带有可信度因子的直觉模糊近似推理方法

针对基于相似度的直觉模糊近似推理问题,提出一种基于加权相似度量的直觉模糊推理方法。首先定义一种新的直觉模糊相似度度量公式,加入权重参数解决各维特征分配不均匀的问题,弥补了现有直觉模糊相似度量的缺陷。然后构建基于直觉模糊产生式规则的直觉模糊近似推理模型,加入可信度因子解决了随机性引起的信息不确定问题,同时给出模型的推理算法和计算步骤。最后通过实例验证了该方法的实用性和有效性,其在意图识别、目标识别等信息融合领域有良好的应用前景。     

基于TOPSIS的直觉模糊多属性群决策方法

针对直觉模糊信息环境下的多属性群决策问题,对专家给出的直觉模糊集决策矩阵进行规范化处理,利用直觉模糊集的相关理论,提出基于直觉模糊熵的属性权重确定方法;为了便于度量任意两个专家之间决策信息的相似度,将各专家给出的直觉模糊集决策矩阵转化决策向量,提出基于直觉模糊相似度的专家权重确定方法;利用逼近于理想解的排序方法(TOPSIS)对专家群的决策信息进行综合集成,给出备选方案优劣排序。结合算例验证方法的有效性。     

基于模糊多属性决策的威胁度评估与排序研究

应用模糊多属性决策理论与方法,提出一种对多批目标威胁度大小综合评估和排序的方法。此方法用模糊集和模糊数来定义和表述问题,应用模糊多属性决策方法和模糊算法实现威胁度评估并排序,使结果更能逼近于真实的空中态势状态,有利于现代实战环境中实现作战指挥决策的科学化。     

基于评价指标模糊集的复杂系统效能评估方法研究*

提出了一种基于评价指标模糊集的复杂系统效能评估方法。该方法利用系统评价指标的模糊性构造模糊集,以模糊集贴近度来定义评价指标的模糊隶属度函数,结合模糊层次分析法,提出了一种适用于复杂系统功能与多层评估指标体系的效能评估新方法。仿真应用的结果表明:该方法行之有效,具有较好的实用前景。     

基于直觉判断矩阵和证据理论的群组决策方法

针对属性权重已知的群决策环境,根据直觉模糊和证据理论相关知识,提出了一种群决策方法。采用直觉模糊数描述专家关于方案的两两比较结果,构建直觉判断矩阵;根据直觉判断矩阵排序中转法,按一致性要求确定属性直觉模糊数型权重;以直觉模糊评价值构造Mass函数,结合证据冲突度和犹豫度,在属性层面区对专家权重进行合理分配;利用直觉模糊集加权集结算子集结决策信息,并根据得分值和精确值进行方案排序。通过算例,验证了所提方法的合理有效性。     

欧几里德贴近度在三化考评系统中的应用

本文以部队武器装备三化考评标准为基础,利用欧几里德(Euclid)距离引入欧几里德贴近度定义,并根据欧几里德贴近度处理模糊集的基本原理对传统的评估方法作了改进。     

辐射源威胁评估的一种新方法

直觉模糊集理论极大地扩展了Zadeh模糊集的表达能力,给辐射源威胁评估问题提供了一种新的途径和方法.首先构建了辐射源威胁评估指标的直觉模糊隶属函数.然后分析了集对分析思想与直觉模糊集思想的兼容性,通过集对分析的方法求解出辐射源对于单个属性和所有属性的联系度表达式.最后通过一个排序公式对辐射源威胁进行评估.算例表明了该方法的有效性.     

多值直觉模糊熵及其应用

给出了多值直觉模糊熵的计算方法,并揭示了多值直觉模糊熵的若干重要性质,通过求解一个雷达目标识别的实例更清晰地表述多值直觉模糊集的优势或特点。实践表明,多值直觉模糊集是对直觉模糊集一种有效扩展,这种扩展有助于对实际问题进行描述和求解。     

直觉模糊物元及其在权重信息未知多属性群决策中的应用

针对传统物元分析理论无法应用于决策信息为直觉模糊数的多属性决策问题,提出直觉模糊物元分析模型以及用相对相似度代替传统方法中的关联函数来解决直觉模糊物元分析问题,进而完整阐述了直觉模糊物元多属性决策的方法步骤,并通过实例验证了该方法的有效性。特别是针对权重信息未知这一类较为复杂的多属性群决策问题,采用投影法和直觉模糊熵确定权重信息,并运用直觉模糊物元多属性决策方法进行了实例分析,证明了方法的实用性,为直觉模糊多属性群决策提供了一种新的思路。     

一种故障树模糊重要度分析的新方法

本文在经典故障树重要度分析方法的基础上,引入模糊集合理论,对基于故障树各底事件发生概率为模糊数情形的重要度分析方法作了研究,最后给出了一个应用实例。