区间直觉犹豫模糊集的两种相似测度及其在模式识别中的应用

模糊集的相似测度是模糊集理论的重要组成部分之一,有着广泛的应用.首先给出了基于隶属度、非隶属度和犹豫度的区间直觉犹豫模糊集的标准海明距离、标准欧氏距离、广义标准海明距离公式以及它们的加权距离公式.然后提出了基于距离的区间直觉犹豫模糊集相似测度和区间直觉犹豫模糊集的余弦相似度,并给出了公理化证明.两种相似测度均包含了区间直觉犹豫模糊集的隶属度、非隶属度和犹豫度.最后将这两种相似测度应用到基于区间直觉犹豫模糊信息的模式识别中.     

区间直觉模糊集的相似性测度及其应用

在度量两个集合时,用相似性测度来表示两集合的相似性程度.在度量区间直觉模糊集的相似性程度时,现有的很多方法都没有把犹豫度考虑在内.针对这个问题,根据区间直觉模糊集理论,在Szmidt的区间直觉模糊集的海明距离、规范化海明距离、欧几里得距离、规范化欧几里得距离的基础上.定义了基于Szmidt的区间直觉模糊集的加权海明距离和基于Szmidt的区间直觉模糊集的加权欧几里得距离,分别包含了隶属度,非隶属度和犹豫度,并给出了定理和证明.然后定义了两种区间直觉模糊集的相似性测度.最后将这两种相似性测度应用到模式识别领域.     

区间灰数直觉模糊集及其G-TOPSIS模糊多属性决策方法

提出以区间灰数为隶属度、非隶属度和犹豫度的区间灰数直觉模糊集概念,定义了两个区间灰数直觉模糊集之间的距离.对于以灰直觉模糊数为属性值的模糊多属性决策,依据经典TOPSIS准则,提出了基于区间灰数直觉模糊集的模糊多属性决策方法G-TOPSIS.其包含两种方法:一是将区间灰数白化后,按直觉模糊集的TOPSIS方法进行;一是基于区间灰数直觉模糊距离的TOPSIS方法.示例分析表明了两种方法的有效性与一致性.     

基于直觉犹豫模糊集的TOPSIS法

直觉犹豫模糊集集成了直觉模糊集和犹豫模糊集的优势,能更有效地刻画决策者偏好不一致的情况。距离测度一直是研究的热点问题,但尚没有文献研究直觉犹豫模糊集间的距离测度,因此本文定义了直觉犹豫模糊集间的Hamming距离、Euclidean距离和广义距离,同时考虑每个元素的权重,定义了加权距离。犹豫度是直觉犹豫模糊集的重要特性,因此在考虑犹豫度的基础上,又定义了一些距离测度。这些距离测度不仅考虑了直觉犹豫模糊数间的差异,同时考虑了犹豫度的影响,决策者可以根据对直觉犹豫模糊数和犹豫度之间偏好的不同,设置不同的偏好值得到距离测度。然后基于这些距离测度,又提出了直觉犹豫模糊环境下的TOPSIS法。最后通过实例说明了所提出的TOPSIS法的合理性与实用性。     

基于直觉模糊化的广义模糊时间序列预测模型

本文在传统广义模糊时间序列预测模型数据模糊化的基础上,引入直觉模糊集理论对其进行扩展。首先,在隶属度和非隶属度函数中增加犹豫度因子对样本数据进行直觉模糊化,更加细腻的反映数据不确定性本质。然后,用记分函数描述样本数据对模糊集的隶属情况,简化模型的复杂度。随后以传统广义模型为框架,构建基于直觉模糊化的广义模糊时间序列预测模型。最后利用典型的Alabama大学入学人数为实验数据,对比分析本文建立模型与传统广义模型的预测结果,验证直觉模糊化的广义模糊时间序列模型的可行性和优越性。     

联系数均分定理在模糊群决策中的应用

在模糊直觉群决策存在犹豫度处理的困难,容易影响群决策的判断.尝试把模糊直觉集转换为集对中的联系数,用不确定度均分定理把犹豫度分成两部分,一部分并入其隶属度,另一部分并入其非隶属度,再用广义势函数概念计算变形后的隶属度与非隶属度比值.进而结合模糊直觉群决策中各方案综合比值的大小来比较.算例表明,此法思路清晰,数理意义准确,计算简便,适合推广应用.     

