B—模糊集合代数和广义互信息公式

基于两种概率的区分，推导出了一个广义Shannon熵公式和一个广义互信息公式。后者和模糊性有关，并且柯用于语言和感觉中的信息度量。为了由原子语句为真的条件概率求出合语句为真的条件概率，提出了一个遵循存尔运算的模糊集合代数。所谓的模糊信息被还原为概率信息。新的理论在经典理论－概率论，集合论及Shannon信息论－的基础上容易理解。     

直觉模糊事件概率测度熵

针对模糊熵对不确定系统描述的缺陷,引入直觉模糊事件及其概率测度的概念,并给出了直觉模糊子集概率测度熵的定义,运用直觉模糊事件及其概率测度的基本性质,推导出了直觉模糊概率测度熵的一些基本定理,为不确定信息的描述和处理提供新的思路.     

一种基于交互熵的模糊信息测度

通过借用Shannon信息理论中的相关概念,对已有文献中基于模糊熵测度的模糊对称交互熵(FSCE)进行了改进,提出了对称改进模糊交互熵(SIFCE)这一距离测度.接下来证明了它是度量空间中的度量,满足非负性、对称性、三角不等式三个条件,并且满足有界性,还讨论了它与模糊熵之间的关系.最后提出基于该测度的模糊贴近度σ_(SIF),利用数值例子说明了在模糊模式识别中,σ_(SIF)与常见的模糊贴近度可以得到一致的识别结果,从而为模糊模式识别提供了新的研究方法.     

一种基于模糊信息的距离测度及应用

通过借用Shannon信息理论中的相关概念,提出了基于模糊信息测度的模糊对称交互熵(FSCE)这一距离测度。接下来证明了它是度量空间中的度量,满足非负性、对称性、三角不等式三个条件。最后利用数值例子说明了在模糊模式识别中,FSCE与常见的模糊贴近度可以得到一致的识别结果,并有其优势和实际意义,为模糊模式识别提供了新的研究方法。     

信息熵公理及其在决策分析中的应用

针对信息量是消息发生前的不确定性给出一个直观测量信息量公式.为了克服Shannon熵的局限性和分析信息度量本质,借鉴距离空间理论中度量公理定义的思路,通过非负性、对称性、次可加和极大性给出信息熵的公理化新定义.将Shannon熵、直观信息熵和β-熵等不同形式的信息度量统一在同一公理化结构下.应用直观信息熵公式仅采用四则运算进行决策树分析,避免了利用Shannon熵公式的对数运算.     

模糊信息差异及唯一性定理证明

定义了模糊相对熵,基于模糊熵和距离定义了模糊信息差异、拟模糊信息差异,并讨论了模糊信息差异唯一性定理以及模糊信息差异的性质.     

区间值犹豫模糊信息系统中的信息粒和粗糙熵

信息粒和粗糙熵作为研究信息系统不确定性问题的两种主要方法,已被广泛应用于许多领域。本文基于区间值犹豫模糊二元关系,给出了区间值犹豫模糊粒度结构概念和区间值犹豫模糊粒的基数概念,讨论了区间值犹豫模糊粒度结构上的三种偏序关系。在区间值犹豫模糊粒度结构基础上给出了区间值犹豫模糊信息粒度和粗糙熵的概念,讨论了区间值犹豫模糊信息粒度和粗糙熵的偏序关系,分析了区间值犹豫模糊信息粒度和粗糙熵与已有信息粒度和粗糙熵之间的关系,并通过实例验证了有关定义和定理的正确性。     

基于模糊熵-熵权法的混合多属性决策方法

针对决策信息以区间数、直觉模糊数和语言变量给出的混合多属性决策问题,提出了基于模糊熵-熵权法的混合多属性决策方法。通过规范化的方法把区间数转化为直觉模糊数,建立了直觉模糊数与语言变量的对应关系,把混合多属性决策信息统一在同一决策框架下;然后利用熵权法确定属性的客观权重区间,通过求解属性信息模糊熵最小的线性规划模型得到属性客观权重;再与主观赋权方法相结合确定属性的组合权重;最后应用相对熵排序法得到方案的最终排序结果。算例分析表明方法的可行性和实用性。     

基于直觉模糊熵权和CC-OWA算子的雷达目标识别模型

为更完整的描述和表达雷达目标类型识别中的目标特征和目标类型之间的关系复杂性和知识缺乏性,通过直觉模糊关系描述,进而将目标识别特征信息转化为直觉模糊集信息.分析了基于直觉模糊集理论的雷达目标类型识别知识建模,揭示了直觉模糊信息的价值可以通过直觉模糊熵刻画,进而提出应用直觉模糊集的熵构造特征直觉模糊信息的权重(直觉模糊熵权),充分利用了目标类型识别知识中隐含的权重信息,并结合CC-OWA算子建立雷达目标类型识别模型与识别步骤,利用一个雷达目标识别实例说明了模型的有效性.     

