区间直觉模糊数的新得分函数及其在多属性决策中的应用

通过对区间直觉模糊数的犹豫区间进行讨论,提出了区间直觉模糊数的新得分函数和精确函数,并讨论新的得分函数具有的性质,在此基础上给出了区间直觉模糊数的一种新的排序方法.进而,结合区间直觉模糊加权平均算子给出了属性值为区间直觉模糊数的多属性决策方法,并通过算例阐明该方法的可行性和有效性.     

基于新得分函数的直觉模糊多属性决策方法

通过考虑直觉模糊数的犹豫度对得分函数的影响,提出了直觉模糊数新的得分函数,并讨论了新得分函数具有的性质,在此基础上给出了直觉模糊数的一种新的排序方法。基于新的得分函数和直觉模糊加权平均算子提出了模糊多属性决策方法,并通过算例分析验证了决策方法的有效性和合理性。     

基于新精确函数的区间直觉模糊多属性决策方法

基于区间直觉模糊数隶属度和非隶属度构成的二维几何图形特征给出区间直觉模糊数精确函数的新定义,并将其作为区间直觉模糊数的排序指标,区间直觉模糊数的精确函数值越大,则区间直觉模糊数就越大,进而提出一种权重信息不完全确定的区间直觉模糊多属性决策方法.通过算例分析说明所提出排序指标的有效性和决策方法的可行性.     

基于集成算子改进得分函数的区间直觉模糊多属性决策方法

为更大程度的保留决策信息的原始性，针对决策过程决策信息的聚合、备选方案的比选问题，提出一种基于集成算子改进得分函数的区间直觉模糊多属性决策方法。首先，构建各决策者区间直觉模糊集评分矩阵，并根据模糊熵获得各决策者权重。其次，利用区间模糊集集成算子得到区间直觉模糊综合决策矩阵，进而选择Hamming距离表示方法，建立总离差最大化为目标的最优化模型客观确定属性权重。然后，基于得分函数的定义及性质将原始得分函数进行改进，获得各方案的得分区间矩阵，并将其与决策者属性进行综合得到综合得分区间。最后，根据区间数中心和半径的全序关系对方案的距离，计算每个方案的最终得分，并通过某公司选择投资企业算例验证该方法的可行性和有效性。     

IVIFS环境下基于模糊熵和得分函数的多准则决策方法

在区间直觉模糊环境和各准则的信息完全未知的条件下,本文提出了一个基于模糊熵和得分函数的多准则决策方法.基于区间直觉模糊集的准则形式,本文给出了模糊熵模型,从而可以确定各准则的权重.在决策方法方面,作者提出了区间直觉模糊集的加权记分函数和加权精确函数,解决了记分函数无法解决的加权问题的难题,同时给出了一种新的决策方法.最后,文章通过实例说明了该方法的可行性和有效性.     

基于决策者风险偏好的直觉模糊数排序方法

决策者的风险偏好对决策有着重要的影响。本文通过引入反映决策者风险偏好程度的风险参数,基于直觉模糊数的隶属度、非隶属度和犹豫度,定义排序直觉模糊数的含风险参数的得分函数,并结合直觉模糊加权平均算子给出了一种属性值为直觉模糊数的多属性决策方法。通过算例阐明该方法的可行性和有效性。     

基于改进得分函数的直觉梯形模糊数群体多属性决策方法

为考虑群体多属性决策问题中决策人的风险偏好,在直觉梯形模糊数的基础上,利用连续区间有序加权平均算子对直觉梯形模糊数进行化简,使其转换成直觉模糊数。并基于此提出了一种全新的得分函数。从而得到了一种全新的群体多属性决策方法,将其应用于具体算例中,给出了该方法的具体步骤并证明了有效性。     

基于模糊数直觉模糊集的多属性决策方法

对属性权重信息完全未知且属性值为模糊数直觉模糊数的多属性决策问题进行了研究,定义了模糊数直觉模糊数的得分函数,进而提出了一种基于线性规划模型的模糊数直觉模糊多属性决策方法.最后通过实例对该决策途径的详细过程及有效性进行了说明.     

一种直觉模糊多属性群决策方法及其在群决策中的应用

对以直觉模糊数形式表示的信息和属性权重完全未知的多属性群决策问题进行了研究.提出了一种基于熵值的直觉模糊数距离测度方法,同时对传统的比较得分函数和精确函数的直觉模糊数排序方法进行了改进,定义了一种新的排序公式;进而利用此距离度量公式,引入到基于直觉模糊数之间距离的离差最大化方法中,确定属性的权重,提出了一种基于属性权重完全未知的直觉模糊多属性群决策方法.最后,将此方法运用在ERP选型中.     

