区间直觉模糊集的相似性测度及其应用

在度量两个集合时,用相似性测度来表示两集合的相似性程度.在度量区间直觉模糊集的相似性程度时,现有的很多方法都没有把犹豫度考虑在内.针对这个问题,根据区间直觉模糊集理论,在Szmidt的区间直觉模糊集的海明距离、规范化海明距离、欧几里得距离、规范化欧几里得距离的基础上.定义了基于Szmidt的区间直觉模糊集的加权海明距离和基于Szmidt的区间直觉模糊集的加权欧几里得距离,分别包含了隶属度,非隶属度和犹豫度,并给出了定理和证明.然后定义了两种区间直觉模糊集的相似性测度.最后将这两种相似性测度应用到模式识别领域.     

直觉模糊集之间的距离测度

介绍了直觉模糊集之间距离测度公理化的定义,引入了一些新的距离测度并给出了这些距离测度性质的证明.讨论了相似测度与距离测度之间的关系.最后,指出直觉模糊集距离测度在模式识别中的应用.     

区间值直观模糊集的相似测度和距离测度

对现有的模糊集和直观模糊集的相似测度和距离测度的公理化定义进行分析,并做出改进;然后提出区间值直观模糊集的相似测度和距离测度的公理化定义,并各引入它们的一种计算方法;最后给出区间值直观模糊集的相似测度和距离测度在模式识别中的一个应用实例.     

基于直觉犹豫模糊集的TOPSIS法

直觉犹豫模糊集集成了直觉模糊集和犹豫模糊集的优势,能更有效地刻画决策者偏好不一致的情况。距离测度一直是研究的热点问题,但尚没有文献研究直觉犹豫模糊集间的距离测度,因此本文定义了直觉犹豫模糊集间的Hamming距离、Euclidean距离和广义距离,同时考虑每个元素的权重,定义了加权距离。犹豫度是直觉犹豫模糊集的重要特性,因此在考虑犹豫度的基础上,又定义了一些距离测度。这些距离测度不仅考虑了直觉犹豫模糊数间的差异,同时考虑了犹豫度的影响,决策者可以根据对直觉犹豫模糊数和犹豫度之间偏好的不同,设置不同的偏好值得到距离测度。然后基于这些距离测度,又提出了直觉犹豫模糊环境下的TOPSIS法。最后通过实例说明了所提出的TOPSIS法的合理性与实用性。     

改进的区间值犹豫模糊集的距离及相似度北大核心

对于区间值犹豫模糊集在多属性决策、聚类分析、模式识别、人工智能等方面的应用来说,距离及相似度概念起着重要作用。本文通过具体实例说明,区间值犹豫模糊集之间的距离和相似度的原有定义存在不足之处,即原有定义只考虑了犹豫区间左右端点值的差异、而没有比较犹豫区间个数的多少。进而,在区间值犹豫模糊集中引入犹豫度的概念,给出区间值犹豫模糊集的距离及相似度的新定义,经过理论分析阐明了新定义的良好性质,并通过一个实际的多属性决策应用问题说明了改进定义的合理性和有效性。     

直觉模糊面集的相似度及其在模式识别中的应用

直觉模糊数以隶属度和非隶属度所构成的有序点来表示所要研究的信息。由于犹豫度的存在,本文从几何的观点出发,将其转化为一个可能面,提出了直觉模糊面集的概念。在此基础上,定义了两个不同直觉模糊面集的相似度,研究了它的性质。最后给出了直觉模糊面集的相似度在模式识别中的应用实例,并做了相应的对比分析,结果表明本文提出的方法具有可行性和有效性。     

直觉模糊集的距离测度

直觉模糊集的距离测度是两个直觉模糊集差异性大小的度量,许多学者围绕其公理化定义和具体表达公式做了大量的工作,并且被广泛应用在多属性决策、模式识别等许多方面。基于直觉模糊集距离测度的公理化定义,本文对一些学者提出的距离测度公式进行了探讨,并给出了几种一般化构造形式。     

基于距离测度的可信犹豫模糊集一致性检验方法

一致性检验是犹豫模糊集领域的一个热点问题,数据的一致性直接影响到犹豫模糊集评价的科学性和有效性.论文采用距离测度的方法研究犹豫模糊集的一致性问题,通过分析每个模糊元与其对应的属性综合决策值之间的差异,得出各属性的综合距离测度.同时,充分考虑专家意见在犹豫模糊集中的影响效应,以相对可信度为权重对犹豫模糊集的一致性进行分析.最后,利用数值案例验证了所提方法的有效性和可靠性.     

