基于误差传递的Vague值数据回归分析

Vague值数据是重要的符号数据,也是处理一类模糊问题的手段.基于误差传递的理论,提出了Vague值数据的回归分析方法.在分析原有Vague集相似性测度的基础上,提出了一种新的Vague集相似性测度,并以此来评价Vague值数据的回归模型.通过数值事例计算,验证了该回归模型的有效性.     

Vague集TOPSIS方法在方案优选中的应用

指出Vague集理论中现有距离度量的不足之处以及Vague集距离度量的基本准则,建立新的距离公式,给出建立在该距离公式基础上的TOPSIS方法,并将其应用到方案选优的实例中,得到合理的结论.     

基于证据理论和Vague集的多属性群决策方法研究

为了解决人们在复杂环境中决策困难的问题,论文基于Vague集描述不确定事物的优势,通过证据理论对Vague集进行合成,得到一种信息集结的多属性群决策方法。该算法首先考虑专家评分的可信度,在分析Vague集与证据理论的数学关系后,使用证据理论将各方案在各属性下的专家集证据集结。然后通过Vague集记分函数进行属性权重的计算,将方案集在属性集下的Vague评价值进行加权修正,再通过证据理论将属性集证据集结得到各方案最终的Vague评价值。之后使用记分函数计算每一方案的得分来确定最优方案。最后通过算例进一步说明所提方法的可行性与有效性。文章给出的算法使决策者在不确定环境下可以进行理性决策,从而选出最优方案。     

基于Vague集的群决策方法研究

首先介绍了Vague集的基本概念,将直觉模糊集的一些运算规则重新在Vague集上作了定义,提出用Vague值表示的九级语言术语集.接着指出衡量Vague集(值)相似度要考虑的三个因素,提出了新的度量方法.在同时考虑专家决策结果的一致性和专家权重的基础上,提出了汇总各专家Vague意见的方法.最后以一个案例说明了所提出的方法.     

基于Vague集的创新生态系统生态位适宜度评价模型研究

将Vague集理论推广到创新生态系统生态位适宜度评价问题中,提出了Vague集超体积生态位的概念,并在此基础上构建了创新生态系统生态位适宜度评价模型.模型给出了基于踌躇度有序加权适宜度(π—OWA)算子的生态因子赋权方法;构建了基于Vague集的生态位最适值确定方法和适宜度评价方法.最后,通过算例验证了评价模型的有效性和可行性.     

属性模糊集的分解特征

在模糊集理论研究的基础上,结合粗糙集的属性集、元素迁移的相关知识,提出属性模糊集的概念,利用给出属性模糊集的有关知识,结合模糊集与粗糙集合的有关理论,得到了属性模糊集的一系列重要定理,为模糊集合理论的进一步研究奠定了理论基础.     

集合概念的扩张与完善

从集合概念的内涵出发,剖析了单值集——Cantor集合、Fuzzy集合、Rough集合、可拓集合概念的内涵;剖析了复值集——Grey集合、未确知集合、Vague集合、泛灰(UG)集合和广义泛灰(GUG)集合的内涵;从而得出广义泛灰集合是内涵最深的集合概念;它具有极强的描述能力,可以描述客观存在的一切现象,故又是外延最广的集合概念.     

软交Clifford半群

在软集上定义了软交Clifford半群,这一概念在软集理论,集合理论及半群代数理论之间起到桥梁作用,我们将得到软交Clifford半群的基本性质及判定定理。     

P-集合与双信息规律生成

P-集合(pacdet sets)是由内P-集合X~F(internal packet set X~F)与外P-集合X~F(outer packet set X~F)构成的集合对.P-集合是把动态特性引入到普通集合中,利用普通集合(cantor set)被提出的.在一定的条件下,P-集合能够回到普通集合的原点.利用P-集合,给出双信息规律生成概念,给出双信息规律依赖的属性特征,提出双信息规律生成定理,辨识定理,给出应用.P-集合是研究动态信息系统的一个新的数学理论与数学方法.     

一种Vague偏好群体决策方法

采用 Vague集理论来描述和处理不确定信息或含糊信息 ,比采用模糊集理论描述和处理不确定信息或含糊信息在很多情况下更贴近客观现实 .在诸学者对模糊群体决策研究的基础上 ,提出一种 Vague群体决策方法 ,采用 Vague值作为决策者对备选方案的评估值 ,通过对决策者的各备选方案偏好值的集结 ,最后根据集结值的效用值对备选方案排序 ,进行决策 .     

