K-拟可加模糊数值积分及其收敛性

在K-拟可加模糊测度空间上,针对一类(?)-可积模糊数值函数,建立了所谓的K-拟可加模糊数值积分,并通过引入诱导算子K,获得这种积分的转换定理,进而研究这种K-拟可加模糊数值积分的一些重要性质,同时给出了它的一系列收敛定理,从而丰富了模糊数学的积分理论。     

K-拟可加模糊数值积分的自连续性

本文在K-拟可加模糊测度空间上建立了K-拟可加模糊数值积分,利用其积分转换定理和诱导算子的性质,将这种积分整体看成可测空间上取值于模糊值和集函数,从而使得这种模糊积分不仅具有自连续性,而且也满足逆自连续性。这些特性能更好地描述模糊值可测函数列和K-拟可加模糊数值积分序列的收敛性。     

前向正则模糊神经网络依K-积分模的泛逼近能力

针对前向正则模糊神经网络引进K-拟可加积分和K-积分模概念,应用积分转换定理研究了该网络在K-积分模意义下对模糊值简单函数类的泛逼近能力,进而在有限K-拟可加测度空间上,借助模糊值简单函数为桥梁获得了前向正则模糊神经网络依K-积分模对(u)-可积有界模糊值函数类仍具有泛逼近性.该结果表明前向正则模糊神经网络对连续模糊系统的逼近能力可以推广为对一般可积系统的逼近能力.     

关于K-拟可加模糊积分的几点注记

在K-拟可加模糊积分定义及积分转换定理的基础上，证明这种模糊积分恰好构成K-拟可加模糊测度，并依据积分转换定理讨论这种K-拟可加模糊积分的一些补充性质。     

基于σ-λ律的Sugeno测度及其可加性误差估计

讨论基于σ-λ律的Sugeno测度的刻划定理，借助于所提出的刻划定理。给出基于σ-λ律的Sugeno测度可列可加的误差估计及其计算公式。     

正则模糊神经网络在Sugeno积分模意义下的泛逼近性

首先,给出了可加模糊测度空间上Sugeno积分模的定义。然后证明了正则模糊神经网络依Sugeno积分模对模糊值函数来讲具有泛逼近性。     

基于2-可加模糊测度的NPD项目复杂性评价

针对NPD项目复杂性各因素间具有的关联性以及传统评价方法的局限性,提出一种基于关联多属性的2-可加模糊测度方法来对NPD项目复杂性进行评价。在界定项目复杂性内涵的基础上,从产品复杂性、环境复杂性、组织复杂性和技术复杂性四个方面构建了NPD项目复杂性评价指标体系。从模糊测度、默比乌斯变换和交互作用系数间的转化关系出发,基于最大Marichal熵原则,提出了一种确定2-可加模糊测度值的新方法。利用Choquet积分作为集结算子,自下而上计算各候选方案的综合评价值。最后,通过具体算例说明了该方法的可行性和有效性。     

K-拟可加模糊数值积分的伪自连续及结构特征

在K-拟可加模糊测度空间上,针对给出的K-拟可加模糊数值积分,将这种积分整体看成可测空间上取值于模糊数值的集函数,进而研究这种K-拟可加模糊积分的伪上(下)自连续、伪一致上(下)自连续和伪双零渐近可加性等结构特征.     

广义（N）-模糊积分的转换与表示定理

针对模糊测度空间上由一般可测函数所定义的广义(N)-模糊积分,结合该模糊积分与Lebesgue积分的内在联系,利用α-截断函数的定义,分别首次获得这种广义(N)-模糊积分的积分转换定理和表示定理.     

K-拟可加模糊值积分的双零渐近可加与穷竭性

针对已经建立的K-拟可加模糊值积分,将这种积分整体看成可测空间上取值于模糊数值的集函数。应用其转换定理和诱导算子的性质,获得了这种模糊积分不仅具有双零渐近可加性,而且也满足穷竭性。这些特性对于描述模糊值可测函数列和模糊积分序列的收敛性具有重要的意义。     

二维分枝过程的衰减指数及相关性质

研究分枝过程生命期的性质是非常重要的．主要考虑二维分枝过程的衰减速度、不变测度／不变向量和拟平稳分布．首先深入讨论了二维分枝q-矩阵发生函数的重要性质,通过发生函数给出了关于连通类C=Z＋^2＼0的衰减指数λC的精确值．同时,进一步讨论λC-不变测度／向量和拟平稳分布,给出λC-不变测度和拟平稳分布的发生函数．     

乘积λ—可加Fuzzy测度和Fuzzy核

本文首先给出乘积λ－可加Ｆｕｚｚｙ测度的两种等价定义，在此基础上建立了乘积空间上的Ｆｕｂｉｎｉ定理，其次提出了Ｆｕｚｚｙ核的概念，并由Ｆｕｚｚｙ核引出乘积空间上另一类λ－可加Ｆｕｚｚｙ测度。     

