变参数区间值直觉模糊集在模式识别中的应用

提出了带参数区间值直觉模糊集的概念,构造了一系列带参数的区间值直觉模糊集。从已知隶属度和非隶属度出发,重点分析了激励惩罚型变参数区间值直觉模糊集的构造。运用模式识别与医疗诊断案例进行对比。仿真实验结果表明,带参数区间值直觉模糊集方法比传统的直觉模糊集方法更具灵活性。

基于区间值直觉模糊集和云模型的FMEA风险评估方法

针对传统故障模式和影响分析(failure mode and effect analysis,FMEA)方法存在评价使用精确数量化造成专家风险评估信息的丢失、忽略风险指标之间的相对重要性以及由于专家有限理性导致的评价固有的随机性等问题,利用区间值直觉模糊集和云模型构建了一种改进的FMEA风险评估方法。首先,引入区间值直觉模糊集(IVIFS)来描述专家评价信息的复杂性和不确定性,通过运用区间值直觉模糊熵,计算专家权重和风险因子的权重;其次,采用云模型的方法,通过比较各支持云模型和反对云模型与正、负理想云模型的正、负相似度,获得故障模式评价值的综合相似度,通过对综合相似度大小排序得到各故障模式风险排序;最后,以自动扶梯的梯级、踏板和胶带风险评估为例进行分析,验证该评估方法的实用性和可行性。

覆盖变精度粗糙区间直觉模糊集模型探究

概述区间直觉模糊集的基本理论,利用所定义的平均隶属度、平均非隶属度,建立基于覆盖的变精度粗糙区间直觉模糊集的4种模型,并讨论这4种模型的一些相关性质、与现有模型的关系以及4种模型之间的关系;最后,对4种模型进行实例分析。

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.

区间值直觉模糊相似度及其应用

相似度是模糊集理论中的一个测度,常用来度量两个模糊集的接近程度。在区间值直觉模糊环境下的多属性决策问题中,一个相似度的优劣影响着决策结果的准确性。在以往的研究中,已经有大量的区间值直觉模糊相似度被提出,在分析这些相似度过程中,发现其中大多存在着反直觉的情况。本文从熵测度的角度出发,基于熵测度和相似度的相关关系,由熵测度导出一个对应的相似度,并证明其满足相似度的公理化定义,接着通过实例说明提出的相似度的有效性和优越性。最后将其与传统VIKOR方法相结合,应用于多属性决策问题之中。

带参数区间值直觉模糊集及其在模式识别中的应用

首次提出了带参数区间值直觉模糊集的概念,并构造了一系列带参数的区间值直觉模糊集。接着,从已知隶属度和非隶属度出发,重点分析了单参数区间值直觉模糊集的构造。最后,构造了模式分界点的参数方程,并从理论上证明了临界值对模式识别结果有影响。模式识别实验结果表明,带参数区间值直觉模糊集方法比传统的直觉模糊集方法更具灵活性。

基于变参数区间直觉模糊集的故障诊断方法

针对故障诊断效果经常受众多不确定模糊性因素影响的问题,利用直觉模糊集(IFS)能较好表达不确定性信息的优势,提出了基于区间直觉模糊集(IVIFS)的故障诊断新方法.介绍了IFS的概念,引出了IVIFS和带参IVIFS的定义及其内在联系;在IFS定义及隶属度、非隶属度、犹豫度关系的基础上,构建了激励惩罚型变参数IVIFS;对IVIFS在故障诊断中的应用进行了统计解释,并构建了基于变参数IVIFS的故障诊断模型;以风机的故障诊断实例为研究对象,对模型进行了验证,结果表明了该方法的有效性和可行性.

直觉区间值模糊集的熵、距离测度和相似测度

熵、距离测度和相似测度是模糊集理论中的三个基本概念。本文中,我们给出了直觉区间值模糊集的熵、距离测度和相似测度的公理化定义并讨论了它们之间的基本关系。有别于以往的交、并运算,我们提出了直觉区间值模糊集的加法、乘法运算,并在此基础上讨论了直觉区间值模糊集的熵、距离测度和相似测度的性质。

基于区间值直觉模糊集加权TOPSIS的高校教师教学效果评价

开展高校教师教学效果评价是提高高校教学质量管理的有效方法之一。基于教学效果评价信息的不确定性,部分文献提出了模糊综合评价、TOPSIS、直觉模糊多属性决策等多种方法。但针对多属性决策中所包含的大量模糊和不确定信息的问题,则采用区间值直觉模糊集加权TOPSIS法,能得到更好地解决。通过定义区间值直觉模糊集和2个区间值直觉模糊集之间的距离等概念,并结合加权TOPSIS原理,计算各方案到正、负理想解的距离和紧密度的综合指标值,从而判断各备选方案的优劣次序。最后通过高校教师教学效果评价实例证明了其方法的有效性。

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。

直觉区间值模糊集的σ-熵、σ-距离测度和σ-相似测度

σ-度量和弱σ-度量是模糊信息度量的重要概念。熵、距离测度和相似测度是σ-度量和弱σ-度量的特例。在直觉区间值模糊集定义的基础上,给出了σ-熵和弱σ-熵、σ-距离测度和弱σ-距离测度、σ-相似测度和弱σ-相似测度的定义与性质,并讨论了它们之间的关系。

关于区间值直觉模糊集运算性质的注记(英文)

针对Atanassov[3]给出的区间值直觉模糊集运算,指出并修正一些区间值模糊集运算的错误性质,有利于以区间值直觉模糊集的进一步研究。

基于区间值直觉模糊集的距离测度

区间值直觉模糊集是直觉模糊集的进一步推广,具有比直觉模糊集更强大的模糊信息表达能力.基于区间值直觉模糊集理论,给出了三种基于海明距离、规范化海明距离、欧氏距离、规范化欧氏距离的扩展区间值直觉模糊集距离测度公式,对它们进行了比较分析,并给出了相应的定理和证明.

