广义区间值模糊粗糙近似算子的构造研究

构造了一组新的广义模糊粗糙近似算子,将其拓展到区间上。在由任意的二元区间值模糊关系构成的广义近似空间中,证明了该组近似算子与区间化的广义Dubois模糊粗糙近似算子是等价的,最后在一般二元区间值模糊关系下对该组近似算子的性质进行了讨论。

双论域区间值直觉模糊vague粗糙集及其应用

区间值直觉模糊集可诱导出vague集和粗糙集,而后两者的结合具有不确定性深入分析的优势.立足双论域区间值直觉模糊粗糙集,引入vague集进行融合扩张,研究双论域区间值直觉模糊vague粗糙集.首先,定义区间值直觉模糊vague相容类,构建双论域区间值直觉模糊vague粗糙集模型,提出关于双逼近近似和三支决策区域的计算算法,并确立该模型的精确度、粗糙度、依赖度.然后,研究该模型的近似算子与不确定性度量的性质.最后,采用医疗例子进行模型计算、度量测量、性质验证,并得到关于患者临床诊断的患病分析与治疗决策.

区间值直觉模糊β覆盖粗糙集模型

在新的β覆盖邻域系统上提出四种区间值直觉模糊β覆盖粗糙集模型,用于有效处理区间值直觉模糊信息的多属性决策问题.首先,从论域的区间值直觉模糊β覆盖出发,引入两类新的邻域系统并构造了四种不同类型的区间值直觉模糊β覆盖粗糙集,扩展了现有模型的适用范围.其次,深入研究了每种模型的数学性质,构建了所提出的四种模型之间的关联关系,为模糊β覆盖粗糙集领域的研究提供了理论基础.最后,为解决区间值直觉模糊信息的多属性决策问题,设计了决策算法并进行应用实例分析,并通过与其他决策方法的对比分析,表明了区间值直觉模糊β覆盖粗糙集在多属性决策问题中具有可行性和有效性.研究成果对于复杂模糊信息决策具有一定的参考和指导意义,并为解决多属性决策问题提供了新的思路和方法.

区间值对偶犹豫模糊β覆盖粗糙集模型

为有效处理区间值对偶犹豫模糊信息决策问题,结合区间值对偶犹豫模糊集和β覆盖粗糙集提出四种区间值对偶犹豫模糊β覆盖粗糙集模型对该问题进行研究。首先,从区间值对偶犹豫模糊β覆盖诱导出两种邻域系统,定义了四种不同的区间值对偶犹豫模糊β覆盖粗糙集;其次,研究了每种区间值对偶犹豫模糊β覆盖粗糙集的相关数学性质,建立了四种区间值对偶犹豫模糊β覆盖粗糙集之间及其与其它相关模型之间的关系;最后,基于该模型设计了多属性决策算法,通过实例应用有效验证了区间值对偶犹豫模糊β覆盖粗糙集在解决实际问题中的适用性。

区间值模糊集上的粗糙近似

提出了区间值模糊粗糙集的上下近似,并且利用区间值模糊集的截集定义了区间值模糊粗糙度量.在此基础上讨论区间值模糊粗糙集和区间值模糊粗糙度量的性质.

基于模糊集值映射的粗糙近似算子

给出基于模糊集值映射F的模糊集的下(上)近似等概念,研究F-下(上)近似算子aprF(aprF)的性质,探讨求它们的方法,得到若干结果.

区间值模糊集上的上(下)近似

定义区间值模糊粗糙集的上下近似,并且利用区间值模糊集的截集定义了区间值模糊粗糙度量。并且讨论了它们的性质。

区间值犹豫模糊WOWA算子及其在决策中的应用

为了对以区间值犹豫模糊集形式表达的决策信息进行有效融合,基于区间值犹豫模糊集和WOWA(Weighted Ordered Weighted Average)算子的特性,定义了一种区间值犹豫模糊WOWA算子,该算子不仅考虑数据自身的重要性,而且考虑数据排序后所在位置的重要性,因此,能够考虑更多的决策信息.然后,讨论了区间值犹豫模糊WOWA算子的性质,并给出了一种基于区间值犹豫模糊WOWA算子的群决策方法.最后,用实例验证了该算子和决策方法的有效性和正确性.