对偶犹豫模糊集的熵及在多属性决策中的应用

将研究对偶犹豫模糊集的熵理论.对偶犹豫模糊集是由隶属度和非隶属度组成的,每部分都含有几个可能的数值.首先,提出基于隶属度,非隶属度,以及犹豫度三个指标的对偶犹豫模糊值(DHFE)的熵公理化定义和熵公式.在此基础上,提出对偶犹豫模糊集(DHFS)的熵公理化定义和熵公式,从而完善对偶犹豫模糊集的熵理论.最后,利用具体的多属性决策实例说明所提熵公式的实用性和有效性.     

直觉模糊面集的相似度及其在模式识别中的应用

直觉模糊数以隶属度和非隶属度所构成的有序点来表示所要研究的信息。由于犹豫度的存在,本文从几何的观点出发,将其转化为一个可能面,提出了直觉模糊面集的概念。在此基础上,定义了两个不同直觉模糊面集的相似度,研究了它的性质。最后给出了直觉模糊面集的相似度在模式识别中的应用实例,并做了相应的对比分析,结果表明本文提出的方法具有可行性和有效性。     

毕达哥拉斯模糊软集的相似性测度及其应用

直觉模糊软集不能处理隶属度与非隶属度之和大于1的情况,且现有的直觉模糊软集的相似性测度只考虑了隶属度与非隶属度,忽视了犹豫度。针对以上问题,本文提出了一种基于隶属度、非隶属度以及犹豫度三个参数的毕达哥拉斯模糊软集的相似性测度和加权相似性测度。在为加权相似性测度的权重取值时,本文基于现有文献中直觉模糊熵存在的缺陷建立一种改进的直觉模糊熵,利用熵权法计算权重。分别讨论两相似性测度公式的性质,最后将两相似性侧度公式应用在建筑材料的模式识别问题中。     

基于“直觉模糊集的距离测度”的联想

直觉模糊集不同于模糊集的最重要指标是犹豫度.在直觉模糊集的距离定义和公式中应突出体现犹豫度;在直觉模糊集的距离定义中也应包含经典距离的性质—三角不等式.基于论文"直觉模糊集的距离测度",提出直觉模糊集的新距离定义和新公式.应用实例表明,新提出的直觉模糊集的距离公式是实用的.     

基于直觉模糊集的多准则模糊决策问题

提出了一种基于直觉模糊集处理模糊决策问题的新方法.该方法用直觉模糊集描述方案关于准则集的满足程度与不满足程度.而且该方法允许决策者给出准则对于模糊集“重要”的隶属度与非隶属度,即准则的权重也由直觉模糊集表示.这种方法为决策者做出最优决策提供了一种方便有效的方法.     

Multicriteria Decision-making Method Based on Risk Attitude under Interval-valued Intuitionistic Fuzzy Environment

Based on the feature of interval-valued intuitionistic fuzzy multi-attribute decision-making, in this thesis, a mentality parameter is used to reflect the decision makers’ risk attitude in determining of both a membership degree and a non-membership degree. Besides, with the mentality parameter, a new score function and accuracy function are proposed, which integrate the membership degree, the non-membership degree and the hesitancy degree into one index. Furthermore, to compare two interval-valued intuitionistic fuzzy numbers, a new ranking method is generated with the score function and accuracy function. Finally, a multi-attribute decision method under interval-valued intuitionistic fuzzy environment is developed in a linear weighted average operator. And promising numerical results show that this method is available.     

Fuzzy linear programming under interval uncertainty based on IFS representation

The equivalence between the interval-valued fuzzy set (IVFS) and the intuitionistic fuzzy set (IFS) is exploited to study linear programming problems involving interval uncertainty modeled using IFS. The non-membership of IFS is constructed with three different viewpoints viz., optimistic, pessimistic, and mixed. These constructions along with their indeterminacy factors result in S-shaped membership functions in the fuzzy counterparts of the intuitionistic fuzzy linear programming models. The solution methodology of Yang et al. [45], and its subsequent generalization by Lin and Chen [33] are used to compute the optimal solutions of the three fuzzy linear programming models.     

