Interval-valued q-Rung Orthopair Fuzzy Choquet Integral Operators and Its Application in Group Decision Making
Jiangxi University of Finance and Economics（江西财经大学）
用区间值q阶正射模糊集（IVq-ROFS）进行评价，使决策者更加灵活，为模糊决策提供了更广阔的应用空间。同时，Choquet积分是非可加集函数（模糊测度）来直接描述属性之间的相互作用，特别是在实际问题中存在大量属性之间具有相关性的问题，因此，本文提出了基于区间值q-阶正射模糊集Choquet积分的相关算子和群决策方法，首先，区间值q阶正射模糊Choquet积分平均算子（IVq-ROFCA）和区间值q-阶正射模糊Choquet积分几何算子（IVq-ROFCG），证明了它们的基本性质，并在IVq-ROFCA和IVq-ROFCG的基础上构造了几种算子。最后，通过高血压预警管理系统的实现，表明本文提出的算子和群决策方法能够处理现实中的复杂决策案例，决策结果与医生的诊断结果一致，而且，与其他算子的结果比较表明，所提出的算子和群决策方法是正确有效的，决策结果不受q值变化的影响。
2021-11-30 cs.AI
Hybrid Fuzzy-Linear Programming Approach for Multi Criteria Decision Making Problems
本文的目的是指出的有用性，应用线性数学制定的模糊多标准客观决策方法在组织业务活动。在这方面，线性规划的模糊参数建模的偏好为基础的隶属函数。本文首先介绍了模糊集理论的基本原理和模糊多目标决策模型的技术概念，并对模糊集理论的相关研究进行了介绍。此外，一个真正的案例研究的制造工厂和所提出的技术的实施。实证结果清楚地表明，在优化个人目标函数的模糊技术的优越性相比，非模糊方法。此外，对于所考虑的问题，最优解决方案有助于推断，通过将模糊性纳入线性规划模型中的约束中，或者在目标函数和约束中，与非模糊线性规划相比，为所获得的结果提供了类似（甚至更好）的满意度。
2004-05-05 cs.AI
Type-2 Fuzzy Set based Hesitant Fuzzy Linguistic Term Sets for Linguistic Decision Making
South Asian University（南亚大学）
基于词的计算方法在决策系统中具有很好的适用性。主要发现他们的基础上，在类型-1模糊集，计算与文字的方法采用类型-1模糊集的语义的语言术语。然而，2型模糊集已被证明是科学更适合在实际系统中表示语言信息。他们考虑到内部的不确定性，以及在语言信息来自一组专家的情况下，相互之间的不确定性。因此，在本文中，我们建议引入的语言术语的语义表示的区间2型模糊集的犹豫模糊语言术语集的框架内，导致2型模糊集的犹豫模糊语言术语集。我们还介绍了一种新的方法计算类型2模糊包络出多个区间型2模糊集梯形隶属函数。此外，建议的框架与区间型2模糊集上的供应商性能评估的情况下。由于人类主要参与供应链的整个过程，他们的反馈在决定许多因素时至关重要。在文章的最后，我们比较了我们提出的模型与各种现有的模型，并证明了前者的优点。
2020-02-26 cs.AI
The Application of Energy and Laplacian Energy of Hesitancy Fuzzy Graph Based on Similarity Measures in Decision Making Problems
Vellore Institute of Technology（韦洛尔理工学院）
本文定义了一种新的犹豫模糊相似测度，并利用它构造了犹豫模糊相似测度矩阵，然后利用工作过程对犹豫模糊图进行分类。我们建立了一个工作程序（算法），通过应用犹豫模糊偏好关系（HFPRs）和通常的相似度的一个不同的HFPRs彼此的，用于估计合格的信誉评分值的专家。作为最后一步，我们提供实时的数值例子来演示和验证我们的工作程序。
2022-04-28 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
The Effects of Perfect and Sample Information on Fuzzy Utilities in Decision-Making
University of California, Berkeley（加州大学伯克利分校）
在本文中，我们首先考虑贝叶斯框架和模型的“效用函数”的模糊随机变量。在此模型的基础上，我们定义了与每个动作相关联的“先验（模糊）期望效用”，以及相应的“后验（模糊）期望效用给定的样本信息从随机实验”。本文的目的是分析样本信息如何影响期望效用。这样，通过使用一些模糊偏好关系，我们得出结论，样本信息允许决策者增加平均期望效用。期望效用值的上界是当决策者有完全信息时。通过两个例子介绍了这项工作在人工智能领域的应用。
2013-03-27 cs.AI
