Consensus and Consistency Level Optimization of Fuzzy Preference Relation: A Soft Computing Approach
Dr. B.C. Roy Engg. College（B.C. 罗伊工程学院）；National Institute of Technology Durgapur（杜尔加普尔国立理工学院）
在群决策问题中，模糊偏好关系被广泛用于表示决策者对方案集的意见。为了避免误导性的解决方案，研究一致性和共识就成为一个非常重要的方面。本文提出了一种基于模拟退火（SA）的软计算方法来优化一个完整的模糊偏好关系的一致性/共识水平（CCL），以解决GDM问题。一致性水平表征专家的偏好质量，一致性水平衡量专家意见的一致程度。本研究还建议了一套专家在他们规定的偏好结构进行必要的修改，没有任何主持人的干预。
2014-08-26 cs.AI
New Trends in Neutrosophic Theory and Applications
中性论的理论和应用正以惊人的速度向各个方向扩展，特别是在《中性集与系统》杂志问世之后。新的理论、技术、算法得到了迅速发展。模糊集理论中最引人注目的趋势之一是模糊集与其他潜在集如粗糙集、双极集、软集、犹豫模糊集等的杂交，在很短的时间内文献中提出了粗糙模糊集、单值模糊粗糙集、双极模糊集、单值模糊犹豫模糊集等不同的杂交结构。Neutrosophic集在数据采掘、决策制定、电子学习、工程、医学、社会科学等各个领域都是一个非常重要的工具。这本书的新趋势在中性理论和应用的重点是理论，方法，算法决策，也涉及到神经网络信息的应用。有些主题涉及数据采掘、决策制定、电子学习、图论、医疗诊断、概率论、拓扑学等。
2016-11-23 cs.AI
Rock mechanics modeling based on soft granulation theory
Amirkabir University of Technology（阿米尔卡比尔理工大学）
本文介绍了信息粒化理论在岩石工程流程图设计中的应用。首先，基于信息粒化理论，给出了系统的总体流程图。信息粒化理论以清晰（非模糊）或模糊的形式，在设计过程的每一步都能考虑到工程经验（特别是模糊形式--信息不完全或多余）或工程判断，并采用适当的仪器建模。以这种方式和软建模工具的扩展，使用自组织映射（SOM），神经模糊推理系统（NFIS）和粗糙集理论（RISK）的三种组合，从监测数据集的清晰和模糊颗粒。我们的算法的主要重点是平衡的清晰（粗糙或非模糊）颗粒和子模糊颗粒，在非模糊信息（初始粒）的开闭迭代。使用不同的标准，平衡最好的颗粒（信息袋），得到。我们提出的方法，在伊朗Shivashan大坝岩体原位渗透率的数据集的验证已经突出。
2008-05-29 cs.AI
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
Predicting Suicide Attacks: A Fuzzy Soft Set Approach
National University of Sciences and Technology (NUST)（国立科技大学（NUST））
本文建立了一个决策支持系统模型，预测在一个给定的城市集合中自杀式袭击的发生。该系统包括两个部分。第一部分对影响预测的因素进行了分析和识别。承认不完全信息和专家使用语言术语，作为这个特殊的预测问题的两个特征，我们利用模糊软集理论。因此，模型的第2部分是一个算法vz。FSP将第1部分中给出的因素评估作为输入，并生成可能发生事故的城市的可能性概况。算法复杂度为O（2^n）。并通过一个具体的算例进行了说明。该算法的仿真结果已经提出了洞察FSP的优点和缺点。在我们的讨论中，三种不同的决策措施进行了模拟和比较。
2010-07-28 cs.AI
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
Fuzzy Soft Set Theory based Expert System for the Risk Assessment in Breast Cancer Patients
Nanjing University of Science & Technology（南京理工大学）
提出基于模糊软集理论的专家系统，利用常规血液分析参数评估乳腺癌风险，帮助识别高风险患者并指导活检等后续诊断。
2025-11-04 cs.AI
