基于相似度的样本分类算法

结合粗糙集理论中相似关系的思想,提出了一种基本相似度的样本分类算法.并通过实例说明了该分类算法的有效性。     

区间型多属性群体专家权重的确定方法

针对方案偏好和属性值均为区间数的多属性群决策问题，研究了群体专家权重的确定，并提出了一种新的群决策方法．通过定义区间数向量的内积，计算专家评判的相似度和差异度，进而客观地确定了专家的权重．求解最小化主、客观偏差的目标规划模型，得到了属性的权重，利用方案的群体综合属性值给出排序结果．供应商选择的应用实例验证了方法的可行性和合理性．     

一种基于区间型联系数的多指标决策方法

首先定义了区间数贴近度,并讨论了相应的性质;然后在联系数的基础上定义了区间型联系数及运算法则,并给出了区间型决策矩阵的规范化公式,提出了一种基于区间型联系数相对贴近度的决策方案排序方法.运用该方法进行多指标决策和评价,概念清楚、涵义明确,决策和评价结果准确、可信、不具有主观随意性.最后通过实例分析验证了该方法的有效性和实用性.     

命题逻辑中概率真度的相似度及伪距离

通过引入赋值密度函数、边缘密度函数等概念,给出了连续值命题逻辑系统中公式概率真度的定义,研究了概率真度的推理规则并证明了全体公式的概率真度之集在[0,1]中的稠密性,在此基础上给出了3种相似度,讨论了其性质及关系,并由此定义了3种伪距离,确定了三者之间的比例关系,为推理程度的数值化提供了依据.     

G(o)del逻辑和L*逻辑中公式的真度分布

研究了G\"{o}del逻辑系统和$L^\ast$逻辑系统中公式的真度的分布情况. 结果表明在G\"{o}del逻辑系统和$L^\ast$逻辑系统中含有$n$个原子命题的公式($n$元公式)的真度集分别为$\{\frac{i}{(n+ 1)!}\vert 0 \le i \le (n + 1)! ,i \in N\}$和$\{\frac{i}{(n + 1)!}\vert 0\le i \le 2^n(n + 1)!,i \in N\}.$ 进而得到了G\"{o}del逻辑系统和$L^\ast$逻辑系统中公式的真度集均为[0,1]上的有理数集. 最后,还给出了两系统中公式的相似度,伪距离的分布情况.     

基于Vague集的多属性群决策专家权重的确定

针对方案属性值为Vague值的多属性群决策问题,提出了一种新的专家权重的确定方法.定义了Vague值的得分函数、贴近度、运算法则以及信息集成算子.根据专家评判的相似度矩阵,通过其最大模特征值所对应的特征向量客观地确定了专家的权重,进而提出了新的群决策方法.制造资源应用实例验证了方法的可行性和合理性.     

逻辑系统G3在非均匀概率空间下命题的真度理论

在离散概率测度空间下定义了三值逻辑（p,q,r）测度，并相应地定义了命题逻辑系统中公式的真度概念；在三值逻辑（1/6．1/3．1/2）测度和（1/7．2/7.4/7）测度下证明了命题逻辑系统G3中全体公式的真度值之集在[0．1]上是稠密的，并给出真度的表达式；利用真度定义公式的相似度和一种伪距离，为—般离散概率空间下三值命题的近似推理理论提供一种可能的框架．     

Theory of truth degrees of propositions in two-valued logic

By means of infinite product of evenly distributed probabilistic spaces of cardinal 2 this paper introduces the concepts of truth degrees of formulas and similarity degrees among formulas, and a pseudo-metric on the set of formulas is derived therefrom, this offers a possible framework for developing an approximate reasoning theory of propositions in two-valued logic.     

基于粗糙模糊集的聚类决策及应用

对基于粗糙模糊集的聚类问题进行了研究.首先,定义了粗糙模糊值与粗糙模糊集的相似度,给出了粗糙模糊集相似度的一般表达式;然后利用该公式构建了模糊相似矩阵,进而给出了粗糙模糊集的一种聚类方法;最后以实际算例说明了这种思想.     

基于区间数贴近度的不确定多属性决策模型

针对只有部分权重信息且属性值以区间数形式给出的多属性决策问题,提出了一种基于区间数贴近度的决策方法.首先讨论了区间数贴近度的定义和性质;然后给出了解决不确定多属性决策问题的一般步骤.并依据传统的逼近理想解的基本思路,以实际评价值与理想解之间的贴近度最大化为目标建立优化模型,从而得到指标权重.进而计算出每个方案与正理想解的相对贴近度,即可得到所有方案的排序结果.方法能充分利用规范化评价的先验信息,评价结果客观可靠,不具有主观随意性.最后通过实例分析验证了该方法的有效性和实用性.