一种基于模糊聚类的区间值属性约简算法

针对区间值信息系统基于粗糙集理论提出一种新的属性约简算法:首先计算同一属性下对象间的相似度,然后通过合取算子计算出所有属性下对象之间的相似度矩阵,再用模糊聚类中的传递闭包算子得到等价矩阵,将区间值信息系统转化为具有等价关系的信息系统并且进行约简,从而得到λ-核,同时给出了该算法的复杂度.最后通过一个实例表明这种算法的有效性和合理性.     

直觉模糊决策信息系统属性约简

由属性值贴近度和阈值λ可构建λ-容差关系,利用此λ-容差关系可定义直觉模糊决策信息系统属性约简的λ-可辨识矩阵,进一步可定义λ-辨识公式,最后通过λ-辨识公式的极小析取范式可以唯一确定直觉模糊决策信息系统所有的相对约简,从而可成功地解决求解直觉模糊决策信解息系统属性约简问题.     

基于模糊数直觉模糊集的多属性决策方法

对属性权重信息完全未知且属性值为模糊数直觉模糊数的多属性决策问题进行了研究,定义了模糊数直觉模糊数的得分函数,进而提出了一种基于线性规划模型的模糊数直觉模糊多属性决策方法.最后通过实例对该决策途径的详细过程及有效性进行了说明.     

模糊数直觉模糊集

定义一种新的模糊数直觉模糊集,同时给出了它的一些运算,并讨论了它与直觉模糊集、区间值直觉模糊集的关系。     

不完备直觉模糊信息系统的属性约简

利用优势关系,可对完备直觉模糊信息系统与决策信息表进行属性约简.将优势关系改进为广义优势关系,在此基础上构建了不完备直觉模糊信息系统与决策信息表的辨识矩阵,得到了求解属性约简与相对约简的具体方法.     

模糊多属性决策的直觉模糊集方法

基于直觉模糊集理论,提出了一种新的TOPSIS方法来研究模糊多属性决策问题。首先,根据直觉模糊集的几何意义,定义了两个直觉模糊集之间的距离,且每个备选方案的评价值用直觉模糊值表示;然后,根据TOPSIS原理,通过计算备选方案到直觉模糊正理想解和负理想解的距离,来确定备选方案的综合评价指数,以此判断方案的优劣次序。最后,通过一个具体实例说明该方法的有效性和具体应用过程。     

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.     

集值信息系统及其属性约简

阐明集值信息系统具有知识表达的实际意义;引入关于相容关系的最大相容分类方法对论域中的对象分类,以保证每个相容类中的对象具有共同的属性特征;讨论集值信息系统的属性约简问题,利用区分函数,给出核及约简的求法.     

不一致不完备直觉模糊信息系统的属性约简

利用广义优势关系,可完成不完备直觉模糊信息系统属性约简工作.若不完备直觉模糊信息系统属性约简不一致时,则可进一步利用广义优势关系定义此类信息系统的分布函数和最大分布函数,然后介绍分布约简和最大分布约简的概念,最后给出求分布约简和最大分布约简的有效方法.由此可成功解决不一致不完备直觉模糊信息系统属性约简问题.     

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.     

直觉模糊集的单调贴近度及其与熵、包含度的关系

为了比较直觉模糊集贴近度之间的大小,定义并研究直觉模糊集的单调贴近度,探讨其性质,分析其与熵及包含度的关系,进而给出利用熵及包含度构造单调贴近度以及利用单调贴近度构造熵及包含度的方法.     

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。     

基于直觉模糊集的多属性决策方法

对基于直觉模糊信息的多属性决策问题进行了研究,引入了直觉模糊数的得分函数、直觉模糊正理想点和负理想点,然后给出了基于TOPSIS的多属性决策方法,通过计算各备选方案的得分向量与直觉模糊负理想点得分向量之间的距离来确定各备选方案的综合评价指数,进而判断方案的优劣次序.最后,通过一个具体的实例分析说明了该方法的有效性与具体应用过程.     

不一致直觉模糊决策信息系统的约简

近年来出现了许多用粗糙集理论处理各种信息系统的方法,但是对直觉模糊信息系统还没有做出相关的讨论.本文首先在不一致直觉模糊决策信息系统中定义了优势关系,然后引入基于此优势关系的分布约简、最大分布约简的概念,并通过可辨识矩阵及辨识函数得到求解这两种约简的具体方法.     

模糊数直觉模糊集运算的模糊结构元表示

在文[4]提出的模糊数直觉模糊集定义的基础上,将文[2]和[7]定义的区间值直觉模糊集运算推广到模糊数直觉模糊集中.利用模糊数的结构元表示方法,得到了模糊数直觉模糊集运算的简便的结构元表示形式,同时给出这些运算的相关性质及证明.     

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.     

区间值信息系统基于极大相容类的属性约简

区间值信息系统是单值信息系统的一种广义模型,通过引入变精度相容关系以及极大变精度相容类,提出区间值信息系统的属性约简与对象的相对属性约简.进一步,基于区分矩阵,定义一种区分函数与相对区分函数,得到计算区间值信息系统上属性约简与相对约简的具体操作方法.     

直觉模糊集的广义模糊熵

利用模糊补定义了直觉模糊集的广义补集,并讨论了直觉模糊集广义补集的一些性质。在此基础上,给出了直觉模糊集广义模糊熵的公理化定义及几个直觉模糊集广义模糊熵的具体计算公式。此外,本文还研究了直觉模糊集的广义模糊熵与相似性测度之间的关系。     

基于直觉模糊集的多准则模糊决策问题

提出了一种基于直觉模糊集处理模糊决策问题的新方法.该方法用直觉模糊集描述方案关于准则集的满足程度与不满足程度.而且该方法允许决策者给出准则对于模糊集“重要”的隶属度与非隶属度,即准则的权重也由直觉模糊集表示.这种方法为决策者做出最优决策提供了一种方便有效的方法.     

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.