Uncertainty in Soft Temporal Constraint Problems:A General Framework and Controllability Algorithms for the Fuzzy Case
University of Padova（帕多瓦大学）；SRI International（SRI国际）
在现实生活中的时间场景中，不确定性和偏好往往是必不可少的和共存的方面。我们提出了一个形式主义，定量的时间约束的偏好和不确定性可以定义。我们展示了如何控制性的三个经典概念（即，强，弱，动态），这已经发展为不确定的时间问题，可以推广到处理偏好。在定义了这个一般框架之后，我们专注于偏好遵循模糊方法的问题，并具有确保易处理性的属性。对于这样的问题，我们提出了算法来检查的可控性属性的存在。特别是，我们表明，在这样的设置同时处理的偏好和不确定性不会增加可控性测试的复杂性。我们还开发了一个动态的执行算法，多项式的复杂性，产生时间计划的不确定性，是最佳的模糊偏好。
2011-10-10 cs.AI
A Soft Computing Model for Physicians' Decision Process
本文提出了一种软计算技术，主要是Zadeh教授[16]的模糊集理论在医学专家系统问题上的应用。选择的问题是设计一个医生的决策模型，它可以采取明确的，以及模糊的数据作为输入，不同于传统的模型。作者提出了一个数学模型的基础上模糊集理论的医生辅助评估的一个完整的代表性的信息，从最初的采访，包括病人过去的历史，目前的症状，并观察到的体征后，体检和临床和诊断测试的结果。
2010-05-21 cs.AI
Short Term Load Forecasting Models in Czech Republic Using Soft Computing Paradigms
本文提出了一个比较研究的软计算模型，即多层感知器网络，Elman递归神经网络，径向基函数网络，Hopfield模型，模糊推理系统和混合模糊神经网络的捷克共和国的小时电力需求预测。使用七年的实际小时负荷数据对软计算模型进行了训练和测试。提出的技术预测提前2天的电力需求的比较。仿真结果表明，混合模糊神经网络和径向基函数网络是电力需求分析和预测的最佳选择。
2004-05-16 cs.AI
Softening Fuzzy Knowledge Representation Tool with the Learning of New Words in Natural Language
ERPAH-FST & DMI-IPEIM（ERPAH-FST与DMI-IPEIM）
这里描述的方法允许使用隶属度函数来表示不精确和不确定的知识，通过学习模糊语义网络。这种表示具有很大的实际意义，因为一方面可以实现从一个简单的值来构造这种隶属函数，该值表示与其他值相比对对象或目标的解释程度，另一方面可以实现在学徒期间对隶属函数的调整。我们展示了如何使用这些隶属函数来表示与系统对象（分别为目标）相比的对象（分别为目标）用户的解释。我们还展示了一个系统对象相比，用户对象的每个表示作出决定的可能性。该决策是通过确定根据用户对象隶属函数的核计算的决策系数来做出的。
2012-06-08 cs.AI
A Neuro-Fuzzy Approach for Modelling Electricity Demand in Victoria
由于智能系统的需求日益增长，模糊神经系统引起了科学和工程领域研究人员的广泛兴趣。本文评估了使用两种流行的软计算技术和传统的统计方法的基础上Box-詹金斯自回归综合移动平均（ARIMA）模型预测电力需求在澳大利亚维多利亚州。考虑软计算方法是一个进化的模糊神经网络（EFuNN）和人工神经网络（ANN）训练使用缩放共轭梯度算法（CGA）和反向传播（BP）算法。预测精度与维多利亚电力交易所（VPX）和实际能源需求的预测进行了比较。为了进行评估，我们考虑了连续10个月的负荷需求模式，每30分钟进行一次，以训练不同的预测模型。测试结果表明，神经模糊系统的性能优于神经网络，ARIMA模型和VPX预测。
2004-05-05 cs.AI
Speech Signal Filters based on Soft Computing Techniques: A Comparison
Manav Rachna College of Engg（马纳夫拉赫纳工程学院）；K L University（K L 大学）
