基于优势关系的程度粗糙直觉模糊集模型研究
TP181; 针对经典粗糙直觉模糊集理论仅考虑了集合中的最小/最大隶属度与非隶属度,而忽略了介于二者之间的隶属度与非隶属度的问题,从程度粗糙集的角度对其进行了分析研究.首先,将程度粗糙集引入到经典粗糙直觉模糊集模型中,定义了 μ′(y)和ν′(y) ,将其与最小/最大之间的隶属度与非隶属度的值比较.然后,构建新的下、上近似,提出四个模型,即基于优势关系的I型、II型程度粗糙直觉模糊集模型和基于优势关系的I型、II型双论域程度粗糙直觉模糊集模型,讨论这些模型的相关性质.这些模型的边界域缩小了,也降低了模糊熵值.最后,通过实例验证了模型的有效性....
Saved in:
Published in | 计算机科学与探索 Vol. 13; no. 6; pp. 1070 - 1080 |
---|---|
Main Authors | , , , |
Format | Journal Article |
Language | Chinese |
Published |
"智慧商务与物联网技术"河南省工程实验室,河南 新乡 453007
2019
河南师范大学 计算机与信息工程学院,河南 新乡 453007 |
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | TP181; 针对经典粗糙直觉模糊集理论仅考虑了集合中的最小/最大隶属度与非隶属度,而忽略了介于二者之间的隶属度与非隶属度的问题,从程度粗糙集的角度对其进行了分析研究.首先,将程度粗糙集引入到经典粗糙直觉模糊集模型中,定义了 μ′(y)和ν′(y) ,将其与最小/最大之间的隶属度与非隶属度的值比较.然后,构建新的下、上近似,提出四个模型,即基于优势关系的I型、II型程度粗糙直觉模糊集模型和基于优势关系的I型、II型双论域程度粗糙直觉模糊集模型,讨论这些模型的相关性质.这些模型的边界域缩小了,也降低了模糊熵值.最后,通过实例验证了模型的有效性. |
---|---|
ISSN: | 1673-9418 |