基于直觉模糊决策粗糙集的三支决策

基于决策粗糙集的三支决策是解决风险决策问题的一种经典方法,利用贝叶斯决策理论生成决策规则。决策规则具有正域、边界域、负域三个区域特征,对应的决策分别为接受决策、延迟决策和拒绝决策。本文将决策粗糙集模型对象之间的等价关系转变为具有自反性和对称性的直觉模糊关系,通过直觉模糊事件概率度量,定义了贝叶斯决策理论中对象状态与对象描述之间的条件概率。将决策损失与直觉模糊数相结合计算对象分类的预期损失,进而由贝叶斯决策理论引导的最小风险决策规则推导出相应的正域、负域、边界域的决策规则。当决策损失满足一定大小关系时将决策规则进行化简,计算出简化决策规则中的阈值与决策损失之间的关系,并且由简化决策规则定义了直觉模糊决策粗糙集的上、下近似。最后将构造的直觉模糊决策粗糙集的三支决策模型应用到直觉模糊概率决策系统,在已知的决策损失下得到相应的决策规则。     

梯形直觉模糊数排序方法及在多属性决策中应用

基于梯形直觉模糊数的值和模糊度两个特征,一类梯形直觉模糊数的排序方法被研究.首先,给出了梯形直觉模糊数的定义、运算法则和截集.其次,定义了梯形直觉模糊数关于隶属度和非隶属度的值和模糊度,以及值的指标和模糊度的指标.最后,给出了梯形直觉模糊数的排序方法,并将其应用到属性值为梯形直觉模糊数的多属性决策问题中.     

梯形模糊数直觉模糊Bonferroni平均算子及其应用

本文研究决策信息为梯形模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出一种基于梯形模糊数直觉模糊加权Bonferroni平均(TFNIFWBM)算子的决策方法.首先,介绍了TFNIFN的概念和运算法则,基于这些运算法则和Bonferroni平均(Bonferroni mean,BM)算子,定义了梯形模糊数直觉模糊Bonferroni平均算子和TFNIFWBM算子.然后,研究了这些算子的一些性质,建立基于TFNIFWBM算子的多属性群决策模型,结合排序方法进行决策.最后,将该方法应用在MAGDM中,算例结果表明了该方法的有效性与可行性.     

广义梯形模糊数密度加权算子及其应用

针对多属性决策问题,本文面向广义梯形模糊数的决策信息,提出了广义梯形模糊数密度加权算子(TF-DWA算子)的信息集结方法。首先介绍了广义梯形模糊数密度加权算子及其合成算子,并分析了其性质特点。然后,基于信息分布的疏密程度讨论了广义梯形模糊数的分组问题,通过质心排序指标值进行聚类。在此基础上,基于熵值法求解密度加权向量。最后,通过一个应用算例对本文提出的算子进行简要说明。     

梯形直觉模糊数集成算子及在决策中的应用研究

在直觉模糊集理论基础上,用梯形模糊数表示直觉模糊数的隶属度和非隶属度,进而提出了梯形直觉模糊数;然后定义了梯形直觉模糊数的运算法则,给出了相应的证明,并基于这些法则,给出了梯形直觉模糊加权算数平均算子(TIFWAA)、梯形直觉模糊数的加权二次平均算子(TIFWQA)、梯形直觉模糊数的有序加权二次平均算子(TIFOWQA)、梯形直觉模糊数的混合加权二次平均算子(TIFHQA)并研究了这些算子的性质;建立了不确定语言变量与梯形直觉模糊数的转化关系,并证明了转化的合理性;定义了梯形直觉模糊数的得分函数和精确函数,给出了梯形直觉模糊数大小比较方法;最后提供了一种基于梯形直觉模糊信息的决策方法,并通过实例结果证明了该方法的有效性。     

一种基于梯形模糊数的模糊多属性格序决策方法

从格序结构理论出发,根据梯形模糊数构成的集合按照一定的比较规则构成一偏序,进而满足一定条件构成格.给出了在应用具有梯形模糊数的多属性格序决策过程中格中缺失元素的补充机理.研究了用格序决策理论对梯形模糊数进行排序的方法,并将其用于投资者对投资方案的选择.     

联系数在梯形模糊数多属性决策中的应用

属性权重和属性值都是梯形模糊数的多属性决策问题是一种带有不确定性的决策,需要作不确定性分析后才能得出结论.为此把梯形模糊数表示的属性值和属性权重先用其特征函数"均值+偏差"联系数(特征联系数)表示,再利用联系数运算法则作"加权求和"运算,不仅获得与其它决策方法相同的结果,而且借助联系数中i的不同取值考察决策对象的排序变化,方法简便易行,且具有较强适用性.     