基于直觉模糊集的多属性决策方法

对基于直觉模糊信息的多属性决策问题进行了研究,引入了直觉模糊数的得分函数、直觉模糊正理想点和负理想点,然后给出了基于TOPSIS的多属性决策方法,通过计算各备选方案的得分向量与直觉模糊负理想点得分向量之间的距离来确定各备选方案的综合评价指数,进而判断方案的优劣次序.最后,通过一个具体的实例分析说明了该方法的有效性与具体应用过程.     

The Accumulated Persistence Function,a New Useful Functional Summary Statistic for Topological Data Analysis,With a View to Brain Artery Trees and Spatial Point Process Applications

We start with a simple introduction to topological data analysis where the most popular tool is called a persistence diagram. Briefly, a persistence diagram is a multiset of points in the plane describing the persistence of topological features of a compact set when a scale parameter varies. Since statistical methods are difficult to apply directly on persistence diagrams, various alternative functional summary statistics have been suggested, but either they do not contain the full information of the persistence diagram or they are two-dimensional functions. We suggest a new functional summary statistic that is one-dimensional and hence easier to handle, and which under mild conditions contains the full information of the persistence diagram. Its usefulness is illustrated in statistical settings concerned with point clouds and brain artery trees. The supplementary materials include additional methods and examples, technical details, and the R code used for all examples.     

A Non-Homogeneous Continuous Time Semi-Markov Model for the Study of Accumulated Claim Process

The accumulated claim process is the summed total of all claims starting from time t. The semi-Markov environment, at authors’ opinion, is able to follow the evolution of this process. In the paper a continuous time non-homogeneous semi-Markov model with a denumerable set of states will be used to follow the stochastic evolution of the accumulated claim process.     

加权累加生成的GM(1,1)模型及其应用

根据灰色系统理论中的新信息优先原理知新信息对认知的作用大于老信息的作用,而传统的累加生成没有体现原始数据中新信息的重要性.针对这一问题提出了加权累加生成的概念,并对加权累加生成在单调性、灰指数规律、凸性等方面的性质进行了研究,得到加权累加生成序列具有单调递增性,具有较强的指数规律,并具有下凸性,然后建立了基于加权累加生成的GM(1,1)模型.通过具体算例的计算表明,加权累加生成的GM(1,1)模型的模拟和预测精度比传统的GM(1,1)模型模拟和预测精度高,从而说明了该法的有效性.     

倒数累加生成灰色GRM(1,1)模型及应用

相对传统的累加生成提出倒数累加生成的定义 ,并给出其灰色 GRM( 1,1)模型及其在药物动力学中的应用 .为建立灰色模型提供了新的生成方法     

基于粒子群算法的变权累加生成的GM(1,1)模型

根据灰色系统的新信息优先原理可知新信息对认知的作用大于旧信息的作用,而传统的累加生成没有体现原始数据中新信息的重要性.针对这一问题引入了变权累加生成的方法,并对变权累加生成在单调性、灰指数规律、凸性等方面的性质进行了研究,得到变权累加生成序列具有单调递增性,具有较强的指数规律,并具有下凸性,这些性质是高精度建模的保证,然后建立了基于变权累加生成的GM(1,1)模型,并运用粒子群算法确定了变权累加生成的权重.通过具体的算例计算表明,变权累加生成的GM(1,1)模型能够提高模型的模拟和预测精度.     

带权的Sharp函数和极大函数

本文研究带权ｕ的Ｓｈａｒｐ函数和极大函数Ｍ＿ｕｆ之间的关系，首先建立它们（关于测度ωｄｘ）的非增重排函数和之间的一个不等式，进而证明，只要ωｄｘ，ｕｄｘ是可比较测度，当时，就有，其中常数Ｃ与ｆ，ｐ（１≤ｐ＜＋∞）无关。     

初等函数的导数是初等函数吗

给出实例说明初等函数的导数可以是非初等函数.     

Smarandache函数与伪Smarandache函数相关性质研究

本文研究了Smarandache函数与伪Smarandache函数的相关性质,主要给出了伪Smarandache函数均值的一个范围,证明了Majumdar提出的四个猜想是正确的。     

模糊子模函数与模糊秩函数

讨论模糊集合的一些性质;再以一般子模函数为蓝本,定义模糊子模函数,研究模糊子模函数和模糊秩函数的性质;然后利用这些性质推广通过模糊秩函数确定模糊拟阵的一个重要定理。     

环内亚纯函数的特征函数

应用亚纯函数的Nevanlinna理论,研究了定义在圆环内的亚纯函数的特征函数.证明了定义在圆环内的具有最大亏量和的有限级允许亚纯函数f(名)与其各阶导函数f~((k))(z)的特征函数之间满足如下关系:当δ_0(∞,f)=1时,T_0(r,f~((k)))~T_0(r,f)(r→+∞);当δ_0(∞,f)=0时,T_0(r,f~((k)))~(k+1)T_0(r,f)(r→+∞),其中k为任意正整数.所得结果推广了定义在全平面上亚纯函数的一些相关结果.