Decision-theoretic rough sets-based three-way approximations of interval-valued fuzzy sets
Changsha University of Science and Technology（长沙理工大学）；Hunan University（湖南大学）
在实际应用中，经常会遇到区间值模糊集。在本文中，首先，我们提出了解释和理解区间模糊集的阴影集。我们还提供了一个分析的解决方案来计算对阈值搜索的框架中的阴影集的不确定性的平衡。其次，我们构造了区间值模糊集的基于误差的三向逼近。我们还提供了一个替代的决策理论公式计算的阈值对区间值损失函数转换成单值损失函数，其中所需的阈值计算通过最小化决策成本。第三，利用区间值损失函数计算区间值模糊集的基于误差的三向逼近。最后，通过几个实例说明了如何利用区间值损失函数对隶属度为区间值的对象采取行动。
2014-12-22 cs.AI
Solution of the Decision Making Problems using Fuzzy Soft Relations
Netaji Subhas Open University（内塔吉·苏巴斯开放大学）；St. Xavier’s College（圣沙勿略学院）
模糊建模已被广泛应用于工程管理科学和社会科学等领域，以解决许多涉及数据不精确性、不确定性和模糊性的决策问题。特别是，这种建模技术在决策问题中的应用具有显着的意义。这些问题已经解决了使用各种理论，如概率论，模糊集理论，粗糙集理论，Vague集理论，近似推理理论等，缺乏参数化的工具，由于他们不能成功地应用到这样的问题。软集的概念有一个很好的潜力，为这些问题的最佳解决方案。在此基础上，本文定义了软关系和模糊软关系的概念，并将其应用于决策问题的求解。讨论了模糊软关系相对于其他范式的优势。据我们所知，这是第一个模糊软关系的应用决策问题的工作。
2013-04-26 cs.AI
Adaptation of Mamdani Fuzzy Inference System Using Neuro - Genetic Approach for Tactical Air Combat Decision Support System
决策支持系统通常是用来解决多准则决策问题的。知识库是决策支持系统的重要组成部分，它包含了决策过程中使用的信息或数据。在这个领域，工程师和科学家已经应用了多种智能技术和算法，从不精确的信息中获得最佳决策。在本文中，我们提出了一种混合神经遗传学习方法的适应Mamdani模糊推理系统的战术空战决策支持系统（TACDSS）。一些仿真结果证明了学习技术的差异，并提供。
2004-05-06 cs.AI
A Feedback Integrated Web-Based Multi-Criteria Group Decision Support Model for Contractor Selection using Fuzzy Analytic Hierarchy Process
Federal University of Technology, Akure（阿库雷联邦理工大学）
提出了一种反馈集成的多准则群决策支持承包商选择模型。
2021-11-19 cs.AI
Higher order hesitant fuzzy Choquet integral operator and its application to multiple criteria decision making
Quchan University of Technology（古昌理工大学）；University of Melbourne（墨尔本大学）
通常，决策问题中涉及的标准是相互作用或相互依赖的，因此通过使用基于可加性度量的传统算子来聚合它们是不合乎逻辑的。另一方面，基于最近提出的一种新的模糊模糊集的扩展，即高阶模糊集（HOHFS），它允许给定元素的隶属度以几种可能的广义模糊集的形式定义，我们鼓励提出高阶犹豫模糊（HOHF）Choquet积分算子。该概念不仅考虑了高阶犹豫模糊论元的重要性，而且能够反映出这些论元之间的相关性。然后，详细讨论了HOHF Choquet积分算子的集结性质，并通过对社会经济发展的能源政策进行评估，提高了HOHF Choquet积分算子在决策中的应用。然后，效率的建议HOHF Choquet积分算子为基础的技术在一些现有的技术进一步验证采用另一个决策问题与技术的TODIM（葡萄牙语的互动和多准则决策的首字母缩写）。
2020-11-16 cs.AI
Super-Mixed Multiple Attribute Group Decision Making Method Based on Hybrid Fuzzy Grey Relation Approach Degree
University of Sciences（科技大学）；South China University of Technology（华南理工大学）
该方法与其它超混合多属性群决策模糊灰关联方法不同的是，所有的主、客观权重均由区间灰数确定，群决策是基于灰色TOPSIS法的相对贴近度、灰色关联法的相对贴近度和灰色关联法的相对隶属度，利用四维欧氏距离进行的。采用加权Borda法对四种方法的结果进行排序。最后通过实例验证了该方法的有效性。
