Fuzzy集上基于一般蕴含算子的α-三I算法

先将经典蕴含算子泛化后得到[0,1]集上一般蕴含算子的定义,然后将α-三I算法推广到一般蕴含算子上.在分析了α-三IFM P原则的实质后,给出了基于一般蕴含算子的α-三I算法的通用计算公式,并分析了基于一般蕴含算子的α-三I算法的还原性.最后给出了具体的蕴含算子来验证提出的通用计算公式.

基于Fuzzy集的Vague集的模糊熵

给出了Vague集的基本概念 ,阐述了Vague集的本质及Vague集与Fuzzy集之间的关系 ;通过对投票模型的分析 ,指出了在投票模型中投中立票者仍然有某种倾向 ,且该倾向由投赞成票和投反对票的人数之比来决定 ,在此基础上提出了一种由Vague集向Fuzzy集转化的方法 。

一种SPA集转化Fuzzy集的新方法

结合SPA集,Vague集及Fuzzy集理论分析,在此基础上提出了一种基于SPA集向Fuzzy集转化的新方法,给出了SPA集转化Fuzzy集的相关准则及证明。通过示例验证了该算法的有效性与合理性。

Fuzzy集上基于一般蕴含算子的三I算法

由于三I算法中的蕴含算子都是特定的,选择适合某一特定问题的蕴含算子十分困难。将经典蕴含算子泛化后得到Fuzzy集上一般蕴含算子的定义,本文将三I算法推广到一般蕴含算子上,并给出了基于一般蕴含算子的三I算法通用的计算公式,分析了基于一般蕴含算子的三I算法的还原性,这为在特定问题中用其它优化算法选择合适的蕴含算子提供了可能性。

覆盖粗糙直觉Fuzzy集模型

考虑到经典粗糙集模型中等价关系过于严格的缺陷和直觉Fuzzy集在处理不确定信息时所具有的表达力,建立了覆盖粗糙直觉Fuzzy集模型,并给出了该模型下的一些性质;接着引入了覆盖粗糙直觉Fuzzy集模型的粗糙度和粗糙熵的概念,讨论其不确定性度量;最后给出了算例。

Vague集向Fuzzy集转化的方法分析

介绍了Vague集与Fuzzy集的特点,结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的多种方法进行了分析,指出已有方法的不足,根据Vague集的三维特性并结合人的心理变化情况首次直观地提出一种新的有效非线性方法,并通过实例说明该方法的正确性和直观性。

正态模糊集合——Fuzzy集理论的新拓展

直觉模糊集(intuitionistic fuzzy sets)、区间值模糊集(interval-valued fuzzy sets)以及Vague集对普通fuzzy集的扩展是给出了隶属度的上下限,把隶属度从[0,1]区间中的一个单值推广到了[0,1]的子区间。但是该子区间犹如一个黑洞,隶属度在其内部的分布情况我们无从知晓,即这个子区间中的每一个值是等可能地作为元素的隶属度还是区间中的某些值较另外的值有更大的可能性呢?为了清晰的刻画出元素的隶属度在[0,1]区间中的分布情况,本文通过对投票模型的分析及正态分布理论,提出了一种新的模糊集合———正态模糊集合,同时对正态模糊集合的交、并、补等基本运算性质进行了讨论,文章最后对正态模糊集与fuzzy集、直觉模糊集的相互关系也作出了详细阐述。正态模糊集合是模糊集合理论的进一步推广,为我们处理模糊信息提供了一种全新的思想方法。

Fuzzy集的偏熵与关联熵

在文献[1]的基础上,推广模糊熵的概念,首次定义Fuzzy集的偏熵、关联熵和关联熵系数等新概念。对其主要性质进行讨论,并与模糊散度建立联系,得到一些重要结果。

一种Vague集转化为Fuzzy集的方法

已存在的Vague集向Fuzzy集转化的多种模型都存在着一定缺陷。论文从另一种角度探讨了Vague集到Fuzzy集的转化,它把模糊隶属度看成是参数k的函数,这样在计算模糊隶属度时,只需给定满足条件的参数k即可;另一方面,在进行模糊信息处理时,会遇到一些不确定因素,如果所得到的模糊隶属度与实际结果有些偏差,可根据参数k的数学性质有目的地调整k,而不必去重新建立方法模型,因此,此方法比已存在方法灵活,适用;文章也对已有的转化方法与所提模型进行了比较,说明了所提模型的正确性及有效性。

