Bipolar Fuzzy Soft sets and its applications in decision making problem
Quaid-i-Azam University(真纳大学)
在这篇文章中,我们结合了双极模糊集和软集的概念。我们引入了双极模糊软集的概念,并研究了它的基本性质。研究了双极模糊软集上的基本运算。定义了两个双极模糊软集的扩张并、交。并给出了双极模糊软集在决策问题中的应用。给出了利用双极模糊软集求解决策问题的一般算法。
2013-03-23 cs.AI
A Counterexample to the Forward Recursion in Fuzzy Critical Path Analysis Under Discrete Fuzzy Sets
Villanova University(维拉诺瓦大学)
模糊逻辑是量化与活动持续时间有关的不确定性的另一种方法。向后递归的模糊版本已被证明会产生错误地放大不确定性水平的结果。然而,模糊版本的前向递归已被广泛提出作为一种方法来确定模糊集的关键路线长度。本文直接应用可拓原理导出了模糊关键路线分析中必须满足的一个命题。使用一个反例,它表明,模糊前向递归离散模糊集被用来表示活动持续时间产生的结果是不一致的理论。这个问题被证明是模糊最大值的应用。在文献中提出的几种方法进行了描述,并显示提供的结果是一致的扩展原则。
2016-05-09 cs.AI
Decision-making algorithm based on the energy of interval-valued fuzzy soft sets
Faculty of Science, University of Kragujevac(克拉古耶瓦茨大学理学院)
本文提出基于区间值模糊软集能量的决策算法,引入悲观与乐观能量,通过实例验证其在不确定性决策中的有效性,并与其他方法比较。
2024-05-17 cs.AI
A Fuzzy Directional Distance Measure
University of Nottingham(诺丁汉大学);Loughborough University(拉夫堡大学)
两个模糊集之间的距离度量是模糊集理论中的一个基本工具,然而,目前文献中的距离度量使用一个明确的值来表示模糊集之间的距离。将实值距离测度发展为模糊距离测度,更好地反映了模糊集合中的不确定性,并提出了模糊方向距离测度,说明了模糊集合之间的变化方向。一个乘法的版本,探索了一个完整的最大分配是计算上难以处理的,所以提供了一个中间的解决方案。
2014-09-03 cs.AI
On the Granular Representation of Fuzzy Quantifier-Based Fuzzy Rough Sets
Ghent University(根特大学)
本文研究基于模糊量词的模糊粗糙集(FQFRS)的粒表示,发现Choquet型与OWA型在相同条件下可粒化,Sugeno型则始终可粒化,凸显其处理不一致数据与噪声的潜力。
2023-12-27 cs.AI
Approximate Equalities on Rough Intuitionistic Fuzzy Sets and an Analysis of Approximate Equalities
VIT University(维特大学);M.I.T.S.(米特学院)
为了使用户知识参与确定集合的相等性,集合在数学意义上可能不相等,Novotny和Pawlak([8,9,10])引入了三种近似(粗糙)等式。这些概念被Tripathy、Mitra和Ojha([13])推广,他们引入了集合的近似(粗糙)等价的概念。粗糙等价在比粗糙相等更高的层次上捕获集合的相等。在[14]中建立了这些概念的更多性质。Tripathy [12]结合这两类近似等式成立的条件,又引入了两类近似等式,并对它们的相对效率进行了比较分析。在[15]中,通过考虑粗糙模糊集而不是仅仅考虑粗糙集,扩展了四种近似等式。事实上,水平近似等式的概念被引入,并研究了性质。在本文中,我们进一步介绍和研究的近似等式的基础上粗糙直觉模糊集,而不是粗糙模糊集。即引入直觉模糊集的近似(粗糙)等式的概念,并研究其性质。我们提供了一些现实生活中的例子来展示粗糙的模糊集和直觉模糊集的粗糙等式的应用。
2012-05-26 cs.AI
Fuzzy Mnesors
Collège Saint-André(圣安德烈学院)
模糊记忆空间是正实数上的半模。它可以作为模糊集的理论框架。因此,我们可以证明模糊集的大量性质,而不需要依赖于隶属函数。
2009-05-02 cs.AI
On modeling vagueness and uncertainty in data-to-text systems through fuzzy sets