2012-07-06 cs.AI
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
IFP-Intuitionistic fuzzy soft set theory and its applications
本文给出了直觉模糊参数化（IFP）直觉模糊软集的定义及其运算。然后，我们定义IFP-聚集算子，形成IFP-直觉模糊软决策方法，允许构建更有效的决策过程。
2016-04-17 cs.AI
Analytical Formulations for the Level Based Weighted Average Value of Discrete Trapezoidal Fuzzy Numbers
Dokuz Eylul University（多库兹·埃吕尔大学）；Sumgait State University（苏姆盖特国立大学）
在基于语言信息的模糊决策过程中，通常对离散模糊数进行运算。聚合和去模糊化操作是这些经常使用的操作中的一些。许多聚合和去模糊化运算符产生的结果独立于决策者的策略。另一方面，基于层次的加权平均（WABL）方法可以考虑层次权重和决策者的乐观策略。这为WABL算子提供了灵活性，并且通过机器学习，可以在决策者策略的方向上进行训练，从而为决策者产生更满意的结果。然而，为了确定WABL值，需要计算一些积分。在这项研究中，离散梯形模糊数的WABL的概念进行了研究，并已被证明的解析公式，以方便计算WABL值为这些模糊数。梯形及其特殊形式三角模糊数是模糊建模中最常用的模糊数类型，因此本研究对这类模糊数进行了研究。计算实例解释了理论结果。
2018-09-13 cs.AI
A Fuzzy Approach to the Specification, Verification and Validation of Risk-Based Ethical Decision Making Models
Dept. of Informatics, University of Bari ``Aldo Moro'', Bari, Italy（信息学院，巴勒莫大学，意大利）；Centro Interdipartimentale di Logica e Applicazioni (CILA), University of Bari ``Aldo Moro'', Bari, Italy（逻辑与应用研究中心（CILA），巴勒莫大学，意大利）
本文提出一种形式化方法，利用模糊Petri网对基于伦理风险评估的Ethical Decision Making模型进行规范、验证与确认，并通过医学案例说明了该方法的有效性。
2025-07-13 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
A Fuzzy Topsis Multiple-Attribute Decision Making for Scholarship Selection
State Islamic University of Sunan Kalijaga（苏南卡利加达国立伊斯兰大学）；University of Ahmad Dahlan（艾哈迈德·达兰大学）
由于学费越来越贵，申请奖学金的学生越来越多。因此，赞助商需要处理数百甚至数千份申请。为了解决这些问题，需要选择基于多个属性（准则）的方案。为了对这种模糊问题做出决策，可以应用模糊多属性决策（FMDAM）。在这项研究中，统一建模语言（UML）在FMADM与TOPSIS和加权产品（WP）的方法被应用到选择在Universitas伊斯兰Negeri Sunan Kalijaga的学术和非学术奖学金的候选人。使用的数据是清晰和模糊的数据。结果表明，TOPSIS法和加权积FMADM法可以用来选择最合适的候选人获得奖学金，因为该方法中应用的偏好值可以显示申请人具有最高的资格
2013-06-27 cs.AI
A integrating critic-waspas group decision making method under interval-valued q-rung orthogonal fuzzy enviroment
School of Software and Internet of Things Engineering, Jiangxi University of Finance and Economics（江西财经大学软件与物联网工程学院）