Vague集向Fuzzy集的转换函数

给出了两类Vague集向Fuzzy集的转换函数,并讨论了其性质;指出了现有的Vague集的模糊熵概念的不足,最后给出了模糊熵的新的约束条件。

一种Vague集向Fuzzy集转化的新方法

基于Vague集理论及投票模型下的解释,介绍了Vague集向Fuzzy集转化的一些方法,并指出了这些方法的不足,在此基础上提出了一种新的转化方法,并证明了该方法的有效性,实例表明该方法比已有的方法更合理。

基于等量效果的Vague集转化为Fuzzy集的方法

当前Vague集转化为Fuzzy集的方法更多是根据直观,而没能详细阐述所基于的原理。为能更好理解Vague集转化为Fuzzy集的过程,考虑将Vague集转化为Fuzzy集模拟为一个最终无弃权票的多轮投票过程,从而构造了一种效果函数的定义,用以表示支持力度。并结合积分第一中值定理的意义提出了一种新的基于等量效果的转化方法,以保证在转化过程中,所关心的总效果没有发生变化。最后结合实例,严格分析了该方法的良好性质以及合理性。

Fuzzy集合论的公理系统

本文引入基本 Fuzzy 点的概念,并以此为基础给出 Fuzzy 集的公理化定义.进一步建立 Fuzzy 集合论的公理化系统.最后讨论 Fuzzy 集几种定义之间的关系.

L-Fuzzy集分解定理

随着隶属函数真值域的拓广 ,原来关于 Zadch- Fuzzy集的分解定理 和 对于 L- Fuzzy集不再成立。尽管已有一些它们的关于 L- Fuzzy集的改进形式 [5] ,但因条件较强 ,失去了原来的许多优越性。本文从格论入手 ,首先引入格中元素的强上集和 L- Fuzzy集准截集两个新概念 ,并讨论了它们的部分性质。进而借助它们给出了 L -

Vague集向Fuzzy集转化的方法模型

结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的方法进行了分析,提出了一种新的转化方法模型,并从理论上解释了已有方法的合理性与不足。

Vague集转化为Fuzzy集的新方法

结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的方法进行了分析,指出已有方法存在的不足之处,提出了一种Vague集转化为Fuzzy集的新方法,并证明了该方法的有效性。

Fuzzy集上基于R蕴含算子的三I算法

利用三I思想,给出了基于R蕴含算子的三IFMP和三IFMT算法的计算公式,分析了三I算法的还原性,并给出了基于R蕴含算子的三IFMP和三IFMT算法具有还原性的本质条件.

Vague集向Fuzzy集转化的新方法

指出了Vague集向Fuzzy集转化已有方法存在的不足,给出了Vague集转化为Fuzzy集应满足的约束准则,提出了一种Vague集向Fuzzy集转化的新方法,并证明了该方法的有效性,通过实例说明该方法比已有方法更合理。

格区间值Fuzzy集的分解定理(Ⅰ)

对格区间值Fuzzy集作了进一步的研究,分别给出了[λ1,λ2]、(λ1,λ2]、[λ1,λ2)、(λ1,λ2)上的下截集、上截集、下重截集和上重截集的新的定义及一种新的闭区间与格区间值Fuzzy集的运算,并给出了与此相应的四条重要的分解定理.

Vague集的Fuzzy集分解

Vague集作为Fuzzy集的扩展,将其分解成Fuzzy集是一个值得探讨的问题.定义了Vague集的Fuzzy截集和数与Vague集的运算,在探讨了相应性质的基础上,给出了Vague集的Fuzzy集分解定理并进行了证明.