Centro Singular en Investigación en Tecnoloxías da Información (CiTIUS), Universidade de Santiago de Compostela(圣地亚哥-德孔波斯特拉大学信息技术研究中心);University of Aberdeen(阿伯丁大学);Universidade de Santiago de Compostela(圣地亚哥-德孔波斯特拉大学);University of Dundee(邓迪大学)
模糊性和不确定性管理被认为是从非语言数据生成文本的系统(称为数据到文本系统)中尚未解决的挑战之一。在过去的十年中,在模糊语言总结和描述数据的工作已经提出了使用模糊集建模和管理人类语言的不精确性在数据到文本系统的兴趣。然而,尽管在这个方向上的一些研究,还没有一个实际的明确的讨论和理由,模糊集如何有助于数据到文本的建模准确性和不确定性的话和表达式。本文旨在弥合这一差距,回答以下问题:什么是模糊集理论的意义?在数据到文本的上下文中,准确性意味着什么?模糊集理论在哪些方面可以帮助改进数据到文本系统?什么是挑战,研究人员从这两个学科需要解决一个成功的模糊集集成到数据到文本系统?在D2T中,在哪些情况下应避免使用模糊集?为此,我们回顾和讨论了自然语言生成和数据到文本中的模糊性建模的艺术状态,描述了模糊集在数据到文本上下文中的潜在和实际用途,并提供了一些额外的见解,利用基于模糊集的技术的数据到文本系统的工程。
2017-10-27 cs.AI
$(O,G)$-granular variable precision fuzzy rough sets based on overlap and grouping functions
Northwest A & F University(西北农林科技大学);Northwest Normal University(西北师范大学)
自从Bustince等人引入重叠和分组函数的概念以来,这两类聚集函数在理论和应用上都引起了人们的极大兴趣。本文首先基于重叠函数和分组函数给出了$(O,G)$ -粒度变精度模糊粗糙集($(O,G)$ -GVPFRSs)的描述.同时,为了有效地求出近似算子,利用模糊蕴涵和余蕴涵给出了上、下近似算子的另一种表达式。此外,从构造方法的角度出发,将$(O,G)$ -GVPFRSs表示为不同的模糊关系。最后,在一定的条件下,将粒变精度模糊粗糙集(GVPFRSs)的一些结论推广到$(O,G)$ -GVPFRSs.
2022-05-18 cs.AI
On three types of $L$-fuzzy $β$-covering-based rough sets
Northwest A & F University(西北农林科技大学);Northwest Normal University(西北师范大学)
本文主要构造了三种基于$L$ -模糊$β$ -覆盖的粗糙集模型,并研究了这三对基于$L$ -模糊$β$ -覆盖的粗糙近似算子的公理集、矩阵表示和相互依赖性。首先,通过引入交叉度和包围度的推广概念$β$ -交度和$β$ -包围度,提出了三对基于$L$ -模糊$β$ -覆盖的粗糙近似算子.然后,研究了这些基于$L$ -模糊$β$ -覆盖的粗糙近似算子的公理集。第三,给出了三种基于$L$ -模糊$β$ -覆盖的粗糙近似算子的矩阵表示,使得通过矩阵运算计算基于$L$ -模糊$β$ -覆盖的上下粗糙近似算子变得有效。最后,利用可约元和独立元的概念,研究了基于$L$ -模糊$β$ -覆盖的三对粗糙近似算子之间的相互依赖性.换句话说,我们提出的必要和充分条件下,两个$L$ -模糊$β$ -覆盖可以产生相同的上下粗糙近似运算。
2022-05-13 cs.AI
Uncertainty measures for probabilistic hesitant fuzzy sets in multiple criteria decision making
Quchan University of Technology(库昌理工大学);University of Melbourne(墨尔本大学)
本文批判性地回顾了现有的概率犹豫模糊集(PHFS)的熵测度,并证明了这些熵测度在某些情况下不能有效地区分各种不同的PHFS。在续集中,我们开发了一个新的公理化框架的熵措施的概率犹豫模糊元素(PHFEs)考虑两个方面的不确定性与PHFEs被称为模糊性和非特异性。对于每种不确定性,推导出一些公式,允许灵活选择PHFE熵措施。此外,在PHFE熵测度的基础上,我们引入了一些基于熵的距离测度,并将其用于比较分析部分。
2020-11-16 cs.AI
Computing Fuzzy Rough Set based Similarities with Fuzzy Inference and Its Application to Sentence Similarity Computations
IIT Delhi(德里印度理工学院)
在利用模糊粗糙集进行分析时,已经提出了一些计算两个模糊集之间相似度的研究方案。这些技术产生两个措施,即。低相似性和高相似性。而在大多数应用中,只有一个实体对进一步分析和得出结论是有用的。本文的目的是提出一种新的技术,结合模糊粗糙集的上下相似度的模糊推理机。将该方法应用于句子相似度计算问题,并在SICK2014数据集上进行了测试.
