模糊集中的无限非概率测度熵

目的 为得到模糊信息论的一些重要性质和定理。方法 以模糊熵的数学性质为基础，以Shannon熵为工具进行研究。结果 给出了无限非概率测度熵的定义及性质，并对无限非概率测度条件熵及模糊互信息给出了定义，进而研究了其性质并给出了相关定理。结论 其结果深化和发展了模糊信息论的内容。     

基于Fuzzy集的Vague集的模糊熵

给出了Vague集的基本概念，阐述了Vague集的本质及Vague集与Fuzzy集之间的关系；通过对投票模型的分析，指出了在投票模型中投中立票者仍然有某种倾向，且该倾向由投赞成票和投反对票的人类之比来决定，在此基础上提出了一种Vague集向Fuzzy集转化的方法，最后给出了基于这种转化方法的Vague集模糊熵的定义。     

Vague 集模糊熵的一个新模型

在对已有Vague集的模糊熵的定义进行分析的基础上,提出了Vague集的模糊熵的新定义.基于Vague集是Fuzzy集的推广,从Fuzzy集的模糊熵的Shnnon模型出发,建立了Vague集的模糊熵新定义下的一个模型.数值试验表明,所建立的Vague集的模糊熵模型与已有的满足新定义的模型有同样的表现.     

模糊概率空间上模糊划分与保测同态的熵

在模糊概率空间上引入了模糊划分的熵以及保测同态关于模糊划分的熵的概念，并研究了它们的若干性质．     

一类Vague集模糊熵的构造方法

分析了Vageue集的性质,给出了将Vague集变换为Fuzzy集的转换函数并讨论了其性质,研究了关于Vague集的模糊熵的直观特性,在此基础上给出了Vague集的模糊熵的定义,最后给出了一个减地Vague集的模糊熵的构造方法。     

Vague集模糊熵的新度量方法

提出了Vague集模糊性主要来自三个部分,分别为未知信息、不确定信息及他们的交叉模糊信息,通过分析现有方法,给出一种新的Vague集模糊熵度量方法,并改进了它的公理化定义和证明了它的正确性.最后通过实例分析,指出它同时考虑了Vague集的未知性、不确定性和两者之间的交叉模糊性,从而证明所给出Vague集模糊熵的定义是更加合理的.     

基于概率语言术语集的

基于VIKOR方法解决概率语言术语集语义环境下的多属性决策问题,将概率语言术语集刻画的属性指标与VIKOR方法有机结合,将候选方案的整体效益和个体属性遗憾程度同时纳入决策目标体系,并通过对VIKOR决策的判断准则进行修正,构建PLTS-VIKOR多属性决策模型,克服了以往TOPSIS法、集结算子综合法等在决策机制上的不足.通过决策实例验证了该方法的决策有效性和计算过程的相对简便性.     

融合云概念的粗糙Vague集的三支决策模型

Vague集是模糊集的扩展模型,从正反两方面来描述事物的不确定性,粗糙Vague集比粗糙模糊集更具有普遍性。目前,三支决策的阈值主要是由单个专家给出,不能反映认知过程中复杂的不确定性形式。针对这一问题,提出了一种融合云概念的粗糙Vague集的三支决策模型。使用基于密度中心的云概念群决策方法求解损失函数,不仅保证综合评价的精度,还为损失函数提供了新的语义解释。构建了粗糙Vague集的三支决策模型并揭示了其误分类代价随着粒度细化而单调递减的规律。通过实验验证了该方法的可行性,克服了现有模糊集在三支决策中对事物不确定性表达不够清楚的缺点。     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

粗糙模糊集的关联熵与关联熵系数

在研究模糊集关联熵和关联熵系数的基础上，将关联熵和关联熵系数的概念引入粗糙模糊集，讨论了它们的主要性质，说明关联熵系数可以用于粗糙模糊集之间相似程度的度量．并通过例子证明了粗糙模糊集的关联熵系数比模糊集的关联熵系数更适合用于在分类知识R下模糊集合之间相似程度的比较．     

区间值模糊软集在教学质量评估中的应用

软集理论是一种新的处理不确定性问题的数学工具.针对教学质量评估具有的模糊性与主观随意性的特点,本文将区间值模糊软集应用于教学质量评估,取得了较好的效果,为教学质量评估提供了一个方法与思路.     

犹豫模糊熵生成算法及在后勤补给基地选址评估中的应用

为了定量地刻画犹豫模糊信息的不确定性程度,将犹豫模糊元和区间值犹豫模糊元的熵推广成了犹豫模糊集和区间值犹豫模糊集的熵。首先给出了犹豫模糊集和区间值犹豫模糊集的熵与相似度的公理化定义,在此基础上提出了犹豫模糊集熵和相似度的一般公式,给出了犹豫模糊集的熵和相似度的生成算法。然后研究了犹豫模糊集的熵与相似度间的关系,提出了基于相似度的熵的一般公式。进一步把犹豫模糊集的熵与相似度的关系的有关结论及各自的一般公式和生成算法推广到区间值犹豫模糊集。最后给出了基于犹豫模糊集熵和相似度的后勤补给基地选址方案可靠性分析的数值例子。     

浅谈模糊数学在机械设计中的应用

本文应用模糊数学讨论机器的传动。通过隶属函数建立起传动的各因素之间的模糊关系,再通过模糊变换选取较合适的传动种类。     

关于熵概念的教学探讨

用耗散结构理论 ,分析了卡诺循环过程的熵变 ,探讨了熵的本质 .     

运用模糊集研究情绪概念

心理概念由于它反映的对象—心理过程与心理特性—的复杂性而具有较大的模糊性．本研究选取“情绪”这一心理概念，运用模糊集的方法，对不同情绪样例及其典型性进行了描述，并在此基础上对情绪概念结构进行了模糊聚类分析．研究表明，情绪概念具有“模糊集”的特征；情绪概念的心理结构有别于逻辑上的上下位结构，典型性的高低不是情绪结构的决定成分；情绪概念结构的“主干”充满个别差异与不确定性，是一个较大的区域．     

基于粗糙集的模糊模型辨识方法

提出了一种基于粗糙数据分析的模糊模型辨识方法·二值化数据过滤和决策表的简约算法是该方法的两个关键点·通过将传统的决策表转化成二进制决策表,并采用二值化数据过滤技术,可以同时简化决策表的属性和属性值·通过决策表的简约算法,从决策表中提取出重要的属性和关键的属性值,从而得到了输入空间的模糊最优化分,进一步得到模糊模型的前提结构和参数·利用这种方法以一组经典数据为背景建立了岩石边坡工程中边坡稳定性分析的模糊模型,仿真结果说明了该方法的有效性     

模糊熵应用于图象边缘检测

图象边缘检测在图象分析和识别中具有重要的意义作者将模糊子集理论＾１，２中的模糊熵概念引入图象边缘检测中支１，在图象的模糊特征平面上，用最大熵原则也确定边缘有阈值。实验结果表明了该方法具有良好的有效性。