为权重和属性权重未知的多属性多目标群决策问题提供了一种新的工具。提出了一种基于Yager算子和CRITIC-WASPAS方法的区间值广义正交模糊群决策方法。该方法集成了Yager算子、CRITIC、WASPAS和区间值广义正交模糊群。它的优点在于给予决策者更大的自由度，避免决策者因权重而产生的偏见，并得到准确的评价。研究内容包括：将区间值广义距离度量方法扩展到相似性度量和决策方法的比较与应用中，提出了一种新的比较区间值广义正交模糊数大小的评分函数，并对已有的研究进行了进一步的拓展。提出的区间值Yager加权平均算子（IVq-ROFYWA）和Yager加权几何平均算子（IVq-ROFYWG）用于信息聚合。CRITIC-WASPAS结合了CRITIC和WASPAS的优点，不仅可以用于单个决策，而且可以作为群体决策的基础。对决策者权重矩阵的深入研究，克服了将决策作为一个整体考虑的缺点，对决策者的信息集合进行了加权。最后，将群体决策算法应用于高血压风险管理。结果与决策者的意见一致。实践和案例分析证明了本文方法的有效性。同时，与其他算子和决策方法进行了比较，证明了该方法的有效性和可行性。
2022-01-04 cs.AI
Sistem penunjang keputusan kelayakan pemberian pinjaman dengna metode fuzzy tsukamoto
决策支持系统（DSS）可以用来帮助解决半结构化或结构化的问题或决策。使用的方法是模糊冢本。PT Triprima Finance是一家从事服务业的公司，以机动车车主簿或汽车（注册）的形式提供抵押贷款。PT. Triprima Finance应考虑在总经理的同意下向其客户借款。这种批准需要很长时间，因为它们必须经过报告程序的许多阶段。PT Triprima Finance的决策活动通过人工分析流程进行。为了帮助克服这些问题，需要完备的方法在准确性和速度上决策贷款的可行性。为了克服这一点，需要开发一种新的系统，即决策支持系统冢本模糊方法。预计这将有助于卡波什科确定将作出的决定。
2015-05-30 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
Multiobjective Programming for Type-2 Hierarchical Fuzzy Inference Trees
ETH Zurich（苏黎世联邦理工学院）；Technical University of Ostrava（俄斯特拉发技术大学）；Machine Intelligence Research Labs（机器智能研究实验室）
提出了一种层次模糊推理树的设计方法。HFIT产生最佳树状结构，即，一种自然的层次结构，通过结合几个低维模糊推理系统（FIS）来简化。这种自然的分层结构提供了高度的近似精度。HFIT的建设分两个阶段进行。首先，基于非支配排序的多目标遗传编程（MOGP）被应用于获得一个简单的树结构（一个低复杂度的模型），具有较高的精度。其次，应用差分进化算法对得到的树的参数进行优化。在派生树中，每个节点获取不同的输入组合，其中进化过程控制输入的组合。因此，HFIT节点本质上是异构的，这导致由HFIT生成的规则之间的高度多样性。此外，HFIT提供了自动特征选择，因为它使用MOGP进行树的结构优化，该结构优化仅接受与数据中包含的知识相关的输入。HFIT研究的背景下，类型-1和类型-2 FIS，其性能进行了评估，通过六个应用问题。此外，建议的多目标HFIT进行了比较，从理论上和经验上与最近提出的FIS方法从文献中，如McIT 2FIS，TSCIT 2FNN，SIT 2FNN，RIT 2FNS-WB，eT 2FIS，MRIT 2NFS，IT 2FNN-SVR等。从所获得的结果，人们发现，HFIT提供了较低的复杂性和高精度的模型相比，大多数其他方法产生的模型。因此，建议HFIT是一个有效的和有竞争力的替代其他FIS的函数逼近和特征选择。
2017-05-16 cs.AI
Uncertainty Management for Fuzzy Decision Support Systems
University of Houston（休斯顿大学）
本文提出了一种新的模糊规则决策支持系统的不确定性管理方法：领域专家的知识由一组规则表示，这些规则通常涉及模糊和不确定的命题。命题的确定性用区间[a，b]表示，表示命题的概率至少为a，至多为b。介绍了用逻辑连接词“与”、“或”和“不”定义的模糊复合命题的总体确定性的计算方法和技巧。不同的推理模式应用模糊规则使用肯定前件进行了讨论。提供了用于组合已经从相同命题的不同规则接收的证据的不同算法。分析了该方法与其他方法的关系，并对该方法的知识获取和知识表示问题进行了详细讨论。一个基于规则的程序设计语言称为PICASSO，其中的方法是一个理论基础的基本概念，概述。
2013-03-27 cs.AI
Application of Fuzzy Assessing for Reliability Decision Making
Shahid Beheshti University（沙希德·贝赫什提大学）
本文提出了一种新的模糊评价方法，并将其应用于管理决策中。所提出的模糊方法建立的隶属函数的系统特性的备用可修系统。该方法用于从模糊可修系统中提取一系列常规的清晰区间，以满足系统期望的特性。这可以通过一组使用隶属函数的非线性参数规划来确定。当系统特性由隶属度函数控制时，为管理层提供了更多的信息，并且由于冗余系统被扩展到模糊环境，一般可修系统被更准确地表示，分析结果对设计者和实践者更有用。除备用系统外，主动冗余系统在很多情况下都有使用，因此本文有很多实际的应用实例。与其他研究不同的是，我们的模型提供了一个很好的估计值的基础上不确定的环境，使用模糊理论和传统的方法进行了比较讨论，也比较了并联（主动冗余）和串联系统在模糊世界中，当我们有备用冗余。当隶属函数区间不能显式求逆时，系统管理人员或设计人员可以指定感兴趣的系统特性，执行数值计算，检查相应的α-截集，并使用此信息来开发或改进系统过程。