2021-07-02 cs.AI
Use of Fuzzy Sets in Semantic Nets for Providing On-Line Assistance to User of Technological Systems
Preparatory institute of engineering studies of Monastir(莫纳斯提尔工程研究预备学院)
本文的主要目的是开发一种新的语义网络结构,基于模糊集理论,用于人工智能系统,以提供有效的在线援助的新技术系统的用户。这种语义网络是用来描述一个“理想”的专家的知识,而模糊集是用来描述新手用户的近似和不确定的知识,谁干预匹配模糊标签的查询与类别从一个“理想”的专家。我们所考虑的技术系统是一个文字处理软件,其对象为“Word”,目标为“Cut”或“Copy”。我们建议考虑一组系统的目标作为一组语言变量,对应于一组可能的语言值的基础上的模糊集。因此,我们认为,这些可能的值对应于一组隶属函数的一组解释的水平。我们还提出了一种方法来衡量不同的模糊语言变量之间的相似度的相似对象的类中的语义网络的分区,使用户的模糊查询的诊断容易。
2012-06-05 cs.AI
Fuzzy numbers revisited: operations on extensional fuzzy numbers
Silesian University of Technology(西里西亚工业大学)
针对传统模糊数运算复杂度高、结果易失去原有特征、模糊扩散限制应用的问题,本文研究外延模糊数,定义其运算与关系运算符,给出应用示例并开源C++实现。
2025-10-22 cs.AI
Lattice embeddings between types of fuzzy sets. Closed-valued fuzzy sets
University of Granada(格拉纳达大学)
本文讨论了将模糊集上的Zadeh算子推广到区间值、集值和二型模糊集上的问题。也就是说,已知将FS视为SVFS或T2FS,其隶属度是单例不是保序的。然后,我们描述了一个家庭的格嵌入从FS到SVFS。或者,如果前单点的观点是必需的,我们重新制定犹豫模糊集的交集,并介绍我们所谓的闭值模糊集。这种新的模糊集扩展了标准的并和交。此外,它允许一起处理不同性质的隶属度,例如,闭区间和有限集。最后,所有这些结构被视为T2FS形成一个链的格。
2017-11-10 cs.AI cs.LO
Generalizing the Dempster-Shafer Theory to Fuzzy Sets
由于希望将Dempster-Shafer理论应用于证据强度通常不精确和模糊的复杂现实世界问题,已经进行了几次尝试来推广该理论。然而,D-S理论中的重要概念,即置信度函数和可信度函数是上概率和下概率,在这些推广中不再保留。在本文中,我们描述了一个广义的证据理论,在模糊集的置信度是通过最小化的模糊集的概率由一个基本的概率分配的约束下获得的。要制定一个模糊焦点元素的概率约束,我们将其分解成一组辅音非模糊焦点元素。通过将相容关系推广到可能性理论,我们能够证明我们推广到基于可能性分布的Dempster规则。我们的推广不仅扩展了D-S理论的应用,而且说明了一种方法,概率论和模糊集理论可以结合起来,以处理人工智能系统中的各种不确定性信息。
2013-03-27 cs.AI
Quantum Fuzzy Sets: Blending Fuzzy Set Theory and Quantum Computation
在这篇文章中,我们研究了一种方法,量子计算可以用来扩展类的模糊集。其核心思想是将量子寄存器的状态看作是给定集合的量子模糊子集的特征函数。当实单位区间嵌入Bloch球面时,每个模糊集自动成为量子模糊集。然而,一个通用的量子模糊集可以被看作是许多模糊集的叠加(可能是纠缠的),为建模不确定性提供了新的机会。在介绍了量子模糊集理论的主要框架之后,我们从我们的角度分析了模糊化和去模糊化的标准运算。最后,我们列出了量子模糊集在模式识别中的可能应用,以及量子模糊集理论纯研究的未来方向。
2006-04-16 cs.AI cs.LO
Modified Possibilistic Fuzzy C-Means Algorithm for Clustering Incomplete Data Sets
