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。     

广义模糊数值Choquet积分的自连续性与其结构特征的保持

在一般模糊测度空间的任一子集上，针对给定的μ-可积数模糊数值函数，定义所谓广义的模糊数值Choquet积分，并将这种积分整体看成可测空间上的模糊数值集函数．进而讨论并研究它的上(下)自连续性，逆上(下)自连续性，一致自连续性和一致逆自连续性等结构特征．     

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。     

TH型区间值模糊正规子群

本文在区间值模糊集空间上，引入了幂等区间范数ＴＨ，在此基础上，定义了ＴＨ型区间值模糊正规子群，并研究了它的一些性质和结构特征，从而拓广了区间值模糊集的理论。     

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.     

新序意义下集值模糊测度的伪自连续性

在m维正欧式空间的子集类上, 通过引入集合的新序和依序收敛的概念,讨论新序意义下集值模糊测度的伪自连续、一致伪自连续性,并研究它们的蕴涵关系,从而丰富集值模糊测度的理论.     

基于三角形模糊数的非线性T-S模糊系统的峰值点和分量半径优化

单值模糊器是将高维空间中一个实值点映射成该空间上的一个单值模糊集,在构造非线性T-S模糊系统时不仅可克服输入变量的噪声问题,而且能减少模糊推理机设计中的计算量.首先,基于分片线性函数和单值模糊器给出了非线性T-S模糊系统模型;并依据广义三角形的重心坐标公式,对等距剖分论域中的峰值点和分量半径等参数进行了优化;最后,通过模拟实例对系统进行了验证,得到优化后的非线性T-S模糊系统确实有更好的逼近效果.     

新序结构下函数列的伪依集值模糊测度收敛

在m维正欧氏空间中引入一种新序结构,并由此序结构在集值模糊测度空间上给出可测函数序列伪依集值模糊测度收敛、(伪)依集值模糊测度几乎处处收敛、PS性和PS'性等概念,进而研究了伪依模糊测度收敛和(伪)几乎处处收敛之间的关系,获得相应的Lebesgue定理和Riesz定理.     

基于概率犹豫模糊相似度的交互式群体决策方法

概率犹豫模糊集（probabilistic hesitant fuzzy set,PHFS）是犹豫模糊集的推广,在犹豫模糊集基础上通过为每个隶属度添加与之相对应的概率,以全面表达专家赋予的初始决策信息,是处理多属性指标决策问题的一种有效工具。首先,介绍了概率犹豫模糊数（PHFN）的基本定义和相关运算,指出了传统PHFN的得分函数和汉明距离的不足,并给出了改进方法。其次,通过适当补充隶属度集合中的元素数量提出了PHFN的汉明距离和相似度概念,依据专家赋予的评价矩阵引入了概率犹豫模糊矩阵（PHFM）相似度。最后,在概率犹豫模糊环境下基于PHFM相似度提出了一种交互式群体评价算法,并用实例验证了算法的有效性。     

毕达哥拉斯模糊环境下海明距离测度的证明及推广

距离测度是毕达哥拉斯（Pythagorean）模糊决策的一个基本概念，其在用权重向量进行有序集成运算、有序加权距离和相似度构造时具有重要作用。然而，早期发表于International Journal of Intelligent Systems中的文章Extension of TOPSIS to multiple criteria decision making with Pythagorean fuzzy sets，在首次引入海明距离测度时，对距离公理化条件的证明存在不妥。为此，通过反例和分析指出了其在证明公理化条件的有界性和三点不等式时存在的错误，并统筹考虑犹豫度的绝对值项和其他绝对值项，通过分情况讨论给出了海明距离测度的严格证明，进一步，证明了其推广形式（欧几里得距离测度）的公理化条件。