区间直觉模糊事件概率及其泛化形式的研究

针对随机现象中存在的模糊性,给出了区间直觉模糊集(interval-valued intuitionistic fuzzy sets,IVIFS)的解决方案。首先,定义了样本空间中区间直觉模糊事件(interval-valued intuitionistic fuzzy events,IVIFE)的概念,给出了区间直觉模糊事件概率的描述化定义。其次,定义了区间直觉模糊三角模及三角余模的概念,给出了区间直觉模糊事件概率的公理化定义。再次,给出了区间直觉模糊概率的泛化形式,即可分形式和不可分形式,并详细证明了不可分形式。最后,通过实例验证了不可分形式。

直觉模糊统计判决与决策

针对统计判决与决策中存在的模糊性,给出了模糊性直觉模糊集的解决方案.首先提出直觉模糊事件概率的概念,在定义直觉模糊t模及s模的基础上给出直觉模糊事件概率所满足的基本性质,并证明了直觉模糊乘法定理、全概率公式和贝叶斯公式;然后根据所给出的直觉模糊概率所满足的性质,并依据信息源类型的不同,详细分析了直觉模糊统计判决与决策的方法;最后通过一个投资问题验证了该方法的有效性.

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.

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。