Complex Decision Modeling Framework with Fairly Operators and Quaternion Numbers under Intuitionistic Fuzzy Rough Context

The main goal of informal computing is to overcome the limitations of hypersensitivity to defects and uncertainty while maintaining a balance between high accuracy,accessibility,and cost-effectiveness.This paper investigates the potential applications of intuitionistic fuzzy sets(IFS)with rough sets in the context of sparse data.When it comes to capture uncertain information emanating fromboth upper and lower approximations,these intuitionistic fuzzy rough numbers(IFRNs)are superior to intuitionistic fuzzy sets and pythagorean fuzzy sets,respectively.We use rough sets in conjunction with IFSs to develop several fairly aggregation operators and analyze their underlying properties.We present numerous impartial laws that incorporate the idea of proportionate dispersion in order to ensure that the membership and non-membership activities of IFRNs are treated equally within these principles.These operations lead to the development of the intuitionistic fuzzy rough weighted fairly aggregation operator(IFRWFA)and intuitionistic fuzzy rough ordered weighted fairly aggregation operator(IFRFOWA).These operators successfully adjust to membership and non-membership categories with fairness and subtlety.We highlight the unique qualities of these suggested aggregation operators and investigate their use in the multiattribute decision-making field.We use the intuitionistic fuzzy rough environment’s architecture to create a novel strategy in situation involving several decision-makers and non-weighted data.Additionally,we developed a novel technique by combining the IFSs with quaternion numbers.We establish a unique connection between alternatives and qualities by using intuitionistic fuzzy quaternion numbers(IFQNs).With the help of this framework,we can simulate uncertainty in real-world situations and address a number of decision-making problems.Using the examples we have released,we offer a sophisticated and systematically constructed illustrative scenario that is intricately woven with the complexity ofmedical evaluation in order to thoroughly assess the relevance and efficacy of the suggested methodology.

Interval-Valued Intuitionistic Fuzzy-Rough Sets

This paper combines interval-valued intuitionistic fuzzy sets and rough sets.It studies rougheness in interval-valued intuitionistic fuzzy sets and proposes one kind of interval-valued intuitionistic fuzzy-rough sets models under the equivalence relation in crisp sets.That extends the classical rough set defined by Pawlak.

优势关系下直觉模糊目标信息系统的上近似约简

传统的粗糙集理论对决策属性值为直觉模糊数的直觉模糊目标信息系统不能直接属性约简.文中在直觉模糊目标信息系统中引入优势关系,基于优势关系定义条件属性集的上近似决策协调集,给出上近似约简的判定定理,建立该信息系统条件属性集的上近似约简模型,并给出上近似约简的算法步骤.在决策属性值为直觉模糊数的一些目标信息系统中,利用条件属性集的上近似约简,可得到更为简洁的决策规则.最后给出一个实例验证算法的有效性.

基于优势距离指数的变精度直觉模糊粗糙集模型及应用

现实的多属性决策信息系统包含大量的偏好信息、模糊信息、噪声数据,而基于传统的粗糙集模型难以有效处理此类决策问题,鉴于此,本文构建了一种新的变精度直觉模糊粗糙集模型。该方法,首先针对直觉模糊信息系统中直觉模糊数存在的问题,定义了直觉模糊优势距离指数,并利用其确定对象的优劣关系,进而以优势距离指数构建了变精度直觉模糊粗糙集模型;而后研究了模型的性质,最后以信息系统安全审计风险识别验证所提出模型的有效性与合理性。结果表明,通过调整直觉模糊优势距离指数的阀值和置信参数的阀值模型具有一定容错能力,且模型能够有效地处理含有偏好信息的直觉模糊信息系统,有效地提取决策规则。

基于区间粗糙直觉模糊数的多属性决策方法

研究了区间粗糙直觉模糊多属性决策。探讨了区间粗糙直觉模糊数的运算法则及其性质;定义了区间粗糙直觉模糊数的得分函数和精确函数,进而给出其排序方法;给出了区间粗糙直觉模糊数的变权算术平均和变权几何平均算子,并且建立了区间粗糙直觉模糊数的多属性决策模型;实例验证了所提出决策方法的有效性。

直觉模糊数决策粗糙集

决策粗糙集模型的代价函数不包含模糊概念,不能够细腻地描述包含模糊信息的决策。针对上述不足,首先将模型中精确值的代价函数拓展为直觉模糊数,构建直觉模糊数决策粗糙集模型。然后,通过分析基于直觉模糊数下、上理想的决策预期代价函数,形成保守、激进、可变的决策策略和相应的决策规则,并分析其相关数学性质。最后,通过对战略目标防空部署策略的风险分析来说明模型的具体应用过程。

基于IGIFR关系的区间灰数直觉模糊粗糙集模型及性质

在论述区间灰数直觉模糊集概念基础上,提出了区间灰数直觉模糊关系与区间灰数直觉模糊等价关系概念,定义了基于区间灰数直觉模糊关系环境下的区间灰数直觉模糊粗糙集模型,并讨论了相关性质.

不完备信息系统的直觉模糊决策粗糙集

在不完备信息系统中把缺失值视为已知属性值集合的幂集,根据集合的性质定义了不完备信息系统中对象间的相似度和相异度,它们可以分别看作直觉模糊关系的隶属度和非隶属度,由此可以得到新的直觉模糊相似关系以及直觉模糊相似关系的截关系。用直觉模糊相似关系的截关系代替经典决策粗糙集模型中的等价关系,得到一种基于不完备信息系统的直觉模糊三支决策方法,并分别讨论了悲观者、中立者、乐观者的决策规则。最后通过实例验证了该方法的合理性和有效性。

一种新的粗糙集模型及其应用

提出了一种新的基于区间直觉模糊关系和区间直觉模糊数的粗糙集模型。首先,介绍了区间直觉模糊集,区间直觉模糊关系和区间直觉模糊数等概念。然后,利用区间直觉模糊关系和区间直觉模糊数定义了一种新的粗糙集模型,并给出一些基本性质。最后将该模型应用于临床诊断系统中。实例验证了该粗糙集模型的有效性和实用性。

基于直觉模糊决策粗糙集的三支决策

基于决策粗糙集的三支决策是解决风险决策问题的一种经典方法,利用贝叶斯决策理论生成决策规则。决策规则具有正域、边界域、负域三个区域特征,对应的决策分别为接受决策、延迟决策和拒绝决策。本文将决策粗糙集模型对象之间的等价关系转变为具有自反性和对称性的直觉模糊关系,通过直觉模糊事件概率度量,定义了贝叶斯决策理论中对象状态与对象描述之间的条件概率。将决策损失与直觉模糊数相结合计算对象分类的预期损失,进而由贝叶斯决策理论引导的最小风险决策规则推导出相应的正域、负域、边界域的决策规则。当决策损失满足一定大小关系时将决策规则进行化简,计算出简化决策规则中的阈值与决策损失之间的关系,并且由简化决策规则定义了直觉模糊决策粗糙集的上、下近似。最后将构造的直觉模糊决策粗糙集的三支决策模型应用到直觉模糊概率决策系统,在已知的决策损失下得到相应的决策规则。