蕴涵区间直觉模糊粗糙集及其性质

在区间直觉模糊近似空间上,利用一对区间直觉模糊蕴涵算子(I,J),定义了蕴涵区间直觉模糊粗糙集的概念,并证明了相应的一些重要性质。最后,对区间直觉模糊关系的自反性,对称性和传递性进行了刻画。     

区间直觉模糊集的多属性综合评价新方法

针对研究对象属性值为区间直觉模糊集形式的多属性决策问题,提出了一种利用区间直觉模糊熵确定属性权重并进行综合评价的方法.该方法的基本思路:用区间直觉模糊熵来定义各方案在不同属性下的权重,将各方案对应的权重视为一种概率分布,基于这种假设利用相对熵集结模型得到区间直觉模糊集的客观优化权重.最后给出了一个算例,说明了该方法的可行性和优越性.     

基于相对熵的区间型直觉模糊集多属性决策方法

针对属性权重完全未知且属性值为区间的直觉模糊集的多属性决策问题进行了研究,定义了区间型直觉模糊数相对熵和含参数新的得分函数,然后由TOPSIS方法得到权重,最后通过实例分析验证了所提出方法的有效性和可行性.     

区间直觉模糊集的新相似性测度

相似性测度是度量两个集合相似性程度的重要方法.本文针对 Liang和Shi提出的直觉模糊集的相似性测度存在的问题进行改进,并将改进后的直觉模糊集的相似性测度推广到区间直觉模糊环境.同时,归纳了一种计算区间相似性测度的一般步骤,最后通过实例验证了该方法的有效性.     

一种新的区间直觉模糊交叉熵及其应用

为了全面反映区间直觉模糊集的不确定性,定义了区间直觉模糊集的3种不确定性因子,即直觉因子、模糊因子和跨度因子;基于这3种不确定性因子,给出了一种新的区间直觉模糊交叉熵,并且证明了交叉熵的相关性质;利用区间直觉模糊集的交叉熵,提出一种确定属性权重的方法,并且根据区间直觉模糊集的加权相关系数,给出了具体的区间直觉模糊多属性决策算法;最后,通过实例分析了方法的可行性和有效性。     

基于变参数区间直觉模糊集的故障诊断方法研究

针对故障诊断效果经常受众多不确定模糊性因素影响的问题,利用直觉模糊集(IFS)能较好表达不确定性信息的优势,提出了基于区间直觉模糊集(IVIFS)的故障诊断新方法.介绍了IFS的概念,引出了IVIFS和带参IVIFS的定义及其内在联系;在IFS定义及隶属度、非隶属度、犹豫度关系的基础上,构建了激励惩罚型变参数IVIFS;对IVIFS在故障诊断中的应用进行了统计解释,并构建了基于变参数IVIFS的故障诊断模型;以风机的故障诊断实例为研究对象,对模型进行了验证,结果表明了该方法的有效性和可行性.     

直觉模糊集熵的一种计算公式

为进一步精确度量直觉模糊集的模糊性,改进了直觉模糊集的模糊度的公理化形式,并给出了直觉模糊集的模糊度计算公式.利用直觉模糊集的模糊度和犹豫度,给出了直觉模糊集熵的计算公式,并举例验证了该计算公式的有效性.     

区间直觉模糊集的分解定理

引入了区间直觉模糊集截集的概念,讨论了其有关性质,并给出了关于区间直觉模糊集的分解定理,进一步丰富了模糊集的理论基础.     

区间直觉模糊粗糙集的公理化

基于单个以及两个论域之间的区间直觉模糊关系,用构造性方法建立两种区间直觉模糊粗糙集模型,并讨论一些相关性质.在此基础上,用公理化方法给出区间直觉模糊粗糙近似算子的公理化描述.     

