模糊弱S-置换子群

给出了模糊弱S-置换子群的概念,并利用既约集合套给出了模糊弱S-置换子群的等价定义。同时研究了模糊弱S-置换子群的一些性质,并讨论了相应的同态性质。     

直觉(λ,η)-函数粗集

利用函数S-粗集,提出直觉(λ,η)-函数粗集,给出它的数学结构和特性,又探讨直觉(λ,η)-函数粗集与函数S-粗集的关系。从解决实际问题的角度来说,直觉(λ,η)-函数粗集是函数粗集的一般形式,函数S-粗集是直觉(λ,η)-函数粗集的特例。直觉(λ,η)-函数粗集是粗集研究的一个新方向。     

直觉模糊商群及其同构

分析了文[4]中的直觉模糊子群关于它的正规子群的诱导商集的概念之不足,重新定义了直觉模糊商群,同时引入了商直觉模糊子群,并利用集合套研究了直觉模糊子群和直觉模糊正规子群,此外还讨论了其相关性质及同构定理.     

P-直觉模糊集及其应用北大核心

将P-集合引入到直觉模糊集中,改进了直觉模糊集,提出了P-直觉模糊集。P-直觉模糊集由内P-直觉模糊集、外P-直觉模糊集构成的直觉模糊集对(A^(F),A^(F)),给出了内P-直觉模糊集截集及基数的概念,讨论内P-直觉模糊集区间截集性质及基数定理、给出内、外P-直觉模糊集与直觉模糊集、模糊集的关系定理,最后给出内P-直觉模糊集的应用。     

直觉模糊格及其同态

在K.Atanassov引进直觉模糊集的基础上,定义了直觉模糊格,并讨论了它的简单性质,给出了直觉模糊集截集与直觉模糊格的关系,证明了A是格L的一个直觉模糊子格的充要条件是A的截集是L的一个子格,然后在格同态与同构意义下,研究了直觉模糊格的像与原像。最后给出了直觉模糊凸子格的概念,并得到了它的一些基本性质。     

基于模糊二元运算的直觉模糊群

为了使直觉模糊群也具有经典的结构,首先给出经典集合G的一种直觉模糊二元运算,利用这种直觉模糊二元运算定义了直觉模糊群,讨论这种直觉模糊群的一些性质,并给出直觉模糊群的两种等价定义。由于直觉模糊群具有和群一样经典的结构,因此,使直觉模糊代数的深入研究有了充分的理论基础。     

直觉模糊子环及其同构

利用既约集合套讨论了直觉模糊子环和直觉模糊理想的一些性质,并在两个经典环同态与同构意义下,定义了直觉模糊商环,商直觉模糊子环,以及直觉模糊子环的直和,并讨论了其相关性质.     

直觉模糊关系的截集性质

定义了直觉模糊关系的截集以及并给出了它们的基本性质,同时分别讨论了自反、对称、传递直觉模糊关系与经典二元关系之间的等价刻画;其次,提出直觉模糊关系的定义域与值域的概念;最后,分析了直觉模糊关系合成的截集性质.     

凸直觉模糊映射

在模糊数、凸模糊映射和凸直觉模糊集定义基础上,给出了直觉模糊数及其序的定义,给出了凸直觉模糊映射的定义并讨论其有关性质,在此基础上,研究了凸直觉模糊规划问题。     

广义多值直觉模糊软集及其在多属性决策中的应用

软集理论作为一种处理不确定问题的数学新工具弥补了传统模糊理论在参数工具上的不足。本文将广义模糊软集与多值直觉模糊集相结合,提出了广义多值直觉模糊软集的概念,给出了广义多值直觉模糊软集的交、并、补、“且”、“或”运算的概念,并基于这些概念研究其若干相关性质。此外,还将广义多值直觉模糊软集应用到多属性决策问题中去,给出相应的算法。并进行实例分析说明该决策方法的可行性和有效性。     

直觉模糊集运算性质

针对Atanassov(Intuitionistic Fuzzy Sets. Heidelberg: Springer,1999)给出的直觉模糊集运算,指出并修正一些直觉模糊集运算的错误性质,这将有利于对直觉模糊集的进一步研究.     

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。     

直觉模糊集的扩展原理

基于文[1]给出的直觉模糊集的截集、分解定理和表现定理,利用模糊集的扩展原理,本文建立了直觉模糊集的扩展原理.首先,给出了直觉模糊集的扩展原理及其等价形式;其次,讨论了直党模糊集的扩展原理的有关性质;最后,研究了复合函数的直觉模糊集扩展原理及其性质.     

基于k阶二元关系的直觉模糊粗糙集

利用k阶二元关系定义直觉模糊粗糙集,讨论了分别为串行、自反、对称、传递关系时所对应的上、下近似算子的性质。在有限论域U中,研究了任一自反二元关系所诱导的直觉模糊拓扑空间中直觉模糊闭包、内部算子与相对应的上、下近似算子的关系。     

双枝模糊集与直觉模糊集的关系(Ⅲ)——分解定理

在重新定义的直觉模糊集的水平截集概念的基础上进一步讨论了双枝模糊集的分解定理与直觉模糊集的分解定理的关系,从而使需要用双枝模糊集解决的问题也就进一步可以用直觉模糊集来解决.     

模糊多属性决策的直觉模糊集方法

基于直觉模糊集理论,提出了一种新的TOPSIS方法来研究模糊多属性决策问题。首先,根据直觉模糊集的几何意义,定义了两个直觉模糊集之间的距离,且每个备选方案的评价值用直觉模糊值表示;然后,根据TOPSIS原理,通过计算备选方案到直觉模糊正理想解和负理想解的距离,来确定备选方案的综合评价指数,以此判断方案的优劣次序。最后,通过一个具体实例说明该方法的有效性和具体应用过程。     

直觉模糊集的广义模糊熵

利用模糊补定义了直觉模糊集的广义补集,并讨论了直觉模糊集广义补集的一些性质。在此基础上,给出了直觉模糊集广义模糊熵的公理化定义及几个直觉模糊集广义模糊熵的具体计算公式。此外,本文还研究了直觉模糊集的广义模糊熵与相似性测度之间的关系。     

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。     

基于区间值直觉模糊集的TOPSIS多属性决策

基于区间值直觉模糊集,提出了一种新的TOPSIS模糊多属性决策方法。首先介绍区间直觉模糊集的概念,定义了两个区间值直觉模糊集之间的距离;然后根据TOPSIS方法的原理,定义了两个区间值直觉模糊集的接近系数,通过计算备选方案到区间值直觉模糊正理想解和负理想解的距离来确定接近系数,从而判断备选方案的优劣次序。最后,通过一个具体实例来说明这种方法的有效性和具体计算过程。