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。     

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.     

半群的(∈,∈ ∨q(λ,μ))-模糊k-理想(英文)

本文研究了半群中的广义模糊k-理想和(∈,∈∨q(λ,μ))-模糊k-理想.利用模糊集的截集及模糊集的性质,获得了(∈,∈∨q(λ,μ))-模糊k-理想的等价刻画,广义模糊特征化及广义模糊k-理想直积的基本性质.最后还给出了半群S是左k-诺特的充要条件是对于S的任意广义模糊左k-理想A,Im(A)是[λ,μ]上的良序子集.这些结果有重要的理论价值.     

彩色图象边缘检测的新算法——广义模糊算子法

给出了广义模糊集合的定义,并提出用一个广义模糊算子将广义模糊集合变换成普通模糊集合,从而为二维图象边缘检测的最新算法——广义模糊算子法奠定了充分的理论依据.实践表明,这是一个简单、快速且定位精度很高的算法;此外,文中还就彩色图象的边缘检测问题,提出了具体的实施步骤.     

一种广义模糊补运算和相应的广义模糊熵

介绍广义模糊补的公理化定义，给出一种构造广义模糊补的方法，运用此方法构造出一种性质良好的广义模糊补；在此基础上提出一种广义模糊熵，这种广义模糊熵的最大值点可以在（0，1）开区间内自由移动。给出一类广义模糊熵的计算公式,便于实际应用。     

基于区间数度量的区间值模糊集合的归一化距离、相似度、模糊度和包含度的关系研究

区间值模糊集合的距离、相似度、模糊度和包含度及其关系研究是区间值模糊集合的一个研究热点.考虑到区间值模糊集合所表示信息的丰富性,本文使用区间数而非实数来刻画区间值模糊集合的距离,首先给出基于区间数度量的区间值模糊集合的归一化距离的公理化定义,然后通过五个定理详细研究了基于公理化定义的区间值模糊集合的归一化距离、相似度、模糊度和包含度之间的相互转换关系,最后,给出了若干公式来计算基于区间数度量的区间值模糊集合的相似度、模糊度和包含度.这些结论,一方面丰富了区间值模糊集合的信息测度(距离、相似度、模糊度和包含度)的内容,另一方面也为区间值模糊集合的近似推理、决策分析、模式识别等领域的应用提供了新方法和新理论.     

广义犹豫模糊软集的不确定性度量及其应用

本文在广义模糊软集和犹豫模糊软集的基础上给出广义犹豫模糊软集的概念,并研究广义犹豫模糊软集的不确定性度量。首先在犹豫模糊集包含度的公理化定义基础上,建立犹豫模糊集合的三种包含度公式;然后给出广义犹豫模糊软集包含度的公理化定义,并利用犹豫模糊集合的包含度公式构造广义犹豫模糊软集间的包含度公式,这些公式可以计算参数集不同时两个广义犹豫模糊软集间的包含度。接下来给出广义犹豫模糊软集不确定性度量的公理化定义,并从其包含度出发来构造广义犹豫模糊软集的不确定性度量公式,这种不确定性度量的计算方法同样适用于参数集不同的广义犹豫模糊软集,最后利用广义犹豫模糊软集不确定性度量方法应用到聚类分析实例中,通过实例验证了所提出方法的可行性和有效性。     

基于直觉模糊化的广义模糊时间序列预测模型

本文在传统广义模糊时间序列预测模型数据模糊化的基础上,引入直觉模糊集理论对其进行扩展。首先,在隶属度和非隶属度函数中增加犹豫度因子对样本数据进行直觉模糊化,更加细腻的反映数据不确定性本质。然后,用记分函数描述样本数据对模糊集的隶属情况,简化模型的复杂度。随后以传统广义模型为框架,构建基于直觉模糊化的广义模糊时间序列预测模型。最后利用典型的Alabama大学入学人数为实验数据,对比分析本文建立模型与传统广义模型的预测结果,验证直觉模糊化的广义模糊时间序列模型的可行性和优越性。     

广义α-犹豫模糊子群

将犹豫模糊集应用于群,提出广义α-犹豫模糊子群概念,给出其基本性质;讨论了广义α-犹豫模糊子群的结构,得到了一些等价刻画;最后研究了群同态下广义α-犹豫模糊子群像与原像的关系.