Telkom University(特卢克姆大学);AKBID Tahirah Al Baeti Bulukumba(塔希拉·阿尔·巴埃蒂助产学院布卢孔巴);Universitas Wijaya Kusuma Surabaya(泗水维贾亚·库苏马大学);Universitas Fajar(法贾尔大学)
可能性模糊c-均值聚类算法(PFCM)是针对模糊c-均值聚类算法(FCM)和可能性c-均值聚类算法(PCM)的不足而提出的一种可靠的聚类算法。PFCM算法克服了FCM算法对噪声敏感的缺点和PCM算法对重合聚类的缺点。然而,PFCM算法只能应用于聚类完整的数据集。因此,在这项研究中,我们提出了一个修改的PFCM算法,可以适用于不完整的数据集聚类。我们将PFCM算法修改为OCSPFCM和NPSPFCM算法,并在三个方面测量性能:1)准确率百分比,2)终止迭代次数,以及3)质心误差。结果表明,这两种算法都具有聚类不完备数据集的潜力.然而,NPSPFCM算法的性能优于OCSPFCM算法聚类不完整的数据集。
2020-07-15 cs.AI
Inaccuracy Minimization by Partioning Fuzzy Data Sets - Validation of Analystical Methodology
Adhiparasakthi College of Arts and Science(阿迪帕拉萨基艺术与科学学院);Vinayaka Mission(维纳亚卡使命会);Madras Institute of Technology(马德拉斯理工学院);Anna University(安娜大学)
在过去的二十年中,已经提出了一些方法的基础上模糊时间序列的预测。大多数的模糊时间序列方法被提出用于预测汽车道路交通事故。然而,现有的方法的预测准确率不够好。在本文中,我们提出了新的模糊时间序列预测方法与现有的方法进行了比较。我们的方法是基于手段基于划分的历史数据的汽车交通事故。该方法属于k阶时变方法。与现有方法相比,该方法对道路交通事故的预测准确率最高。
2010-05-24 cs.AI
An order-oriented approach to scoring hesitant fuzzy elements
本文提出了一种面向顺序的hesitant fuzzy元素评分方法,通过定义基于顺序的评分机制,解决了传统方法缺乏序理论基础的问题,并引入支配函数用于排序和群体决策。
2026-02-18 cs.AI
A Dynamic Survey of Fuzzy, Intuitionistic Fuzzy, Neutrosophic, Plithogenic, and Extensional Sets
本文系统回顾了模糊、直觉模糊、邻域模糊和多维模糊集的理论发展,旨在通过统一阐述激发新的研究思路和应用扩展。
2026-03-12 cs.AI cs.CE
Fuzziness, Indeterminacy and Soft Sets: Frontiers and Perspectives
Graduate Technological Educational Institute of Western Greece(西希腊高等技术教育学院)
本文介绍了从Zadeh的fuelanaAtanassov的直觉模糊集到Smarandache的不确定性和Molodstov的软集的主要步骤。通过实例,分别给出了模糊条件下评价与决策的两种混合方法,并分别以软集和实区间为工具。决策方法改进了Maji等人的早期方法。此外,它描述了如何拓扑空间的概念,最一般的类别的数学空间,可以扩展到模糊结构,以及如何推广的基本数学概念的极限,连续紧性和Hausdorff空间在这样的结构。特别是,模糊和软拓扑空间的定义和例子来说明这些推广。
2022-11-10 cs.AI
Reliable Classification with Conformal Learning and Interval-Type 2 Fuzzy Sets
School of Computer Science and Electronic Engineering(计算机科学与电子工程学院);University of Essex(埃塞克斯大学)
本文提出将保形学习与模糊规则系统结合用于分类,并探讨区间二型模糊集及系统微调对提升保形预测可靠性和输出质量的作用。
2025-04-21 cs.AI
Measuring Inter-group Agreement on zSlice Based General Type-2 Fuzzy Sets
University of Nottingham(诺丁汉大学)
