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.

基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策

为了探索区间二型模糊背景下的多属性群决策方法,以多粒度概率粗糙集为基础,结合MULTIMOORA(Multi-Objective Optimization by Ratio Analysis Plus the Full Multi-Plicative Form)与证据融合理论,发展了一种基于区间二型模糊信息的多粒度证据融合决策模型.首先,提出多粒度区间二型模糊概率粗糙集模型;然后,通过离差最大化法和熵权法计算决策者权重和属性权重,依据多粒度概率粗糙集和MULTIMOORA法建立区间二型模糊多属性群决策模型,通过源自D-S证据理论的证据融合方法融合得出决策结果.通过钢铁行业耗能的实例,证明提出方法的可行性与有效性,总体上,提出的决策模型具备一定的容错力,有助于获得强解释力的稳健型决策结果.

基于乐观和悲观策略的犹豫模糊粗糙集方法

已有的犹豫模糊粗糙集并未考虑多源信息处理的需要.为了解决这一问题,文中分别提出乐观多粒度犹豫模糊粗糙集模型和悲观多粒度犹豫模糊粗糙集模型,并详细分析这两种模型的理论性质.最后通过一个多源信息系统的实例对比分析乐观和悲观形式下的近似集.

一种多粒度粗糙区间模糊集方法

多粒度是利用粗糙集方法处理分布式数据的一种有效手段。为了使得多粒度方法能够用于模糊目标的近似逼近,提出了一种多粒度粗糙区间模糊集方法,分别包括乐观和悲观两种不同的模型。不仅对这两种多粒度粗糙区间模糊集的基本性质进行了讨论,而且通过实例分析表明了新提出的模型用于处理区间模糊问题的有效性。

区间值犹豫模糊信息系统中的信息粒和粗糙熵

信息粒和粗糙熵作为研究信息系统不确定性问题的两种主要方法,已被广泛应用于许多领域。本文基于区间值犹豫模糊二元关系,给出了区间值犹豫模糊粒度结构概念和区间值犹豫模糊粒的基数概念,讨论了区间值犹豫模糊粒度结构上的三种偏序关系。在区间值犹豫模糊粒度结构基础上给出了区间值犹豫模糊信息粒度和粗糙熵的概念,讨论了区间值犹豫模糊信息粒度和粗糙熵的偏序关系,分析了区间值犹豫模糊信息粒度和粗糙熵与已有信息粒度和粗糙熵之间的关系,并通过实例验证了有关定义和定理的正确性。