本文对用于语音信号滤波和增强的各种软计算技术进行了比较。属于软计算的三种主要技术是神经网络、模糊系统和遗传算法。其他混合技术，如神经模糊系统也是可用的。一般来说，软计算技术已经被实验观察到在鲁棒性和准确性方面与非软计算技术相比给出了远远优越的性能。
2012-09-20 cs.AI
Fuzzy Soft Set Based Classification for Gene Expression Data
分类是数据采掘研究领域的主要问题之一。医学领域中的分类问题通常是根据医生的诊断结果或治疗描述对医学数据集进行分类。本研究工作讨论了乳腺癌、肺癌和白血病三种不同癌症的基因表达数据的分类过程，分为癌期和非癌期两类。我们应用了一个基于模糊软集相似性的分类器来提高癌症基因之间的分期预测的准确性，并通过Entopy过滤来选择有信息的基因。
2013-01-08 cs.AI cs.CE
Applying Fuzzy ID3 Decision Tree for Software Effort Estimation
Mohammed Vth –Souissi University（穆罕默德五世苏伊西大学）；ENSIAS（国立应用科学与技术学院）
Web工作量估算是一个预测任何软件项目系统在资金、进度和人员方面的工作量和成本的过程。在过去的三十年里，许多估算模型已经被提出，并且被认为是必须的，以用于：预测，风险分析，项目计划和控制，以及项目改进投资分析。本文研究了模糊ID3决策树在软件成本估算中的应用，该模型结合了ID3决策树的原理和模糊集合论的概念，使模型在描述软件项目时能够处理不确定和不精确的数据，大大提高了估算的准确性。MMRE和Pred被用作本研究预测准确性的测量。一系列的实验报告使用两个不同的软件项目数据集，即Tukutuku和COCOMO'81数据集。将结果与ID3决策树的简洁版本所产生的结果进行比较。
2011-11-01 cs.AI cs.SE
Solution of System of Linear Equations - A Neuro-Fuzzy Approach
Meghnad Saha Institute of Technology（梅格纳德·萨哈技术学院）；Netaji Subhas Open University（苏巴斯·钱德拉·鲍斯开放大学）；St. Xavier’s College（圣沙勿略学院）
神经模糊建模在决策、工程和管理科学等领域有着广泛的应用，特别是在涉及复杂线性代数方程组的决策中，神经模糊建模技术的应用具有重要意义。本文提出了一种基于Polak-Ribiere共轭梯度的带有模糊规则的神经网络来求解线性代数方程组。这是使用模糊反向传播学习规则来实现的。实现结果表明，所提出的神经模糊网络产生的精确确定，欠定和超定线性方程组的有效解决方案。这一事实证明了计算复杂性分析的神经模糊算法。利用MATLAB软件对该算法进行了有效的仿真。据我们所知，这是第一次工作的线性代数方程组使用神经模糊建模。
2013-04-26 cs.AI
An extended MABAC for multi-attribute decision making using trapezoidal interval type-2 fuzzy numbers
National Institute of Technology, Durgapur（杜尔加布尔国家理工学院）
在本文中，我们试图扩展多属性边界近似区域比较（MABAC）方法的多属性决策（MADM）问题的基础上，类型2模糊集（IT2FS）。作为IT 2FS的特殊情况，本文采用区间2型梯形模糊数（IT 2TrFN）来处理许多实际评估和选择问题中存在的不确定性。在当前的研究中，提出了基于IT2TrFN的MABAC的系统描述。以某软件公司招聘系统分析工程师为例，说明了该方法的有效性和可行性。最后，与其他两个现有的MADM方法进行了比较。
2016-12-02 cs.AI
Symptom based Hierarchical Classification of Diabetes and Thyroid disorders using Fuzzy Cognitive Maps
St. Francis Institute of Technology（圣弗朗西斯理工学院）
模糊认知图（FCM）是一种软计算技术，它遵循类似于人类推理和人类决策过程的方法，使其成为一种有价值的建模和仿真方法。医疗决策系统是一个复杂的系统，由许多因素组成，这些因素可能是互补的，矛盾的，竞争的;这些因素相互影响，并以不同的程度决定整体诊断。因此，FCM适合于医疗决策支持系统的建模。因此，拟议的工作使用以分层结构排列的FCM对糖尿病、甲状腺疾病及其亚型进行分类。亚型包括1型和2型糖尿病和甲状腺功能亢进症和甲状腺功能减退症的甲状腺。