最近,有很多研究通过模糊集(FS)在人类感知的不确定性建模。这项研究的大部分集中在允许受访者表达他们的(内部)不确定性使用的时间间隔。这里,取决于所使用的技术和被建模的不确定性的类型,可以获得不同类型的FS(例如,类型-1、间隔类型-2、一般类型-2)。可以说,最灵活的技术之一是区间一致性方法(IAA),因为它允许对所有受访者的感知进行建模,而无需做出诸如离群值去除或预定义的隶属函数类型(例如高斯)等假设。分析区间值数据的一个关键方面,实际上,基于IAA的协议模型,所述数据,是确定所有来源/参与者之间的协议的位置和强度。而以前,协议比被提出来衡量协议的强度在模糊集为基础的模型的区间数据,该措施只适用于1型模糊集。在本文中,我们扩展了协议比捕获的一般类型2模糊集建模时,使用IAA组间协议的程度。这一衡量方法依赖于使用一种相似性衡量方法,以定量表示某一金融服务中不同一致程度之间的关系。合成的例子,以证明这两个行为和计算的措施。最后,应用到现实世界的数据,以显示这种措施的潜力,以评估意见分歧的模糊概念时,参与者的异质群体。
2019-07-09 cs.AI
Reasoning with fuzzy and uncertain evidence using epistemic random fuzzy sets: general framework and practical models
Université de technologie de Compiègne(贡比涅技术大学);CNRS(法国国家科学研究中心);Institut universitaire de France(法兰西大学研究院)
提出认知随机模糊集通用理论以统一 Dempster-Shafer 理论与可能性理论,并引入 Gaussian 随机模糊数和向量作为可闭式计算的实用不确定性模型。
2024-05-07 cs.AI stat.ME
Interval-valued fuzzy soft $β$-covering approximation spaces
School of Management, Jiangsu University(江苏大学管理学院)
本文提出区间值模糊软$β$-覆盖近似空间概念,探究其邻域基本性质,研究四类基于该覆盖的模糊粗糙集并分析它们之间的关系,实现了多类模糊集与粗糙集理论的融合拓展。
2024-04-03 cs.AI math.GM
Foundational theories of hesitant fuzzy sets and families of hesitant fuzzy sets
School of Management, Jiangsu University(江苏大学管理学院);Business School, Sichuan University(四川大学商学院);School of Economics and Management, Jiangsu University of Science and Technology(江苏科技大学经济管理学院);School of Economics and Management, Nanjing University of Science and Technology(南京理工大学经济管理学院)
针对犹豫模糊集缺乏明确包含关系定义的问题,本研究基于其隶属度的离散形式提出多种包含关系,并介绍了犹豫模糊集及犹豫模糊集族的基础命题,完善了其集合论基础。
2025-04-18 cs.AI cs.IT cs.LG
Evaluating Evidential Reliability In Pattern Recognition Based On Intuitionistic Fuzzy Sets
University of Electronic Science and Technology of China(电子科技大学);Vanderbilt University(范德堡大学)
针对Dempster-Shafer理论中证据源可靠性估计及高冲突处理下分类效率不足的问题,结合直觉模糊集提出模糊可靠性指数FRI算法,通过量化BPA对正确决策的贡献推导可靠性,经对比验证其优越性与泛化性,为相关研究提供新视角。
2024-10-30 cs.AI
Fuzzy Rough Sets Based on Fuzzy Quantification
Ghent University(根特大学)