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。     

基于区间直觉梯形模糊数的改进TOPSIS多属性决策方法

研究了属性权重完全未知的区间直觉梯形模糊数的多属性决策问题,结合TOPSIS方法定义了相对贴近度及总贴近度公式.首先由区间直觉梯形模糊数的Hamming距离给出了每个方案的属性与正负理想解的距离,基于此,给出了相对贴近度矩阵,根据所有决策方案的综合贴近度最小化建立多目标规划模型,从而确定属性的权重值,然后根据区间直觉梯形模糊数的加权算数平均算子求出各决策方案的总贴近度,根据总贴近度的大小对方案进行排序;最后,通过实例分析说明该方法的可行性和有效性.     

梯形模糊有序加权几何算子及其在决策中的应用

针对梯形模糊数据信息的集成问题,给出了梯形模糊数两两比较的可能度公式和梯形模糊有序加权几何(TFOWG)算子.基于可能度公式和TFOWG算子,提出了一种准则权重信息完全未知且准则值以梯形模糊数形式给出的不确定多准则决策方法.最后,实例分析表明了该方法的可行性和有效性.     

L-余拓扑Vs.广义粗集

引入L-余覆盖广义粗集的概念,证明研究该广义粗集的上、下近似与研究L-余拓扑的余子基生成的闭包和内部是等价的,并且以此为基础,讨论该广义粗集的性质.     

覆盖广义粗糙集的模糊性

在研究覆盖广义粗糙集的基础上,利用两个距离函数Hamming和Euclidean距离函数,结合模糊集的最近寻常集,引入了覆盖广义粗糙集模糊度的概念,给出了一种模糊度计算方法,并证明了该模糊度的一些重要性质。这些结果在覆盖广义粗糙集的理论研究和应用都发挥着一定作用。     

广义信息系统上的Rough集理论

给出了广义信息系统以及其上的广义关系,在统一的模型下研究了知识约简问题.通过属性集上的闭算子给出了简化约简的方法.     

广义覆盖粗集的约简

在保持一对覆盖上、下近似算子不变的条件下,探讨覆盖族的约简.利用所构造的辩识矩阵给出覆盖族的约简与核心的判别定理,并提出基于信息量的寻找最小约简的算法,从而进一步完善广义覆盖粗集的约简理论.     

广义模糊粗糙集的不确定性度量

研究广义模糊粗糙集的不确定性问题,利用一种新的信息熵定义模糊粗糙集的模糊性度量,并给出这种度量的性质,证明当且仅当A是经典可定义集合时其模糊粗糙集的模糊性度量FR(A)等于0。     

基于最小描述交的覆盖广义粗糙集

针对Bonikowski覆盖广义粗糙集模型的不足,给出了基于最小描述史的覆盖上下近似算子.通过和Pawlak经典粗糙集以及Bonikowski的覆盖广义粗糙集比较,发现给出的覆盖上、下近似算子具有了对偶关系,并得到了相关重要性质;进一步讨论了在新定义下覆盖广义粗糙集的约简和公理化问题,丰富了覆盖广义粗糙条理论,并为覆盖广义粗糙集的应用提供了更确切的理论根据.     

粗糙模糊集与模糊粗糙集的截集性质

研究粗糙模糊集、模糊粗糙集、广义粗糙模糊集和广义模糊粗糙集的截集性质,并且还研究了基于逻辑算子的广义模糊粗糙集的基本性质。     

模糊粗糙集及粗糙模糊集的模糊度

1965年,Zadeh提出了Fuzzy集理论,1982年,Z.Pawlak提出Rough集理论。将二者结合而形成的模糊粗糙集（FR集）及粗糙模糊集（RF集）近年来越来越受到国际学术界的关注。本文所研究的FR集及RF集的模糊度,是对FR集及RF集模糊程度的一种度量,进而引进了相应的明可夫斯基距离,明可夫斯基模糊度和Shannon模糊度。     

函数粗集生成的粗积分(英文)

The concepts of the lower approximation integral,the upper approximation integral and rough integrals are given on the basis of function rough sets.Based on these concepts,the relation of the lower approximation integrals,the relation of the upper approximation integrals,the relation of rough integrals,and the double median theorem of rough integrals are discussed.Rough integrals have finite contraction characteristic and finite extension characteristic.     

模糊粗糙集及粗糙模糊集的贴近度及其应用

本文研究了模糊粗糙集（FR集）及粗糙模糊集（RF集）的贴近度，是权衡两个FR集，两个RF集彼此糙近程度的一种标尺，进而研究了FR集，RF集的内积，外积，引进了FR集，RF集的格贴近度，并在此基础上提出一种新的属性约简的方法。