知识粒度作为启发式信息,分别构建启发式算法以删除多粒度空间中的冗余粒空间。     

基于区间值相似度集合的区间值近似推理

在引入区间值相似度集合概念的基础上,给出基于区间值相似度集合的区间值近似推理的数学模型,并研究了其相关性质和推理算法,最后通过实例验证其推理算法的可行性与有效性。     

基于区间直觉梯形模糊数的群决策方法

针对准则值为区间直觉梯形模糊数（IVITFN）的群决策问题,定义了新的区间直觉梯形模糊数的加性的运算法则;基于这些运算法则,给出了几种区间直觉梯形模糊数信息的算术集成算子,包括区间直觉梯形模糊数的加权算术平均（IVITFNWAA）算子、区间直觉梯形模糊数的有序加权平均（IVITFNOWA）算子和区间直觉梯形模糊数的混合集成（IVITFNHA）算子;基于IVITFNWAA算子和IVITFNHA算子,提出了一种准则值为区间直觉梯形模糊数而准则权重确知的群决策方法。最后,实例分析表明了该方法的可行性和有效性。     

模糊粗糙逻辑的语义

通过将粗糙逻辑模糊化,建立了模糊粗糙逻辑系统WR．然后在该系统中定义了模糊粗糙命题的运算,给出了该系统的语义及其广义重言式的概念。     

区间值决策表的决策风险最小化属性约简

针对目前海量数据分析较多情况下从传统的单条记录转变为一个区间对象,将决策粗糙集中风险的概念引入至区间值决策表中,给出了区间值决策表决策风险的定义,并提出了决策风险最小化的属性约简方法.该方法可以保证所得到的约简集合相对于决策属性具有较强的分类能力,同时保证约简集合的决策风险最小.区间值决策表的决策风险最小化约简使得定义的约简具有更强的理论性和可解释性.     

基于区间模糊匹配函数的数据清洗算法研究及其在问卷调查中的应用

数据清洗是保证数据质量的重要步骤. 由于人类的活动通常带有一定的主观性与情绪性,因此现实中部分数据往往存在不合理性甚至错误. 而此类不合理数据常具有不确定性、模糊性与隐藏性,这给数据清洗带来了困难. 传统的数据清洗方法对此类数据难以充分发挥作用. 结合区间值模糊集理论与匹配函数提出一种区间模糊匹配函数方法,构建区间模糊匹配算法来清洗数据、提高数据质量,并将其应用在问卷调查数据中. 实验结果表明本算法具有较高的准确度及运行效率,适应处理数据中的不合理数据.