区间值模糊集的粗糙度

给出了粗糙区间值模糊集的概念,并研究了一些基本性质.通过引进区间值模糊集水平上、下区域的概念,解决了粗糙集理论中普遍存在的两个集合的交的上近似不等于两个集合的上近似的交(两个集合的并的下近似不等于两个集合的下近似的并)的问题.定义了区间值模糊集的粗糙度,由于区间值模糊集水平上、下区域概念的引进,得到了比普通模糊集的粗糙度更好的结果.

基于OWA算子的区间值加权模糊推理

针对如何对区间值模糊产生式规则赋予合理权值的问题,将OWA算子引入到区间值模糊推理中。介绍一种基于OWA算子的区间值赋权方法,根据此方法给出区间值模糊集上的加权模糊产生式规则的推理算法。在采用该算法的过程中,为合理地计算输入事实与规则前件的匹配程度,引入基于OWA算子的区间值模糊匹配函数值和总体贴近度的计算方法。实例分析表明了所给出的区间值模糊推理算法的有效性和可行性。

模糊粗糙近似算子的拓扑性质

考虑论域上一二元关系所决定的模糊粗糙近似算子的拓扑性质,证明了任一自反二元关系可以决定一模糊拓扑。并且,当二元关系自反对称时,该模糊拓扑中的元是开集当且仅当它是闭集;当二元关系自反传递时,该模糊拓扑的闭包与内部算子恰为模糊粗糙上、下近似算子。

基于覆盖的区间值粗糙模糊集模型

将粗糙集与区间值模糊集相结合便可得到区间值粗糙模糊集.通过将经典粗糙集模型中论域上的等价关系用论域的覆盖来替换,建立了基于覆盖关系的区间值粗糙模糊集模型,并给出了该模型下的一些基本性质.

区间值模糊数与区间值粗糙模糊数

把经典Z.Pawlak粗糙集与区间值模糊集相结合,研究区间值模糊数的基本理论。讨论区间值模糊数的基本性质和四则运算法则及其与其它各种区间数的关系,并给出区间值模糊数的刻画定理。同时,在经典Z.Pawlak粗糙集的框架下定义实直线上的粗闭区间套,提出区间值粗糙模糊数的定义。利用模糊数的表现定理给出区间值粗糙模糊数的一个刻画。

基于覆盖的区间值直觉模糊粗糙集模型的讨论

利用论域上的覆盖提出了基于覆盖的区间值直觉模糊粗糙集模型,并讨论了它的性质.

一类广义区间值模糊粗糙集的公理化刻画

首先在一般区间值模糊关系上定义了两个论域上的一类广义区间值模糊粗糙集.借助区间值模糊集的截集给出区间值模糊粗糙上、下近似算子的一般表示.讨论了各种特殊的区间值模糊关系与区间值模糊近似算子性质之间的等价刻画.最后利用公理化方法刻画区间值模糊粗糙集,描述区间值模糊上、下近似算子的公理集保证了生成相同近似算子的区间值模糊关系的存在性.

基于模糊化邻域系的粗糙近似算子(Ⅰ)

模糊化邻域系源自模糊化拓扑空间.以模糊化邻域系为工具,定义了一对粗糙近似算子,研究了其基本性质.证明了这对算子涵盖一些常见粗糙近似算子作为其特殊情形,从而扩大了粗糙集理论的研究范围.此外,还研究了由串行的、反身的、一元的和传递的模糊化邻域系生成的粗糙近似算子.

模糊环境下粗糙近似算子的表示

给出了在一般的模糊环境下各种粗糙近似算子的定义,得到了这些近似算子的经典表示。

基于区间值模糊概率测度的多粒度区间值决策粗糙集模型

在区间值模糊概率近似空间中,提出了基于IVF(区间值模糊)概率测度的多粒度IV(区间值)决策粗糙集模型,分别讨论和刻划了平均、乐观和悲观三种情形,结果和算例验证了模型的实用性和广泛性.

基于弱包含的区间值模糊集的上下近似

给出了区间值模糊集的弱包含概念,并在弱包含概念的基础上定义了区间值模糊集的上下近似及其粗糙度、得到了区间值模糊集上下近似的性质,并且验证了本文定义的区间值模糊集的λ上下近似比文献[1]中提出的λ上下近似逼近程度更高,粗糙度更小。

基于相似度的模糊粗糙近似算子

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具.相似度是用于比较2个相似的模糊粗糙集所包含信息的精确性大小的,是模糊集理论和粗糙集理论的热点问题之一.文章利用一种改进的相似度定义了模糊粗糙近似算子,重新定义了粗糙集的一些概念,给出并证明了模糊粗糙近似算子的几个性质.