2017-07-06 cs.AI
fEDM+: A Risk-Based Fuzzy Ethical Decision Making Framework with Principle-Level Explainability and Pluralistic Validation
Dept. of Informatics, University of Bari ``Aldo Moro'', Bari, Italy（信息学院，巴里阿尔多·莫罗大学）；Centro Interdipartimentale di Logica e Applicazioni (CILA), University of Bari ``Aldo Moro'', Bari, Italy（逻辑与应用跨部门中心（CILA），巴里阿尔多·莫罗大学）
fEDM+通过引入可解释性模块和多元验证框架，提升伦理决策的可解释性和鲁棒性，适用于伦理敏感AI系统的监督与治理。
2026-02-27 cs.AI
A new fuzzy multi-attribute group decision-making method based on TOPSIS and optimization models
Sichuan University（四川大学）
针对区间值直觉模糊集环境下的多属性群决策问题，提出一种基于TOPSIS和优化模型的新方法，通过建立优化模型确定专家与属性权重并计算改进贴近度指数以排序备选方案，充分发挥主客观赋权优势，经实例验证有效。
2023-11-27 cs.AI
Compiling Fuzzy Logic Control Rules to Hardware Implementations
Rockwell International Science Center（罗克韦尔国际科学中心）
人类推理的一个主要方面涉及近似的使用。特别是在决策过程受到严格的时间限制的情况下，决策主要是基于对局势的大致定性评估。我们的工作是关于近似推理的应用，实时控制。由于在这种应用中严格的处理速度要求，正在追求模糊逻辑推理的硬件实现。我们描述了一个编程环境翻译模糊控制规则到硬件实现。硬件实现的两种方法是可能的。第一个是基于一个专用芯片的模糊推理。第二种是基于简单的内存芯片。直接将一组决策规则转化为硬件实现的能力，预计将使模糊控制成为复杂系统控制的一种越来越实用的方法。
2013-03-27 cs.AI
Fuzzy Rankings: Properties and Applications
Silesian University in Opava, School of Business Administration in Karviná（奥帕瓦西里西亚大学，卡尔维纳商业管理学院）
在实践中，相对于给定的一套标准对物体进行排序是相当重要的。然而，由于缺乏知识，信息的时间压力，决策者可能无法提供一个（清晰的）排名的对象从上到下。相反，一些对象可能排名相同，或仅在某种程度上优于其他对象。在这种情况下，将明确的排名推广到模糊排名可能更有用。本文的目的是介绍模糊排序的概念，并讨论它的几个性质，即排序，相似性和不确定性。所提出的方法可以用于群体决策或多准则决策时，涉及的不确定性。
2017-03-15 cs.AI
A Study on Group Decision Making Problem Based on Fuzzy Reasoning and Bayesian Networks
University of Science and Technology Liaoning（辽宁科技大学）
针对多目标属性群决策问题，提出集成模糊推理与贝叶斯网络的系统，利用模糊规则库和分层贝叶斯网络建模非线性关系，实验证明其分类准确率达86.0%，F1值较传统方法提升53.4%，具有良好鲁棒性。
2025-04-30 cs.AI
A Fuzzy AHP Approach for Supplier Selection Problem: A Case Study in a Gear Motor Company
Marmara University（马尔马拉大学）
选择供应商是采购部门最重要的职能之一。由于通过选择最佳供应商，企业可以节省材料成本，提高竞争优势。然而，在多个供应商，多个相互冲突的标准和不精确的参数的情况下，这种决策变得复杂。此外，专家意见的不确定性和模糊性也是该问题的突出特点。因此，一个广泛使用的多准则决策工具模糊层次分析法可以用来作为一种方法，供应商选择问题。本文揭示了模糊层次分析法在齿轮电机公司确定最佳供应商的选择标准。摘要本研究的贡献不仅在于将模糊层次分析法应用于供应商选择问题，更在于对多准则决策问题进行了全面的文献回顾。此外，本研究亦借由模糊层次分析法的步骤与数值说明，可作为其他多准则决策问题的方法论指导。
