基于区间值模糊软集能量的决策算法
本文介绍了从 Zadeh 的模糊理论、Atanassov 的直觉模糊集合、Smarandache 的不确定性和 Molodstov 的软集合之间的主要步骤,提出了两种改进的混合评估和决策方法,并介绍如何将拓扑空间的概念扩展到模糊结构和如何在这种结构中推广极限、连续、紧致和 Hausdorff 空间的基本数学概念。
Nov, 2022
本研究提供了一种新的多属性多目标群体决策工具,该方法基于 Yager 算子和具有未知权重的 CRITIC-WASPAS 方法提出了一种区间值广义正交模糊群体决策方法。
Jan, 2022
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
本文提出了一种基于累积期望效用理论的经典 EDAS 方法的扩展方法,考虑了决策者心理因素和不确定的 IVIFS 特征,称为 IVIF-CPT-MABAC,用于绿色技术风险投资的项目选择中,同时证明了该方法的有效性和稳定性。
Nov, 2022
引入了区间值模糊软 beta 覆盖逼近空间(IFSβCAS)的概念,结合软集、粗糙集和区间值模糊集的理论,并探讨了关于 IFSβCAS 的区间值模糊软 beta 邻域和软 beta 邻域的一些基本命题,然后研究了基于区间值模糊软 beta 覆盖的四种模糊粗糙集,最后考察了四种基于区间值模糊软 beta 覆盖的模糊粗糙集之间的关系。
Apr, 2024
本文提出了一种关于认知随机模糊集的普遍理论,用于处理模糊或清晰证据,并通过广义的乘积交集规则进行独立认知随机模糊集的组合,提出了用于量化标量或矢量量,即高斯随机模糊数和多维高斯随机模糊向量的实用模型,并为组合、投影和平凡扩展推导了高斯随机模糊数和向量的公式。
Feb, 2022
本文提出一种新的犹豫模糊相似度测量方法,然后使用它来开发犹豫模糊相似度测量矩阵,进而使用工作程序对犹豫模糊图进行分类。我们通过应用犹豫模糊偏好关系(HFPRs)和一个不同的 HFPRs 之间的常规相似度程度来估算专家合适的声誉分值,并提供实时的数值例子来展示和验证我们的工作程序。
Apr, 2022
本研究提出了基于区间二型模糊逻辑的多标签分类模型,其中使用深度神经网络预测实例类型 - 1 模糊成员资格和模糊化器,以生成区间二型模糊成员资格,并提出一种损失函数来测量数据集中的二元标签和我们的模型生成的区间二型模糊成员资格之间的相似性。实验证明,我们的方法在多标签分类基准测试中优于基线。
Feb, 2023
犹豫模糊软 $eta$- 覆盖邻域在处理不确定信息和犹豫方面发挥了重要的作用,这篇文章引入了犹豫模糊软 $eta$- 覆盖和犹豫模糊软 $eta$- 邻域的概念,并探讨了相关属性。此外,通过将犹豫模糊粗糙集结合,引入了犹豫模糊软 $eta$- 覆盖的特定变体,并探索了与之相关的属性。
Mar, 2024