基于区间二型模糊熵的多属性决策方法

针对属性权重信息完全未知的区间二型模糊多属性决策问题,提出了一种基于区间二型模糊熵的多属性决策方法。为了量化区间二型模糊集的不确定信息,通过引入模糊因子、犹豫因子和区间因子建立了区间二型模糊熵的公理化准则,并分别基于欧氏距离、海明距离和广义距离给出了三种熵计算公式。同时,根据决策问题中总体不确定性最小化的原则,结合熵公式构建数学规划模型来确定属性权重,利用得分函数给出了具体的决策步骤,并通过实例分析验证了该决策方法的有效性和灵活性。

区间二型模糊熵及其在图像分割中的应用

针对计算区间二型模糊熵存在的不足,构造一种新的区间二型模糊熵。新的区间二型模糊熵同时考虑了隶属度的均值和本身的模糊性对熵值的影响,而且满足四条公理,较为全面客观地测度了区间二型模糊集的不确性,并被应用于图像分割。数值实例和仿真实验表明了所提出区间二型模糊熵的合理性和实用性。

一种新的二型模糊熵在多属性决策中的应用

为了度量二型模糊集的不确定性信息并解决以二型模糊集为信息环境的多属性决策问题,该文首先基于二型模糊熵的公理化准则,利用余弦函数定义一个新的二型模糊熵公式。该公式不仅将二型模糊集的犹豫性和模糊性皆考虑在内,而且利用余弦函数的单调性与对称性容易比较两个二型模糊集之间熵的大小。其次在决策过程中考虑决策者的风险态度引入风险偏好函数,同时考虑主隶属度与次隶属度的交叉影响给出新的得分矩阵,并结合熵构建基于属性权重完全未知的非线性优化模型来观察风险偏好对属性权重的影响。最后通过一个实例分析证明了该决策模型的可行性与稳定性。

二型模糊熵研究现状

二型模糊熵用于衡量二型模糊集合的模糊程度与信息量,综述其研究现状。简单回顾了二型模糊集合的基本定义,论述了二型模糊熵的发展现状,重点研究了几种典型区间二型模糊熵的公理化定义及其计算公式,最后指出了未来的发展方向。

基于熵和风险态度的二型模糊多属性决策方法

针对属性权重信息完全未知的二型模糊多属性决策问题,提出了一种基于二型模糊熵和决策者风险态度的决策方法。首先,为了准确测度二型模糊集(T2FS)的不确定性,通过引入模糊因子和犹豫因子建立了二型模糊熵的公理化准则,并基于距离测度给出了对应的计算公式。其次,为了减少整体不确定信息对决策结果的影响,结合二型模糊熵构建非线性规划模型来确定属性权重。同时,将决策者的风险态度引入二型模糊信息的得分函数中并给出具体的决策步骤。最后,通过实例分析验证了该决策方法的可行性,并与现有文献对比发现该决策方法更具有灵活性。

高分辨率全色遥感图像多级阈值分割

针对模糊熵多级阈值分割方法存在模糊特性不足、计算量大、自动性差等问题,提出一种基于区间二型模糊熵的高分辨率全色遥感图像多级阈值分割方法。首先,利用岭型模糊隶属度函数构造区间二型模糊集,由构造的模糊集和阈值个数,在多级图像分割场景中定义区间二型模糊熵。然后,利用量子比特将其模糊参数集编码为量子染色体,设置若干量子染色体构成初始种群,并以定义的区间二型模糊熵作为适应度评价函数,对种群中的个体进行适应度评价,保留和记录最优个体。在提出的进化策略中,利用量子旋转门的动态旋转角机制使种群以更好的适应性和效率自动确定模糊参数的最优组合,据此,以最大模糊性原则得到多级阈值,实现图像最优多级阈值分割。在实验中选取基于最大熵和模糊熵的多级阈值分割方法作为对比算法,对具有不同地物的高分辨率全色遥感图像进行了分割实验。实验平均评价结果表明本文方法能在减少计算时间的同时获得更好的分割结果,面积加权方差降低了39.7%,Jeffries-Matusita距离降低了14.7%,运行时间为6.403 s。可满足高分辨全色遥感图像分割结果对空间连续且光谱均匀的要求且具有高实时性。