2013-10-09 cs.AI
A New Approach to Intuitionistic Fuzzy Decision Making Based on Projection Technology and Cosine Similarity Measure
School of Management and Engineering, Capital University of Economics and Business（首都经济贸易大学管理工程学院）
本文针对多属性决策和医疗诊断问题，提出一种同时考虑方向与长度的基于投影技术和余弦相似性度量的直觉模糊集新相似性度量方法，能有效识别最优方案并快速诊断疾病。
2023-11-20 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
Stochastic Sensitivity Analysis Using Fuzzy Influence Diagrams
University of California, Berkeley（加州大学伯克利分校）
在决策分析文献中描述的随机敏感性分析的实践证明，需要考虑不确定性的精确点估计的偏差。我们建议使用贝叶斯模糊概率的影响图计算方案进行灵敏度分析的概率推理和决策问题的解决方案。与其他参数方法不同，该方案不需要解决问题的变化的概率点估计。我们声称，模糊影响图的解决方案提供了尽可能多的信息，经典的点估计方法加上有关随机敏感性的额外信息。以微机装配中的诊断决策为例说明了这一思想。我们声称，模糊影响图的解决方案提供了尽可能多的信息，经典的点估计方法加上额外的区间信息，是有用的随机敏感性分析。
2013-03-27 cs.AI
Defuzzify firstly or finally: Dose it matter in fuzzy DEMATEL under uncertain environment?
Southwest University（西南大学）；Vanderbilt University（范德堡大学）
决策试验与评估实验室（DEMATEL）方法在实际应用中有着广泛的应用。模糊DEMATEL因其能够有效处理决策中的不确定信息而受到广泛研究。最近，Dytczak和Ginda建议先对模糊数进行去模糊化，然后使用经典的DEMATEL方法来得到最终结果。在这篇简短的论文中，我们证明了在某些情况下它是不合理的。第一步的反模糊化结果与最后一步的反模糊化结果并不一致，看来在模糊DEMATEL中最后一步反模糊化是一种替代方法。
2014-03-20 cs.AI
From Cognitive to Computational Modeling: Text-based Risky Decision-Making Guided by Fuzzy Trace Theory
The University of Auckland（奥克兰大学）
由于内在的个体差异和非理性，理解，建模和预测人类风险决策是具有挑战性的。模糊迹理论（FTT）是一种强大的范式，它通过结合要点来解释人类决策，即，信息的模糊表示，只捕捉其本质意义。受Broniatowski和Reyna的FTT认知模型的启发，我们提出了一个计算框架，它结合了底层语义和情感对基于文本的决策的影响。特别是，我们引入类别2-向量学习分类主义者和分类情绪，并展示了如何优化我们的计算模型，以预测群体和个人的风险决策。
2022-05-15 cs.AI cs.CL
Fuzzy Model Tree For Early Effort Estimation
Applied Science University（应用科学大学）；Western University（韦仕敦大学）
用例点（UCP）是一种在软件开发早期阶段基于用例图估计项目规模的方法。虽然用例图被广泛接受为一个事实上的模型，用于分析面向对象的软件需求在世界各地，UCP方法没有采取足够的重视，因为，到目前为止，还没有达成共识，如何产生软件工作从UCP。本文的目的是研究使用模糊模型树来获得努力估计的基础上UCP大小测量使用为此目的收集的数据集的潜力。通过Treeboost模型、多元线性回归和基于UCP模型的经典工作量估计对该方法进行了验证。所得结果是有希望的，并显示出更好的性能比经典的UCP，多元线性回归和略优于树boost模型得到的。
2017-03-11 cs.AI cs.SE
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
A Comparative Study of AHP and Fuzzy AHP Method for Inconsistent Data
University of Development Alternative (UODA)（发展替代大学）；University of Dhaka（达卡大学）
