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.     

基于区间值对偶犹豫模糊集的多属性决策方法

基于区间值对偶犹豫模糊集的基本定义,提出了区间值对偶犹豫模糊熵与相似性测度的概念。给出了区间值对偶犹豫模糊熵的定义及公式,在此基础上构造了熵权重模型;由距离与相似性测度的关系给出三种区间值对偶犹豫模糊集的距离公式。由此基于区间值对偶犹豫模糊集的熵和相似性测度提出一种新的区间值对偶犹豫模糊集的决策方法。最终给出此方法的计算步骤,通过实例验证该方法的有效性。     

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。     

基于深度学习的直觉模糊集隶属度确定方法

直觉模糊集隶属度、非隶属度和犹豫度的确定方法是直觉模糊集理论与应用研究中一个十分重要的问题,其直接影响着相关方法的可扩展性及应用结果。然而,现有方法存在主观性强、标准难以统一等问题,并且大多基于模拟数据进行实验,难以应用至实际数据。针对上述问题以及大规模非结构化数据,提出一种基于深度学习的直觉模糊集隶属度、非隶属度和犹豫度确定方法。新方法克服了传统方法的技术和思维局限,拓展了直觉模糊集相关问题的研究思路,为其实际应用提供了更多可能。     

改进的区间值犹豫模糊集的距离及相似度北大核心

对于区间值犹豫模糊集在多属性决策、聚类分析、模式识别、人工智能等方面的应用来说,距离及相似度概念起着重要作用。本文通过具体实例说明,区间值犹豫模糊集之间的距离和相似度的原有定义存在不足之处,即原有定义只考虑了犹豫区间左右端点值的差异、而没有比较犹豫区间个数的多少。进而,在区间值犹豫模糊集中引入犹豫度的概念,给出区间值犹豫模糊集的距离及相似度的新定义,经过理论分析阐明了新定义的良好性质,并通过一个实际的多属性决策应用问题说明了改进定义的合理性和有效性。     

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。     

基于区间数度量的区间值模糊集合的归一化距离、相似度、模糊度和包含度的关系研究

区间值模糊集合的距离、相似度、模糊度和包含度及其关系研究是区间值模糊集合的一个研究热点.考虑到区间值模糊集合所表示信息的丰富性,本文使用区间数而非实数来刻画区间值模糊集合的距离,首先给出基于区间数度量的区间值模糊集合的归一化距离的公理化定义,然后通过五个定理详细研究了基于公理化定义的区间值模糊集合的归一化距离、相似度、模糊度和包含度之间的相互转换关系,最后,给出了若干公式来计算基于区间数度量的区间值模糊集合的相似度、模糊度和包含度.这些结论,一方面丰富了区间值模糊集合的信息测度(距离、相似度、模糊度和包含度)的内容,另一方面也为区间值模糊集合的近似推理、决策分析、模式识别等领域的应用提供了新方法和新理论.     

直觉模糊集之间的距离测度

介绍了直觉模糊集之间距离测度公理化的定义,引入了一些新的距离测度并给出了这些距离测度性质的证明.讨论了相似测度与距离测度之间的关系.最后,指出直觉模糊集距离测度在模式识别中的应用.     

基于可能度的一种直觉模糊集相似度测量方法

研究直觉模糊集的相似度测量方法. 首先给出两个直觉模糊数比较的可能度公式及其性质. 在此基础上, 定义两个直觉模糊集间的相似度测量公式, 分析用此公式进行相似度测量的优缺点, 旨为直觉模糊集在决策、模式识别和医疗诊断中的应用提供更为合理的工具.     

区间值直观模糊集的相似测度和距离测度

对现有的模糊集和直观模糊集的相似测度和距离测度的公理化定义进行分析,并做出改进;然后提出区间值直观模糊集的相似测度和距离测度的公理化定义,并各引入它们的一种计算方法;最后给出区间值直观模糊集的相似测度和距离测度在模式识别中的一个应用实例.     

直觉模糊集的距离测度

直觉模糊集的距离测度是两个直觉模糊集差异性大小的度量,许多学者围绕其公理化定义和具体表达公式做了大量的工作,并且被广泛应用在多属性决策、模式识别等许多方面。基于直觉模糊集距离测度的公理化定义,本文对一些学者提出的距离测度公式进行了探讨,并给出了几种一般化构造形式。     

改进的区间值犹豫模糊集的距离及相似度

对于区间值犹豫模糊集在多属性决策、聚类分析、模式识别、人工智能等方面的应用来说,距离及相似度概念起着重要作用。本文通过具体实例说明,区间值犹豫模糊集之间的距离和相似度的原有定义存在不足之处,即原有定义只考虑了犹豫区间左右端点值的差异、而没有比较犹豫区间个数的多少。进而,在区间值犹豫模糊集中引入犹豫度的概念,给出区间值犹豫模糊集的距离及相似度的新定义,经过理论分析阐明了新定义的良好性质,并通过一个实际的多属性决策应用问题说明了改进定义的合理性和有效性。     

基于相似度和改进雷达图的概率犹豫模糊多属性决策方法

为了解决属性权重未知的概率犹豫模糊多属性决策问题,构建基于相似度和改进雷达图的多属性决策方法。首先基于概率犹豫模糊元的信息完全度构建概率犹豫模糊集的距离测度和灰色关联系数,然后基于灰色关联理想解法定义了概率犹豫模糊集的相似度,最后根据概率犹豫模糊集的相似度和改进雷达图构建多属性决策模型,并通过案例进行了验证分析。     

直观模糊集的熵、距离测度、相似测度及它们的关系

熵、距离测度和相似测度是模糊集理论中的三个重要概念.首先系统地给出了直观模糊集的熵、距离测度和相似测度的公理化定义,并讨论了它们之间的一些基本关系.然后在距离测度公理化定义的基础上产生了一些新的直观模糊集的熵公式.     

区间直觉模糊集的区间熵和区间相似度

熵和相似度是模糊集理论中很重要的信息度量工具。本文给出了区间直觉模糊集的区间熵和区间相似度的公理化定义,并给出了几个区间熵公式。说明了当熵公式无法区分区间直觉模糊集的不确定时,利用区间熵的优点。讨论了区间熵和区间相似度的关系,给出了由区间熵转化为区间相似度的方法。     

基于犹豫中智集的多属性决策方法

本文将中智集和犹豫模糊集融合给出了犹豫中智集的概念,并在欧氏距离和余弦相似度公式的基础上构造了中智集的相似度测量公式.然后,给出了犹豫中智集的相似度的概念和计算公式.基于犹豫中智集的相似度给出一种处理犹豫中智环境下多属性决策问题的方法,并结合实例对决策方法的可行性与有效性进行检验.     

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。