直觉模糊集的贴近度与熵的关系

基于直觉模糊集贴近度与熵的公理性定义给出了直觉模糊集贴近度与熵的几种不同的算法.并给出了如何由直觉模糊集的贴近度而建立熵,同时给出了由直觉模糊集的熵而建立贴近度的方法,说明了直觉模糊集的贴近度与熵有着必然的联系.     

模糊集的直觉熵与直觉相似度

熵与相似度都是用来描述模糊集模糊程度的指标,现有方法都是通过将其刻画为具体的数值展开研究.针对当模糊集的模糊程度具有不确定性,无法利用具体的数值表示时,如何利用熵与相似度来进行度量的问题展开讨论.首先提出了直觉熵与直觉相似度的定义,其次利用两个定理说明直觉熵与直觉相似度可以相互转化.     

基于直觉模糊剩余蕴涵的直觉模糊粗糙集的性质

本文主要研究直觉模糊剩余蕴涵下的直觉模糊粗糙集的构造和性质.定义了直觉模糊集上的剩余蕴涵, 基于该剩余蕴涵构造了直觉模糊粗糙集的上、下近似算子, 并给出了基于不同二元关系下近似算子的性质.     

基于相对优势度的区间直觉模糊多属性决策方法

基于区间数的相对优势度,提出了区间直觉模糊数的相对优势度概念。通过构建区间直觉模糊数比较的相对优势度矩阵,结合基于互补判断矩阵的排序公式,给出了一种区间直觉模糊数的排序方法,并将此排序方法应用到属性权重未知的区间直觉模糊多属性决策当中。通过算例分析说明了该方法的有效性和可行性。     

基于信息熵的区间直觉模糊多属性决策方法

对属性权重信息完全未知且属性值为区间直觉模糊数的多属性决策问题进行了研究,定义了区间直觉模糊数的得分函数,进而提出了一种基于信息熵的区间直觉模糊多属性决策方法,最后通过实例分析说明了该方法有效、可行而且计算简单．     

直觉模糊集的截集

首先指出一个直觉模糊集是L-模糊集且X上所有直觉模糊集的集合是一个完备格．其次,分别给出了直觉模糊集截集、直觉集合套的定义;讨论了有关直觉模糊集截集的性质．在此基础上,给出了直觉模糊集的分解定理和表现定理．最后,讨论了直觉模糊集截集与直觉模糊子群的关系,证明了A是群G的一个直觉模糊子群的充分必要条件是A的截集是G的一个子群．     

直觉模糊粗糙集的公理化

直觉模糊粗糙集的公理系统是直觉模糊粗糙集理论与应用的基础,文章定义了直觉模糊集的2种运算,基于这些运算和直觉模糊粗糙集公理化模型,给出直觉模糊粗糙集新的公理系统;该系统用一条简洁的公理描述了直觉模糊粗糙集,为直觉模糊粗糙集理论研究的深入和完善提供了有益的帮助。     

直觉模糊熵的改进研究

针对现有直觉模糊熵描述不确定性不够全面的缺点,指出直觉模糊集的不确定性应该体现在模糊性和直觉性两个方面上,其中模糊性由隶属度与非隶属度的差异程度决定,而直觉性由犹豫度决定。在此基础之上,建立了新的直觉模糊熵公理化定义,并给出一个熵度量。最后,实例分析表明新的直觉模糊熵度量比现有的熵度量更加合理和有效。     

广义区间值模糊粗糙集模型及其公理化特性

把粗糙集理论和区间值模糊集理论结合起来, 利用粗糙集理论的构造性方法, 提出了一种广义区间值模糊粗糙集理论模型。首先, 利用区间值模糊剩余蕴含算子和它的对偶算子, 定义了一种广义上下区间值模糊粗糙集近似算子。然后, 利用该蕴含算子的性质, 讨论了该模型上、下近似算子一系列有趣的性质。 在公理化方法中, 通过定义一对抽象的区间值模糊近似算子, 刻画了广义区间值模糊粗糙集模型的公理化特性。