2021-08-08 cs.AI
Optimal Release Time Decision from Fuzzy Mathematical Programming Perspective
University of Delhi（德里大学）；Rajdhani College（拉杰丹尼学院）
对高可靠性软件的需求需要严格的测试，其次是对软件质量预测的鲁棒建模技术的要求。一方面，企业必须通过积极的测试来稳定地管理可靠性，最佳发布时间的确定是他们最关心的问题。在过去的许多模型已经开发和大量的研究一直致力于软件发布时间的评估。然而，大部分的工作涉及脆研究。本文研究了用模糊逻辑进行投放时间预测的问题。在这里，我们已经制定了一个模糊发布时间问题，考虑成本的测试下的保修期的影响。结果表明，模糊模型具有良好的适应性。
2015-09-27 cs.AI math.OC
A Concurrent Fuzzy-Neural Network Approach for Decision Support Systems
决策是一个在多准则目标的复杂问题中进行选择的过程。在过去的几年里，人们越来越认识到软计算技术是智能系统的概念、设计和利用的基础。工程师和科学家们已经做了一些工作，应用智能技术和数学从不精确的信息中获得最佳决策。本文提出了一种结合无监督学习和监督学习技术的并行模糊神经网络方法来开发战术空战决策支持系统（TACDSS）。实验结果清楚地证明了所提出的技术的效率。
2004-05-06 cs.AI
A novel framework for MCDM based on Z numbers and soft likelihood function
本文针对不确定环境下多准则决策中的信息融合问题，提出一种基于Z数、模糊隶属度信息量和可信度测度的软似然函数新框架，并通过应用实例和对比实验验证其有效性与优越性。
2024-12-26 cs.AI
An Adaptive Neuro-Fuzzy System with Integrated Feature Selection and Rule Extraction for High-Dimensional Classification Problems
China University of Petroleum (East China)（中国石油大学（华东））；Indian Statistical Institute（印度统计研究所）
模糊或神经模糊系统的一个主要限制是它们无法处理高维数据集。这主要是由于使用了T范数，特别是乘积或最小值（或它的较软版本）。因此，几乎没有任何工作处理维度超过一百左右的数据集。在这里，我们提出了一个神经模糊的框架，可以处理数据集的维度甚至超过7000！在这种情况下，我们提出了一个自适应softmin（Ada-softmin），有效地克服了现有的模糊系统在处理高维问题时出现的"数值下溢”和"假最小值”的缺点。我们称之为自适应Takagi-Sugeno-Kang（AdaTSK）模糊系统。然后，我们装备的AdaTSK系统进行特征选择和规则提取在一个集成的方式。在这种情况下，一个新的门函数被引入，并嵌入在随后的部分，它可以确定有用的功能和规则，在两个连续的学习阶段。与传统的模糊规则库，我们设计了一个增强的模糊规则库（En-FRB），它保持足够的规则，但不增长的规则数量与维度，通常发生的模糊神经网络。集成的特征选择和规则提取AdaTSK（FSRE-AdaTSK）系统包括三个连续的阶段：（i）特征选择，（ii）规则提取，和（iii）微调。FSRE-AdaTSK的有效性证明了19个数据集，其中5个是在超过2000的维度，包括两个维度大于7000。这可能是第一次模糊系统实现的分类涉及超过7000个输入功能。
2022-01-10 cs.AI cs.LG
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
Relations on FP-Soft Sets Applied to Decision Making Problems
Aralık University（7阿拉克大学）；Gaziosmanpaşa University（加齐奥斯曼帕夏大学）
在这项工作中，我们首先定义的模糊参数化软集上的关系，并研究其性质。并给出了基于这些关系的决策方法。在近似推理中，模糊参数化软集上的关系已被证明是至关重要的。最后，将该方法成功地应用于一个含有不确定性的问题.