基于可能度的一种直觉模糊集相似度测量方法

研究直觉模糊集的相似度测量方法. 首先给出两个直觉模糊数比较的可能度公式及其性质. 在此基础上, 定义两个直觉模糊集间的相似度测量公式, 分析用此公式进行相似度测量的优缺点, 旨为直觉模糊集在决策、模式识别和医疗诊断中的应用提供更为合理的工具.     

直观模糊集的熵、距离测度、相似测度及它们的关系

熵、距离测度和相似测度是模糊集理论中的三个重要概念.首先系统地给出了直观模糊集的熵、距离测度和相似测度的公理化定义,并讨论了它们之间的一些基本关系.然后在距离测度公理化定义的基础上产生了一些新的直观模糊集的熵公式.     

犹豫模糊集在决策理论上的研究综述

文章介绍了犹豫模糊集的含义及起源,分别对犹豫模糊集的测度理论、属性权重分配理论、信息融合理论以及决策方法进行了概述,展望了犹豫模糊集决策理论未来的研究方向.     

基于区间值直觉模糊集的TOPSIS多属性决策

基于区间值直觉模糊集,提出了一种新的TOPSIS模糊多属性决策方法。首先介绍区间直觉模糊集的概念,定义了两个区间值直觉模糊集之间的距离;然后根据TOPSIS方法的原理,定义了两个区间值直觉模糊集的接近系数,通过计算备选方案到区间值直觉模糊正理想解和负理想解的距离来确定接近系数,从而判断备选方案的优劣次序。最后,通过一个具体实例来说明这种方法的有效性和具体计算过程。     

关于区间值直觉模糊集运算性质的注记

针对Atanassov[3]给出的区间值直觉模糊集运算,指出并修正一些区间值模糊集运算的错误性质,有利于以区间值直觉模糊集的进一步研究。     

区间灰数直觉模糊集及其G-TOPSIS模糊多属性决策方法

提出以区间灰数为隶属度、非隶属度和犹豫度的区间灰数直觉模糊集概念,定义了两个区间灰数直觉模糊集之间的距离.对于以灰直觉模糊数为属性值的模糊多属性决策,依据经典TOPSIS准则,提出了基于区间灰数直觉模糊集的模糊多属性决策方法G-TOPSIS.其包含两种方法:一是将区间灰数白化后,按直觉模糊集的TOPSIS方法进行;一是基于区间灰数直觉模糊距离的TOPSIS方法.示例分析表明了两种方法的有效性与一致性.     

基于区间直觉模糊集的双边匹配决策模型及应用

许多经济管理活动中都涉及到双边匹配决策问题。由于双方主体决策过程中的复杂性,很多情况下的双方主体决策信息是模糊的。基于此,本文给出在区间直觉模糊环境下利用得分函数建立双边匹配模型的决策方法。在该方法中,首先将区间直觉模糊集矩阵转化为得分函数矩阵;然后以双边主体满意度最大为目标,构建了基于得分函数矩阵和匹配矩阵的双边匹配模型;通过求解该模型得到最优的匹配决策方案。最后,通过一个实例说明所提方法的可行性和有效性。     

直觉模糊集的σ-相似度和σ-包含度及其相互诱导关系

相似度与包含度是度量模糊集的两个重要指标。介绍在有限论域上直觉模糊集的相似度与包含度的定义,重点研究σ-相似度和σ-包含度的性质,分别给出σ-相似度和σ-包含度的一些等价条件,进而给出σ-相似度与σ-包含度之间的相互诱导关系。     

区间直觉模糊集多属性决策方法

定义了区间直觉模糊集的加权算子和加权几何集成算子,介绍了现有的区间直觉模糊集的得分函数和精确函数.定义了一个新的精确函数,此函数弥补了已有函数的不足和缺陷,应用新定义的精确函数,提出了对区间直觉模糊集多属性决策问题进行决策的方法.最后以应用实例对该方法进行说明和验证.     

粗糙直觉模糊集的近似表示

在粗糙直觉模糊集的基础上,从新的角度提出了不确定目标概念的近似表示和处理的方法(通过近似模糊集和近似精确集刻画).首先将已有的直觉模糊集相似概念和均值直觉模糊集概念引入到该模型,定义了Pawlak近似空间U/R下的阶梯直觉模糊集、0.5-精确集的概念,然后得到了均值直觉模糊集(0.5-精确集)是所有直觉模糊集中与目标直觉模糊集最接近的直觉模糊集(近似精确集),接着分析了均值直觉模糊集、0.5-精确集分别与目标直觉模糊集的相似度随着知识粒度变化的变化规律.     

基于Hausdroff距离和L_p度量的直觉模糊集合贴近度的注记

针对Hung和Yang[3-4]给出的直觉模糊集合贴近度,本文指出并修正了一些直觉模糊集合贴近度的错误性质,并给出另外两个计算公式,这将有利于对直觉模糊集合的进一步研究.