基于区间灰色区间直觉不确定语言集的工程项目风险辨识和评价

针对具有信息灰性、模糊性及语言描述性的工程项目风险问题,定义区间灰色区间直觉不确定语言集用于表达这些特征,结合多属性群决策理论和C-OWA算子,构建工程项目风险辨识和风险评价模型,以南京市纬三路过江隧道为例验证所建模型的可行性。结果表明,该模型可以利用区间灰度、区间隶属度和区间非隶属度以及不确定语言变量,更全面、更真实地表达工程项目的实际信息,得到更符合工程实际的风险辨识和评价结果,帮助项目管理者更准确地预知主要风险因素和风险状态。     

区间犹豫模糊Bonferroni mean算子在多属性决策中的应用

针对在信息集成时, 需要考虑输入变量之间的相互影响以及专家评价值为区间犹豫模糊信息的多属性决策问题, 提出一种基于区间犹豫模糊Bonferroni mean算子的多属性决策方法。考虑到由于Bonferroni mean(BM)算子能够良好的反映输入变量之间相互影响, 首次提出了评价值为区间犹豫模糊集信息环境下的两种新的集成算子, 即区间犹豫模糊Bonferroni mean(IVHFBM)算子和区间犹豫模糊几何Bonferroni mean(IVHFGBM)算子。并讨论了其相关的一些特性。同时基于输入变量会具有不同重要程度的情况, 定义了区间犹豫模糊加权Bonferroni mean(IVHFWBM)算子和区间犹豫模糊加权几何Bonferroni mean(IVHFWGBM)算子。针对评价信息以区间犹豫模糊集表示的决策问题, 提出了基于IVHFWBM算子和IVHFWGBM算子的多属性决策方法。最后通过实例证明了该方法的可行性和有效性。     

Type-2 T–S fuzzy impulsive control of nonlinear systems

A novel impulsive control approach based on interval Type-2 T–S fuzzy model has been presented for nonlinear systems in this paper. This approach makes up for the drawback of Type-1 fuzzy impulsive control, which cannot fully handle the uncertainties in describing the complex nonlinear systems by Type-1 fuzzy membership functions and cannot give rigorous fuzzy rules. Further more, this approach uses the “broad band” effect of the Type-2 membership functions to solve the noise of training data and exterior disturbance of the Type-1 fuzzy impulsive control. By using Lyapunov theory and Lipschitz condition, which is combined with integrated approaches such as comparison methods and linear matrix inequalities, the Type-2 fuzzy impulsive controller is designed and the general asymptotical stability analysis of the systems is given. Finally, the simulation of the inverted pendulum model demonstrates the validity and superiority of the proposed method by easily determining the membership functions and choosing minimum number of fuzzy rules and the method can handle random disturbance and data uncertainties very well.     

Tuning membership functions of kernel fuzzy classifiers by maximizing margins

We propose two methods for tuning membership functions of a kernel fuzzy classifier based on the idea of SVM (support vector machine) training. We assume that in a kernel fuzzy classifier a fuzzy rule is defined for each class in the feature space. In the first method, we tune the slopes of the membership functions at the same time so that the margin between classes is maximized under the constraints that the degree of membership to which a data sample belongs is the maximum among all the classes. This method is similar to a linear all-at-once SVM. We call this AAO tuning. In the second method, we tune the membership function of a class one at a time. Namely, for a class the slope of the associated membership function is tuned so that the margin between the class and the remaining classes is maximized under the constraints that the degrees of membership for the data belonging to the class are large and those for the remaining data are small. This method is similar to a linear one-against-all SVM. This is called OAA tuning. According to the computer experiment for fuzzy classifiers based on kernel discriminant analysis and those with ellipsoidal regions, usually both methods improve classification performance by tuning membership functions and classification performance by AAO tuning is slightly better than that by OAA tuning.     

直觉模糊GM(1,1)模型及其在灰色发展决策的应用

研究了以直觉模糊数为对象的GM(1,1)模型并运用到灰色发展决策方法。利用灰色系统理论中核和灰度的内涵,将直觉模糊数的犹豫度和记分函数结合构建了直觉模糊数序列 GM(1,1)预测模型,从而实现了直觉模糊数的预测。在此基础上结合变权原理提出了基于直觉模糊数的灰色发展决策方法。最后,算例分析说明了该方法的合理性和可行性。