本文提出基于模糊量词的模糊粗糙集(FQFRS)模型,以改进VQFRS对噪声的敏感性,并通过YWI二元量化模型在分类任务中取得优于VQFRS且可与OWAFRS竞争的性能。
2022-12-06 cs.AI cs.LG
A New Penta-valued Logic Based Knowledge Representation
Tarom Company(塔罗姆公司)
本文提出了一种结合模糊集和五值逻辑思想的知识表示模型FP5。FP5表示不精确性质,其完成程度对于某些对象是不确定的、矛盾的或不确定的。介绍了合取、析取和求反的基本运算。关系到其他表示模型,如模糊集,直觉,次协调和双极模糊集进行了讨论。
2015-02-19 cs.AI
Uncertain Linear Logic via Fibring of Probabilistic and Fuzzy Logic
从一个简单的语义命题,计数观测的基础上,它表明,概率和模糊逻辑对应于两个不同的启发式假设的组合的命题的证据基础是目前不可用。这两种不同的启发式假设导致两组不同的公式,用于通过格运算传播定量真值。结果表明,这两组公式为线性逻辑中的乘法和加法算子集提供了一个自然的基础。然后,线性逻辑的标准规则作为底层语义的结果出现。线性逻辑作为“资源逻辑”的概念在这里通过“证据守恒”原则来体现--线性逻辑中对弱化和收缩的限制有助于避免证据的重复计算(超出通过使用启发式真值价值函数而引起的任何重复计算)。
2020-09-28 cs.AI
Belief functions induced by random fuzzy sets: A general framework for representing uncertain and fuzzy evidence
Université de technologie de Compiègne(贡比涅技术大学);CNRS UMR 7253 Heudiasyc(法国国家科学研究中心联合研究单位7253 赫迪亚西克实验室);Shanghai University(上海大学);UTSEUS(上海大学中欧工程技术学院);Institut universitaire de France(法兰西大学研究院)
我们重温扎德的概念,“第二类证据”,并表明它提供了基础的一般理论的认知随机模糊集,概括了Dempster-Shafer理论的信念函数和可能性理论。从这个角度来看,Dempster-Shafer理论处理随机集生成的信念函数,而可能性理论处理模糊集诱导的信念函数。更一般的理论使我们能够代表和组合的证据,是不确定的和模糊的。我们证明了这种形式主义的统计推断的应用,并表明,它使得有可能调和的可能性解释的可能性与贝叶斯推断。
2020-10-16 cs.AI math.ST stat.TH
Kernels on fuzzy sets: an overview
IBM Research(IBM研究院);University of Sao Paulo(圣保罗大学);INSA de Rouen(鲁昂国立应用科学学院)
本文引入模糊集上的核的概念,作为$[0,1]$值函数的相似性度量,也称为模糊集上的核。\emph{membership functions of fuzzy sets}。我们定义了以下几类核:模糊集上的叉积核、交集核、非单点核和基于距离的核。这些内核适用于机器学习和数据科学任务,其中数据中的不确定性具有本体或认识论解释。
2019-07-30 cs.AI cs.LG stat.ML
Choquet-Based Fuzzy Rough Sets
Ghent University(根特大学)
本文提出基于Choquet的模糊粗糙集(CFRS),推广OWA方法以增强鲁棒性,保持对偶性与单调性,并支持集成离群检测算法。
2022-02-22 cs.AI cs.LG
Fuzzy Sets Across the Natural Language Generation Pipeline
Centro Singular de Investigación en Tecnoloxías da Información (CiTIUS)(信息科技卓越研究中心(CiTIUS));Universidade de Santiago de Compostela(圣地亚哥德孔波斯特拉大学)