粗糙Vague集及其相似度量

对粗糙V ague集的基本操作和性质进行了研究。另外,对粗糙V ague集的相似度量问题进行研究,首先构造一种粗糙V ague值的相似度函数并给出其基本性质,然后给出一种粗糙V ague集的相似度函数以及一种粗糙V ague集的加权相似度函数。     

Vague集信息熵测量及其应用

引入了区别于现有文献的Vague集信息熵和Vague集的关联熵的概念,给出了一种改进的测量方法,并讨论了它们之间的关系。进而,我们揭示了Vague集的熵和Fuzzy集的熵之间的关系,并分析了本文所定义熵的意义。最后,讨论了这种关联熵在模糊识别和医疗诊断上的应用。     

基于Shadowed Sets的连续属性离散化

基于Shadowed Sets理论研究了粗糙集连续属性离散化问题,提出一种新的基于Shadowed Sets 理论的候选断点集提取算法.该算法根据实例在单属性上的分布,对数据样本进行分类,采用Shadowed Sets计算出各类的上下近似,最终提取出候选断点集.使用多组UCI数据对此算法的性能进行检验,同时还与其它候选断点集提取算法做了对比实验.实验结果表明,此算法能有效地减少数据集候选断点的数目,提高离散化算法运行速度和识别率.     

属性测度空间的粗糙集模型

在属性测度空间理论指导下,提出了属性测度下的属性粗糙集模型及依参量的属性粗糙集模型,并就不同属性粗糙集模型的精度进行了讨论.     

几种新的截集及其应用

本文从“邻域”和“重域”的观点出发引入了三种新的截集：下截集，下重截集和上重截集。我们给出这些截集的性质及相应的分解定理，表现定理和扩展原理，作为应用，我们讨论了两方面的内容；一是利用落影表现理论，将一个模糊集看作“重云”的落影，然后用下生截集和落影表现理论来定义模糊集的运算，得到了与“２”一致的结果。     

关于粗糙集和灰色系统之间某些关系的探讨

首先介绍粗糙集与灰色系统两种理论,并对二者进行比较。接着介绍普通粗糙集、P-粗糙集以及灰色集的定义,并就灰色集、模糊集和经典集合三者进行对比分析。我们提出了点灰度和集灰度两种灰度概念用于描述灰色系统的信息不确定性。通过P粗糙集导出相应的灰色集,并研究相关的灰度、粗糙度与边界域的性质和关系。分析表明使用导出的灰色集对系统的信息不确定性的估计与相应的粗糙集是一致的,因此两种理论在描述和处理不确定性信息系统方面的一定的相关性,将两种理论相结合来处理某些不确定性信息系统可能更为有效。     

模糊粗糙集理论研究进展

介绍模糊粗糙集的概念及发展进程．提出了理论建立过程中，分别以推广到模糊集、引入模糊逻辑算子、拓展到两个论域为特点的三个发展阶段；分析、比较了各阶段代表性理论的特点，并对模糊粗糙集的未来发展作出了预期。     

依零测度的Fuzzy集运算

给出了Fuzzy集合依零测度的包含，依零测度的相等。依零测度的并．交，补运算等。并补充地研究了这些基本运算，获得了若干好的性质。Fuzzy集依零测度的基本运算比标准fuzzy集合论的相应运算更有人情味,更为接近人的智能机理。有望在智能信息处理和软计算领域取得好的应用。     

双论域上的区间值直觉模糊粗糙集模型及其应用

基于区间值直觉模糊相容关系,给出了双论域上的区间值直觉模糊粗糙集模型并讨论了其相关性质,为粗糙集的应用提供了新的理论基础与操作手段。最后,通过一个例子阐述了本文提出的区间值直觉模糊粗糙集模型在临床诊断系统中的具体应用。     

一种基于Rough理论的知识推理冲突消解策略

知识推理中的冲突消解,不仅受到知识粒度的影响,还与所采用的具体方法有关.首先讨论了应用Rough理论对规则的粒度进行客观刻画,在此基础上采用距离概念构造了刻画规则相近性的规则距离公式,并在公式中引入了Rough理论中属性重要性算子,然后在分析传统冲突消解策略的基础上,提出了知识推理过程中规则集进化的概念,最后通过实例说明了此策略在知识推理中的具体应用.