Frank算子在广义正交梯形模糊语言环境下的应用

基于广义正交梯形模糊语言变量及Frank T模和S模,定义了广义正交梯形模糊语言环境下的Frank T模和S模的运算规则。同时,给出了广义正交梯形模糊语言Frank加权算术平均算子、加权几何平均算子的具体表达形式,并证明了算子具有幂等性、有界性、单调性等性质。之后,将这些算子应用于属性权重已知且属性值以广义正交梯形模糊语言变量形式给出的多属性群决策问题中。最后,提出了两种不同的决策方法来处理多属性决策问题,并通过具体的示例验证了文中所提方法的正确性和可行性。

基于犹豫模糊语言术语集的正交模糊聚类算法

犹豫模糊语言术语集(Hesitance Fuzzy Linguistic Term Sets,HFLTSs)允许决策者们用几个可能的语言术语来评估一个属性.近来,采用HFLTSs来进行模糊聚类分析的问题越来越受关注.考虑到目前基于HFLTSs的模糊聚类算法还存在计算复杂度高的问题,提出了一种新的正交模糊聚类算法:首先计算样本之间的距离测度得到距离测度矩阵,接着计算其等价矩阵;然后确定置信水平值,通过置信水平值对等价矩阵进行切割;最后根据切割矩阵的列向量之间的正交关系来确定对应样本是否可以放在同一个类别,以此得到聚类结果.该算法步骤简单,计算复杂度低,并且适合于数据量大的模糊聚类问题.本文末尾将通过一个实例结合k-means聚类算法证明该算法的可行性和高效性.

基于q阶正交模糊语言集相似测度在医疗诊断中的应用

医生通过病人对自身病情的语言描述进行医疗诊断时,有时由于不同疾病有类似病症,从而无法作出精确诊断。该文以q阶正交模糊语言集理论为基础,定义其相似测度形式并应用于医疗诊断,提出解决办法,尽量减少误诊率,证明该测度的可行性与实用性。

基于重心法的模糊风险分析

为了使模糊风险分析理论在实际中的应用更有效,需要建立更合理的模糊数间的相似性测度公式.以往基于重心法所建立的模糊数间的相似性测度依据的都是近似的重心公式,缺乏理论根据.针对广义梯形模糊数,采用SCGM建立准确的COG公式,说明了基于此表达式计算广义梯形模糊数相似度的优势,从而克服了用近似重心公式得到的相似性测度公式的缺陷.结果表明:基于准确COG表达式所给出的相似性测度进行模糊风险分析,得到的结果可靠性更高,便于决策者作出更加准确的决策.