在各种情况下的决策分析，我们使用两种流行的方法：层次分析法（AHP）和模糊层次分析法或模糊层次分析法。这两种方法都是处理随机数据，通过多准则决策过程来确定决策结果。显然，这两种方法的结果值是不相同的，虽然同一组数据输入到他们。在这项研究工作中，我们试图观察两种方法输出之间的相似性和差异性。对于不一致的同一组输入数据，两种方法的输出趋势或波动几乎相同。两种方法的输出上下波动在50%的情况下是相同的。
2020-12-23 cs.AI
Renewable Energy Sources Selection Analysis with the Maximizing Deviation Method
Istanbul University-Cerrahpaşa（伊斯坦布尔大学-塞拉赫帕沙）
本研究提出一种结合区间值费马泰模糊集与偏差最大化方法的优化模型，用于在不确定环境下确定特征权重，并应用于可再生能源来源选择，兼顾技术与管理政治影响。
2025-09-06 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
Sequential three-way group decision-making for double hierarchy hesitant fuzzy linguistic term set
Chongqing University of Posts and Telecommunications（重庆邮电大学）
针对群决策中信息融合慢与部分决策解释难的问题，提出基于粒计算的序贯三支群决策方法S3W-GDM，在DHHFLTS环境下融合多级信息并优化条件概率与损失函数计算，提升决策效率与合理性。
2024-06-27 cs.AI
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
Linguistic Fuzzy Information Evolution with Random Leader Election Mechanism for Decision-Making Systems
School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院）；Department of Electrical and Computer Engineering, University of Alberta（阿尔伯塔大学电气与计算机工程系）；School of Electro-Mechanical Engineering（机电工程学院）；Faculty of Engineering, King Abdulaziz University（阿卜杜勒阿齐兹大学工程学院）
本文针对语言模糊信息演化中权重和置信阈值导致结果差异的问题，提出三种基于每轮随机领导者选举机制的DeGroot和HK改进模型，并结合蒙特卡洛方法与改进GRRV进行置信区间排序，以增强信息共享、缓解回音室效应并提升决策鲁棒性。
2024-10-19 cs.AI
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
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
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
Method for making multi-attribute decisions in wargames by combining intuitionistic fuzzy numbers with reinforcement learning
Nanjing University（南京大学）；University of Derby（德比大学）
智能游戏越来越成为研究人员关注的热点研究领域。本文提出了一种将多属性管理和强化学习方法相结合的算法，并结合其对战争游戏的影响，解决了智能体在智能战争游戏训练中对特定规则胜率低、无法快速收敛的问题。同时，研究了一种多属性决策和强化学习算法，在兵棋模拟环境下，获取红蓝冲突数据，基于直觉模糊数权重计算方法计算各属性的权重。然后确定对手各棋子所构成的威胁，利用红方强化学习奖励函数，在奖励函数上训练AC框架，得到多属性决策与强化学习相结合的算法。仿真实验表明，本文提出的结合强化学习的多属性决策算法比单纯的强化学习算法具有更高的智能性，该算法通过解决智能体神经网络的不足，结合大地图战斗博弈中稀疏奖励的特点，有效降低了算法的收敛难度。在该领域首次将多属性决策与强化学习相结合进行智能兵棋的算法设计，尝试在学术领域进行跨学科交叉创新，如设计智能兵棋、改进强化学习算法等。
2021-09-06 cs.AI
Distilling a Deep Neural Network into a Takagi-Sugeno-Kang Fuzzy Inference System
Tsinghua University（清华大学）；National University of Singapore（新加坡国立大学）