关于Fuzzy测度的自连续性

引言 1972年,Sugeno[1]首先引进了Fuzzy测度和Fuzzy积分的概念,开辟了Fuzzy数学的一个新领域。其后,Adams、Ralescu、Batle、Trillas,以及郑道朋、黄金丽和度子孝[2,3,4,5,6]等多位学者对此课题做了许多研究工作,得到不少有意义的结果。但是,他们的主要结论大多是对Fuzzy测度附加了较强的次可加性(甚至Fuzzy可加性)或λ-律而得到的,具有一定局限性。为了克服上述缺陷,文[7]首次引进了集函数的“自连续性”这一重要概念,在更一般的情况下研究Sugeno的Fuzzy测度和Fuzzy积     

理想收敛的若干研究及推广

在Banach空间X中利用序列的I-收敛与I*-收敛给出理想I具可加性质(AP)的等价刻画,并进一步研究弱I-收敛、弱I*-收敛、一致弱I*-收敛之间,以及弱I-收敛与收敛之间的关系,最后基于I-λ-统计收敛给出其推广:I-A-统计收敛,并以次微分映射为工具定义一族有限可加测度,用于等价刻画I-A-统计收敛,这亦是有限可加测度的一个应用体现.     

(N)模糊积分

本文定义了一种新的模糊积分,它较[2]所定义的模糊积分与Lebesgue积分有更多的相似之处。特别是作为人类思维过程的模拟,较[2]更切近于实际。文中研究了这种积分的性质,证明了类似Lebesgue积分中Levi定理、Fatou定理等关于积分序列的收敛性定理,给出了把一般的模糊测度空间上的(N)模糊积分转化为R¹上以Lebesgue测度为模糊测度的(N)模糊积分的公式。§4中引进了一类特殊的所谓λ次可加模糊测度空间,给出了这种测度空间上收敛性的Егоров定理和Riesz定理并得到了该空间上的(N)模糊积分在积分号下取极限的一些充分条件。     

单调集函数的连续性与可测函数序列的收敛

引了单调集函数的几种连续性并且讨论了它们与可测函数依测度收敛之间的关系，给出可加测度论中的Lesbegue定理在单调测度空间上的4种推广形式。讨论单调集函数的连续性和模糊积分与Choquet积分的单调收敛定理之间的等价性。证明Choquet积分的控制收敛定理。     

基于2可加模糊测度的多线性效用函数建模和求解

构建合适的多属性效用函数是多属性效用分析的关键。针对不同偏好假设,文献从可加独立、效用独立、效用依赖等分别进行了多属性效用函数构建的研究。然而,由于求解的复杂性,多属性效用理论的应用绝大部分限于可加效用函数和多乘效用函数。提出一种基于2可加模糊测度的多线性效用函数建模和求解方法。首先,证明多线性效用函数和基于模糊测度的多线性模型之间的等价性,提出利用基于模糊测度的多线性模型对多线性效用函数进行表示。其次,针对多线性模型的特点和模糊测度识别的复杂性,利用Banzhaf交互指数和2可加模糊测度对多线性模型进行表示,并利用最小方法差进行模糊测度和Banzhaf交互指数识别,进而实现多线性效用函数的求解。最后,将方法用于某可穿戴医疗设备基于顾客需求的多属性效用函数构建,确认了可行性。方法为多线性效用函数的求解提供了一种新思路。     

可信性空间上基于生命表的生命函数模型

在可信性空间上讨论寿险精算中人的寿命分布问题.用具有次可加性的可信性测度替代传统寿险精算中的度量算子概率测度,以生命表的基本统计量为参数,推导出一系列生命函数的数学模型.从而,使对人的寿命分布规律的刻画更客观、更准确.     

工程项目投资方案评价方法的研究-基于广义λ-Shapley Choquet积分

随着社会的发展,工程项目投资方案选择所受的影响因素越来越多。方案的属性值呈现出不确定性、模糊性的特征。文章对工程项目投资方案的主要影响因素进行了系统全面的分析,构造出影响因素的指标体系(即属性集)。为应对不确定信息和降低决策者的决策难度,让决策者利用所构建的语言变量给出方案属性值的定性判断,然后利用所构建的语言变量和三角模糊数之间的对应关系,将其转化为相应的三角模糊数,从而得到相应的定量模糊判断。为得到最优的综合投资方案,同时考虑属性间的交互作用,文章利用非可加测度及广义λ-Shapley Choquet积分来计算投资方案的综合评价值,属性权重由广义Shapley函数确定。基于此,给出了工程项目投资方案选择的一个新评价方法。最后,通过一个实际案例分析来验证所给方法的可行性和有效性。     

（S↑-）模糊积分意义下的可积函数空间的若干性质

给出(S↑-)模糊积分的定义，讨论其基本性质。当模糊测度μ满足(T)条件(见命题3.3)时，可以得到，(S↑-)模糊积分的p次(S↑-)模糊可积函数空间Lp(p≥1)是实数域R上的线性空间，且当μ次可加时，Lp(p≥1)在相应的距离ρp(定义4．3)下，(Lp，ρp)构成一完备的距离空间。