Mar, 2024

关于球体 T - 球形模糊（G-TSF）集的研究及其在 G-TSF 多准则群体决策中的应用

PDF
TL;DR本文提出了球形模糊扁球体 (G-TSFSs) 的概念，它作为模糊信息的创新扩展，通过使用球形 / 球限界来表示成员关系、不确定性和非成员度，更准确地描绘了模糊、不明确和不精确的信息，为决策过程提供了更全面的评估对象的能力。通过引入基于 G-TSFSs 半径定义的相似度度量 (SM)、Hamming 距离和欧几里得距离，建立了一些基本集合运算和基本代数运算来扩展决策者的评估能力，在更广泛的区域内促进更敏感的决策过程。此外，还提出了 G-TSF 加权平均 (G-TSFWA) 和 G-TSF 加权几何 (G-TSFWG) 操作符。通过应用该方法解决一个公司中专业发展培训场所的选择问题，验证了所提出的方法在实际决策场景中解决多准则群决策问题的适用性和有效性。
globular t-spherical fuzzy setsdecision-making processesg-tsf valuessimilarity measuremulti-criteria group decision-making
发现论文，激发创造
  • 圆形勾股模糊集及其在多准则决策中的应用

    本文介绍了圆形勾股模糊集作为圆形直觉模糊集和勾股模糊集的新一般化概念，通过定义算术和代数操作，提出了一种加权聚合器来将输入的圆形勾股模糊值转换为单个输出值，并比较了其时间复杂度及使用上的灵活性。

    Oct, 2022

  • 双层次犹豫模糊语言词组的顺序三方群体决策

    从粒计算的角度构建了一个新颖的多级连续三态决策组协作决策方法，针对复杂、不确定性的群体决策问题进行了分析和改进，提出了一种高效的信息融合方法，并定义了决策层次的信息提取 / 汇总的概念，利用邻域理论、比较关系和遗憾理论重建了条件概率和相对损失函数的计算，进一步提出了基于连续三态决策的 DHHFLTS 的粒结构以提高决策效率，并给出了 S3W-GDM 的算法，通过示例诊断和与其他方法的比较和敏感性分析来验证了所提方法的效率和合理性。

    Jun, 2024

  • 图模糊系统：概念、模型与算法

    本文提出了一种新型模糊系统 Graph Fuzzy System (GFS), 用于图数据建模，其中定义了与 GFS 相关概念，构建了 GFS 建模框架，并提出了学习 GFS 的算法，其中包括图神经网络和 K - 原型图聚类。实验结果表明，该方法继承了现有主流图神经网络方法和传统模糊系统方法的优点并取得了更好的性能。

    Oct, 2022

  • 粒球模糊集及其在支持向量机中的应用

    引入粒球计算到模糊集中，提出了一种称为粒球模糊集的框架，它比传统的模糊方法更高效、更稳健、更具扩展性，可以用于各种模糊数据处理领域，扩展到分类器支持向量机（FSVM）中以得到粒球模糊支持向量机（GBFSVM），实验证明了 GBFSVM 的有效性和效率。

    Oct, 2022

  • 基于投影技术和余弦相似度测量的直觉模糊决策新方法

    基于投影技术和余弦相似度测量的直觉模糊集相似度测量方法首次被提出，开发了一种基于该方法的多属性决策和医学诊断方法，与现有方法相比具有更高的准确性，在医学诊断领域具有快速诊断疾病的能力，可应用于直觉模糊集和区间价值直觉模糊集。

    Nov, 2023

  • 基于 TOPSIS 和优化模型的模糊多属性群体决策新方法

    基于 TOPSIS 和优化模型的方法用于环境中的多属性群体决策。通过最小化个体评价与所有专家的整体一致评价之间的差异的总和，建立新的优化模型以确定专家权重；基于 TOPSIS 方法，得出改进的评价指标用于评估每个备选方案；最后，通过建立优化模型来确定属性权重，将其纳入评价指标以对备选方案进行排名。综合以上步骤，提出了完整的模糊多属性群体决策算法，能充分发挥主观和客观权重方法的优势。通过实际案例研究验证了所提供方法的可行性和有效性。

    Nov, 2023

  • 多标签 Takagi-Sugeno-Kang 模糊系统

    提出了一种名为多标签 Takagi-Sugeno-Kang 模糊系统（ML-TSK FS）的新的多标签分类方法，通过使用模糊规则设计了 ML-TSK FS 的结构来建模特征和标签之间的关系，并通过集成基于模糊推理的多标签相关学习和多标签回归损失来训练模糊系统。12 个基准多标签数据集上的实验证明，ML-TSK FS 在各种评估指标上的性能与现有方法相竞争，表明它能够有效地使用模糊推理规则建模特征 - 标签关系并提升分类性能。

    Sep, 2023

  • 使用深度神经网络学习群体多元评分函数

    本研究提出了一种基于 groupwise scoring functions (GSFs) 的多元评分函数框架以改进排序学习，通过深度神经网络学习并在大规模商业邮箱数据集和公开基准数据集中得到了显著的性能提升。

    Nov, 2018

  • AutoSF: 为知识图谱嵌入搜索评分函数

    本文介绍了一种基于自动化机器学习技术的自动设计得分函数的方法（AutoSF），该方法能够提高知识图中链接预测和三元组分类的准确性，并且优于目前由人设计的最先进的得分函数。

    Apr, 2019

  • Zadeh 的 2 型模糊逻辑系统：精确和高质量的预测区间

    本论文通过采用 Zadeh 的 GT2 Fuzzy Set 定义，旨在学习能够在高精确度下可靠地实现高品质预测区间的 General Type-2 Fuzzy Logic Systems，并通过整合 Z-GT2-FS 与 α-plane 表示法来增加 GT2-FLS 的设计灵活性，提供了学习高维数据的解决方案，并发展了一个具有高性能的学习双重关注的 Z-GT2-FLS 深度学习框架，并通过统计分析表明，与具有更多可学习参数的 GT2 和 IT2 模糊对应物相比，Z-GT2-FLS 不仅表现出高精确性能，还产生了高品质预测区间，显示出巨大的不确定性量化潜力。

    Apr, 2024