2014-02-13 cs.AI math.LO
A new soft computing method for integration of expert's knowledge in reinforcement learn-ing problems
Sharif University of Technology（谢里夫理工大学）；Iran University of Science and Technology（伊朗科技大学）；Ferdowsi University of Mashhad（马什哈德菲尔多西大学）
本文提出了一种新的模糊动作选择方法，利用人类知识的强化学习问题。基于对当前动作-状态值的估计，提出的模糊非线性映射将动作集合中的每个成员分配给其在下一步中被选择的概率。引入用户可调参数来控制动作选择策略，该策略决定了Agent在整个学习过程中的贪婪行为。该参数类似于softmax动作选择策略中的温度参数的作用，但是其调整过程可以更加面向知识，因为该参数通过在模糊规则库中进行修改来将人类知识反映到学习代理中。仿真结果表明，包括模糊逻辑内的强化学习在所提出的方式提高了学习算法的收敛速度，并提供优越的性能。
2021-06-13 cs.AI cs.RO
Unconventional Cognitive Intelligent Robotic Control: Quantum Soft Computing Approach in Human Being Emotion Estimation -- QCOptKB Toolkit Application
Institute of System Analysis and Management, Dubna State University（杜布纳国立大学系统分析与管理研究所）；Joint Institute for Nuclear Research (JINR)（联合核研究所）；Moscow State University of Geodesy and Cartography (MIIGAiK)（莫斯科测绘与制图大学）；Yamaha Motor Co. Ltd.（雅马哈发动机株式会社）
本文提出融合量子自组织知识库与模糊推理的智能认知控制策略，以提升危险情境下机器人协作系统的鲁棒性，并展示其在车载嵌入式控制和认知头盔神经接口驾驶中的应用。
2023-06-14 cs.AI cs.RO quant-ph
Advancing Uncertain Combinatorics through Graphization, Hyperization, and Uncertainization: Fuzzy, Neutrosophic, Soft, Rough, and Beyond
本书通过引入neutrosophic超集等新概念，扩展了图论和集合论在不确定性和超结构中的应用，为组合学和不确定性理论提供了新的研究方向。
2026-02-22 cs.AI cs.DM cs.LG
Gray Image extraction using Fuzzy Logic
Indian Institute of Science Education and Research, Pune（印度科学教育与研究学院浦那分校）；Visva-Bharati University（维斯瓦巴拉蒂大学）；RCC Institute of Information Technology（RCC信息技术学院）
模糊系统涉及表示和处理语言信息中的不确定性和不精确性的基本方法。使用模糊规则来表示问题的领域知识的模糊系统被称为模糊规则库系统（FRBS）。另一方面，由于各种原因，图像分割和随后的从受噪声影响的背景中提取，在各种软计算方法的帮助下，是相对较新且相当流行的。这些方法包括各种人工神经网络（ANN）模型（本质上主要是监督的）、基于遗传算法（GA）的技术、基于强度直方图的方法等。文献表明，在这方面的努力似乎相当初级。在本文中，我们提出了一个模糊规则指导的新技术，是功能没有任何外部干预在执行过程中。实验结果表明，这种方法是一种有效的相比，不同的其他技术广泛地在文献中。为了证明我们提出的技术在其竞争对手方面的性能至高无上，我们采取有效的指标，如均方误差（MSE），平均绝对误差（MAE），峰值信噪比（PSNR）。
2012-06-20 cs.AI cs.CV