我们探讨了使用模糊技术(主要是那些常用的语言描述/总结的数据学科)从自然语言生成的角度来看的影响。为此,我们提供了一个广泛的讨论,一些一般的收敛点和探索的不同任务之间的关系,涉及在标准的NLG系统管道架构和最常见的模糊方法中使用的语言总结/描述的数据,如模糊量化的报表,评估标准或聚合运算符。每个单独的讨论都用相关的用例进行了说明。最近的工作在这两个研究领域的交叉施肥的背景下也被引用。本文包含了一般的想法,出现了博士论文的一部分“应用模糊集的数据到文本系统”。它没有提出具体的应用或正式的方法,而是讨论了当前的高级问题和模糊集(重点是数据的语言摘要)在自然语言生成中的潜在用途。
2016-05-17 cs.AI cs.CL
Quantum Fuzzy Sets Revisited: Density Matrices, Decoherence, and the Q-Matrix Framework
本文重新审视量子模糊集,引入密度矩阵和Q矩阵,探讨退相干现象及量子模糊集的结构特性。
2026-03-22 cs.AI quant-ph
On the incorporation of interval-valued fuzzy sets into the Bousi-Prolog system: declarative semantics, implementation and applications
University of the Bío-Bío(比奥比奥大学);University of Dundee(邓迪大学);Universidade de Santiago de Compostela(圣地亚哥德孔波斯特拉大学)
在本文中,我们分析的好处,将区间值模糊集的Bousi-Prolog系统。语法,声明性语义和实现此扩展,并提出和形式化。我们表明,通过使用潜在的应用程序,模糊逻辑编程框架与他们增强,可以正确地与词汇资源和本体一起工作,以提高他们的知识表示和推理的能力。
2017-11-08 cs.AI cs.CL cs.PL
Driving Style Recognition Using Interval Type-2 Fuzzy Inference System and Multiple Experts Decision Making
University of São Paulo(圣保罗大学)
本文提出一种基于区间二型模糊推理系统与多专家决策的驾驶风格识别方法,将驾驶员分为平静、中等和激进三类,实验表明该方法倾向于识别较低运动学特征的驾驶风格,且比一型模糊系统更鲁棒。
2022-07-13 cs.AI cs.LG cs.RO
A Hypervolume Based Approach to Rank Intuitionistic Fuzzy Sets and Its Extension to Multi-criteria Decision Making Under Uncertainty
Istanbul Technical University(伊斯坦布尔理工大学)
本文证明了非线性距离函数下直觉模糊集距离排序假设的缺陷,提出基于超体积的排序方法及多准则决策扩展HVAS,并应用于土耳其能源评估与TOPSIS等方法比较。
2022-12-25 cs.AI math.LO
On Integrating Fuzzy Knowledge Using a Novel Evolutionary Algorithm
Khulna University of Engineering & Technology(库尔纳工程技术大学)
模糊系统可以被认为是基于知识的系统,它通过模糊规则和模糊隶属函数将人类知识纳入其知识库。本研究的目的是提出一个模糊知识集成框架,使用一种新的进化策略(NES),它可以同时集成多个模糊规则集及其隶属函数集。该方法包括两个阶段:模糊知识编码和模糊知识集成。四个应用领域,肝炎诊断,甘蔗育种预测,鸢尾属植物分类,井字棋残局被用来显示所提出的知识方法的性能。实验结果表明,该方法得到的模糊知识库比基于遗传算法的模糊知识库具有更好的性能。
2013-04-28 cs.AI cs.NE
IT2CFNN: An Interval Type-2 Correlation-Aware Fuzzy Neural Network to Construct Non-Separable Fuzzy Rules with Uncertain and Adaptive Shapes for Nonlinear Function Approximation
Shahid Beheshti University(沙希德·贝赫什提大学)