基于改进犹豫模糊熵的群体MULTMOORA决策方法

针对既有犹豫模糊元记分函数的存在的不足,引入记分系数,提出考虑决策者风险态度的犹豫模糊记分函数,并验证其相关性质.同时,对于现有犹豫模糊熵定义具有的缺陷,提出基于模糊熵的犹豫模糊熵的新定义,并给出相应的犹豫模糊熵公式.在以犹豫模糊元为输入信息的复杂统框架内,提出基于改进犹豫模糊熵的MULTIMOORA群体决策方法,并将其应用于物流供应商选择中.案例分析表明了此方法的可行性及有效性.     

模糊熵与距离测度的相互诱导及其应用

模糊信息论就是利用模糊数学这一工具来研究带有模糊不确定性的信息的．模糊熵和距离测度是模糊信息论中两个重要的度量方法．本文主要讨论模糊熵和距离测度之间的相互关系,由此得到几个由模糊熵诱导的距离测度公式和几个由距离测度诱导出的模糊熵公式,说明了模糊熵和距离测度是可以相互诱导的．最后,举例说明距离测度公式在模式识别中的应用．     

信息量的公理化定义

信息论的基本概念是熵与信息量的概念,这些概念都是在Shannon的奠基性工作中引进的。就在这一工作中,Shannon就给出了一个熵的公理化定义。此后在和的工作中又简化了熵的公理化定义。指出对于信息量也给出这样一个公理化定义是有意思     

关于Shannon熵的统计计算及其在分布检验中的应用

本文利用顺序统计量给出了一个关于经验分布的定义,由这个定义可以给出关于连续型分布的Shannon熵的估计量,我们证明了它们的一系列收敛性,利用Shannon熵的统计量及最大熵原理,我们给出了一个关于正态分布,指数分布,均匀分布的新检验法,这个检验法称为《分布的熵-矩检验法》。     

区间直觉模糊集的模糊熵群决策方法

针对专家权重未知、专家判断信息以区间直觉模糊集给出的多属性群决策问题,提出了一种新的模糊熵决策方法。通过定义区间直觉模糊集的模糊熵判断专家信息的模糊程度,进而确定每位专家的权重;然后计算备选方案距理想方案和负理想方案的模糊交叉熵距离,得到每个专家对方案的排序;再分别利用加权算术算子和加权几何算子集结专家的排序结果,得到专家群体对方案的排序。实例分析验证了方法的有效性。     

基于Vague集信息的多属性群决策专家水平评判方法

针对基于Vague集信息的多属性群决策专家水平评判问题提出了两种评判方法.首先引进了基于Vague集信息的多属性群决策信息体(即决策信息体)的相关概念,通过决策信息体构造了基于Vague集信息的一致性决策矩阵及模糊熵,其次利用Vague集信息的相似度量以及Vague集信息的模糊熵两种信息不确定性度量方法,对基于Vague集信息的多属性群决策专家水平评判问题提出了两种评判方法,即统计分析方法和模糊熵分析方法,对专家的评判水平进行排序.最后,通过一个算例说明两种方法的一致性、有效性和实用性.     

基于犹豫模糊相似的网络正能量推荐算法研究

论文依据网络正能量模糊性和多规则的特点,借助语言犹豫模糊集和普通犹豫模糊集建立正能量事件的评价集,针对事件属性对正能量的影响效应确定各属性的模糊熵和权重,建立犹豫模糊推荐模型。借助TOPSIS的思想,从大数据中得到正能量事件的标准值,通过事件与标准值模糊相似度的计算确定推荐阈值以得到满意的正能量事件推荐结果。     

基于改进熵权法的区间直觉模糊TOPSIS方法

本文对区间直觉模糊信息的TOPSIS多属性决策方法进行了研究。在属性权重信息完全未知的情况下,通过研究熵权法以及区间直觉模糊集本身的一些性质特点,将熵权法拓展到区间直觉模糊环境中来确定属性权重,进而提供了一种可直接利用评估信息的新的TOPSIS决策方法。该方法不仅拓展了传统熵权法的应用范围,而且不需要决策者事先给出权重信息,结果更加客观和可靠。应用实例表明该方法的可行性和有效性,具有推广应用价值。     

基于熵和关联系数的概率对偶犹豫模糊多属性决策方法

针对概率对偶犹豫模糊环境下属性权重完全未知的多属性决策问题,提出基于熵和关联系数的多属性决策方法。首先定义了概率对偶犹豫模糊熵的公理化定义和公式,然后基于概率对偶犹豫模糊集的特征信息集合和熵测度定义了概率对偶犹豫模糊集的关联系数,最后根据概率对偶犹豫模糊集的熵和关联系数构建多属性决策模型,并通过算例验证了该模型的有效性和合理性。     

区别度诱导的广义模糊熵

广义模糊熵是模糊熵在广义模糊补意义下的推广,本文从区别度的角度给出几个生成广义模糊熵的途径;通过一个具体的区别度公式得到了相应的一些广义模糊熵表达式,为实际使用广义模糊熵做了一些理论上的铺垫.     

广义模糊熵及其诱导的区别度

广义模糊熵是模糊熵在广义模糊补意义下的推广,本文给出广义模糊熵的公理化定义 ,基于σ-广义模糊熵,讨论了广义模糊熵和区别度的相互诱导关系.