基于区间值直觉模糊集距离的多属性决策方法

针对区间值直觉模糊集上的多属性决策问题,使用区间值直觉模糊集犹豫度的概念,给出区间值直觉模糊集之间一种新的距离公式,并据以提出基于理想点法的区间值直觉模糊集多属性决策方法。最后,借助实例说明该决策方法的有效性。

基于区间值直觉模糊集的技术创新风险评价方法

降低企业技术创新风险是提高企业技术创新绩效的关键.首先以技术创新六阶段模型为基础,针对技术创新的全生命周期识别了18项潜在风险.之后基于区间值直觉模糊集构建了应用于企业技术创新风险评价的模糊失效模式与影响分析(failure mode and effect analysis,FMEA)方法.该方法利用区间值直觉模糊集来评价技术创新各潜在风险的严重度、发生度和检测度,通过基于逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)的非线性规划模型获得风险优先级并进行排序,以此为依据确定潜在风险的优先处理次序.最后以D公司的座椅开发项目为例,验证了该模糊FMEA方法的可行性.

基于区间值直觉模糊集相似性的信息安全风险评估方法研究

风险评估在信息系统等级保护中发挥重要作用,通过风险评估可明确系统威胁与脆弱性,得出风险等级、预计损失等评估结果,系统管理员可加固整改评估中发现的问题,从而提高系统的安全性。然而评估过程中,评估者主观因素对评估结果影响较大,当对资产进行安全性赋值时,较难给出精确的数值描述资产的安全性。评估者给出的安全性赋值大多为依据自身经验、知识背景等多种因素得出的估计值,该值有一定主观性,其不能完整描述评估者在赋值时的主观心理状态,因此其影响评估结果的客观性。文章研究了一种风险评估方法,该方法在描绘评估者主观因素时有较大优势,从而降低主观因素对评估结果产生的影响,提高评估结果的客观性。利用区间值直觉模糊集描述评估者在安全性赋值时确定、否定、犹豫等与决策相关的主观心理状态,提出一种区间值直觉模糊集相似性算法,参考国标《信息系统安全等级保护基本要求》中规定的防护要求,在此基础上得到风险评估方法。实验结果证明了该方法的有效性,具备一定的应用价值。

基于区间值直觉模糊集新模糊度的模糊熵及其应用

为进一步研究区间值直觉模糊集的模糊熵及其应用,将区间数的距离引入到区间值直觉模糊集的模糊度定义中并修改已有的模糊熵公理化定义,研究结果:(1)提出了区间值直觉模糊集的新模糊度定义,其更能反映模糊度的本质且是直觉模糊集的模糊度定义的推广;(2)提出了区间值直觉集的模糊熵的一系列诱导定理和一系列熵公式;(3)基于熵权法提出了在属性权重向量和专家权重向量完全未知、偏好信息为区间值直觉模糊集环境下不确定多属性群决策问题的解决方法,通过实例验证了方法的可行性和有效性。

基于区间值直觉模糊集的图像边缘检测算法

针对当前边缘检测算法中边缘定位精度低、噪声抑制能力较弱等问题,提出了一种基于区间值直觉模糊集(IVIFS)的图像边缘检测算法。首先,对于给定的灰度图像,将其转换为模糊图像;其次,利用T范数和T-三角余模,构造区间值模糊集(IVFS)的上、下极值,并将模糊图像划分为区间值模糊图像;然后,根据隶属度和非隶属度区间函数,通过区间值直觉模糊生成器来构造IVIFS图像。再根据边缘像素与相邻像素强度关系,得到直觉模糊边缘信息,利用去模糊机制获取模糊边缘。最后,通过线性方程的模糊指数优化,生成图像边缘。实验表明,与当前边缘检测方案比较,所提技术得到更多的边缘细节,完整性与清晰度更好,边缘定位精度高,具有较强的噪声抑制力,适用性强。

基于区间值t-模的区间值直觉模糊集的截集

拥有更多自由度的区间值直觉模糊集在处理信息的模糊性和不确定性时比经典直觉模糊集更有优势.截集是连接模糊集和经典集的桥梁,研究区间值直觉模糊集的截集有助于我们更灵活地处理区间值直觉模糊集.本文首先定义一种基于区间值t-模的区间值直觉模糊集的截集,进一步借助于区间值t-模的性质,系统地研究基于区间值t-模的区间值直觉模糊集的截集的性质,并给出几个基于区间值t-模的区间值直觉模糊集的截集的基本定理.