本文提出了一种新的区间二型模糊神经网络,它能够构造形状自适应的不可分模糊规则。为了反映不确定性,模糊集的形状被认为是不确定的。因此,提出了一种新的区间二型模糊集的形式,基于一般的高斯模型,能够构建不同的形状(包括三角形,钟形,梯形)。考虑到输入变量之间的相互作用,输入向量被转换到新的特征空间与不相关的变量适当的定义每个模糊规则。接下来,新的功能被馈送到模糊化层使用建议的区间类型2模糊集自适应形状。从而,区间型2不可分离的模糊规则,形成适当的形状,考虑到局部变量的相互作用和不确定性。对于类型约简,每个模糊规则的上下点火强度的贡献被分别自适应地选择。为了训练网络的不同参数,采用了Levenberg-Marquadt优化方法。该方法的性能进行了研究,清洁和噪声数据集显示的能力,考虑的不确定性。此外,所提出的范例,成功地应用于现实世界的时间序列预测,回归问题,和非线性系统辨识。根据实验结果,我们提出的模型的性能优于其他方法具有更简约的结构。
2021-12-21 cs.AI cs.LG
A two-stage architecture for stock price forecasting by combining SOM and fuzzy-SVM
Hue University(顺化大学)
提出了一种基于自组织映射(SOM)和模糊支持向量机(f-SVM)相结合的股票价格预测模型。基于统计机器学习模型的模糊规则提取是该方法的基础。在该模型中,SOM被用来作为一个聚类算法,整个输入空间划分成几个不相交的区域。对于每个分区,一组模糊规则提取的基础上的f-SVM组合模型。然后,模糊规则集被用来预测的测试数据使用模糊推理算法。所提出的方法的性能进行了比较,与其他模型使用四个数据集
2014-08-22 cs.AI cs.LG
Conflict Analysis for Pythagorean Fuzzy Information Systems with Group Decision Making
Tongji University(同济大学);Changsha University of Science and Technology(长沙理工大学)
与直觉模糊集相比,勾股模糊集具有更强的建模不确定性信息和知识的能力,但勾股模糊信息系统的冲突分析研究较少。在本文中,我们提出了三种类型的积极,中心和消极的联盟与不同的阈值,并举例说明如何构建积极,中心和消极的联盟。然后研究了基于贝叶斯最小风险理论的勾股模糊信息系统冲突分析。最后,我们研究了基于贝叶斯最小风险理论的勾股模糊信息系统群体冲突分析。
2017-07-12 cs.AI cs.IT math.IT
Multi-class granular approximation by means of disjoint and adjacent fuzzy granules
Ghent University(根特大学);University of Catania(卡塔尼亚大学);University of Portsmouth(朴茨茅斯大学);Poznań University of Technology(波兹南理工大学);Polish Academy of Sciences(波兰科学院)
在粒计算中,模糊集可以由尽可能接近原始模糊集w.r.t.的粒可表示集来近似。一个给定的接近度。这样的集合被称为粒度近似。在这篇文章中,我们介绍了不相交和相邻的颗粒的概念,我们研究了新的定义如何影响颗粒近似。首先,我们表明,新的概念是重要的二进制分类问题,因为它们有助于保持决策区域分离(不相交的颗粒),并在同一时间,以覆盖尽可能多的属性空间(相邻颗粒)。稍后,我们考虑多类分类问题的粒度近似,从而定义了多类粒度近似。最后,我们展示了如何有效地计算多类粒度近似的Eukasiewicz模糊连接。我们还提供了图形插图,以便更好地理解所介绍的概念。
2022-02-15 cs.AI cs.LG
Circular Pythagorean fuzzy sets and applications to multi-criteria decision making
Ankara Yıldırım Beyazıt University(安卡拉耶尔德勒姆贝亚泽特大学);Ankara University(安卡拉大学)
本文提出圆毕达哥拉斯模糊集作为圆直觉模糊集与毕达哥拉斯模糊集的推广,定义了集合运算、聚合算子及余弦相似度,并给出多准则决策方法,通过光伏电池选择案例验证其有效性。
2022-10-27 cs.AI cs.IT math.IT