深度神经网络（DNN）在分类任务中取得了巨大成功。然而，它们就像黑盒子一样，我们不知道它们在特定的分类任务中是如何做出决定的。为此，我们建议将DNN中的知识提取到模糊推理系统（FIS）中，这是本文中的Takagi-Sugeno-Kang（TSK）类型。该模型能够表达基于模糊规则的DNN获得的知识，从而更容易解释特定的决策。采用知识蒸馏方法构造TSK型模糊推理系统，其泛化能力优于直接从训练数据中提取的模糊推理系统，并通过实验验证了该方法的有效性。为了进一步提高性能，我们对KD的基线方法进行了改进，取得了较好的效果。
2020-10-10 cs.AI
Some neighborhood-related fuzzy covering-based rough set models and their applications for decision making
Northwest A & F University（西北农林科技大学）
模糊粗糙集（FRS）对数据挖掘过程有着重要的影响，模糊逻辑算子在FRS理论的发展中起着关键作用。为了进一步将FRS理论推广到更复杂的数据环境中，本文首先提出了四类基于重叠函数模糊覆盖的模糊邻域算子及其蕴涵算子。同时，定义了由模糊覆盖导出的模糊覆盖，并研究了有限模糊覆盖上基于重叠函数的模糊邻域算子之间的等价性.其次，证明了新算子可按等价关系分为17类，并讨论了这17类算子之间的偏序关系。进一步，与D 'eer等人提出的基于$ t$ -范数的模糊邻域算子进行了比较，提出了两类基于邻域的模糊覆盖粗糙集模型，这两类模型是基于不同的模糊逻辑算子，通过不同的模糊邻域算子定义的。此外，还讨论了分组和偏序关系。最后，提出了一种新的模糊TOPSIS方法来解决生物合成纳米材料的选择问题，并通过与9种不同方法的结果比较，验证了该方法的合理性和可行性。
2022-05-13 cs.AI math.GM
On Globular T-Spherical Fuzzy (G-TSF) Sets with Application to G-TSF Multi-Criteria Group Decision-Making
Chung Yuan Christian University（中原大学）；Government Degree College for Boys Sakwar Gilgit（萨克瓦尔吉尔吉特男子政府学位学院）
本文提出球状T-球形模糊集（G-TSFSs）作为TSFSs和C-SFSs的扩展，定义其集合与代数运算、相似性测度及距离测度，构建G-TSF多准则群决策方法，经企业培训场地选择案例验证了其实用性与有效性。
2024-03-09 cs.AI
Fuzzy Information Evolution with Three-Way Decision in Social Network Group Decision-Making
Department of Electrical Engineering, Chalmers University of Technology（皇家理工学院电子工程系）；School of Automation, Northwestern Polytechnical University（西北工业大学自动化学院）；Faculty of Informatics and Management, University of Hradec Kralove（哈拉德·克拉洛夫大学信息与管理学院）；Andalusian Research Institute in Data Science and Computational Intelligence（安达卢西亚数据科学与计算智能研究所）；Department of Computer Science and Artificial Intelligence, University of Granada（格拉纳达大学计算机科学与人工智能系）
针对社交网络群体决策中的不确定性、动态关系与模糊信息，提出融合三支决策、动态网络重构和语言观点表示的多智能体框架，并在多无人机协同场景中验证其稳定性与有效性。
2025-09-29 cs.AI
Double Fuzzy Probabilistic Interval Linguistic Term Set and a Dynamic Fuzzy Decision Making Model based on Markov Process with tts Application in Multiple Criteria Group Decision Making
Stanford University（斯坦福大学）
针对概率语言术语缺陷及动态属性权重确定难问题，提出双模糊概率区间语言术语集概念，定义相关内容，开发模糊语言马尔可夫矩阵等，给出权重确定方法，并用金融风险投资案例说明其在多准则决策中的应用。
2026-07-07 cs.AI cs.SY econ.GN
Sentiment and Emotion-aware Multi-criteria Fuzzy Group Decision Making System
School of Information Technology and Engineering（信息科技与工程学院）；Kazakh-British Technical University（哈萨克-英国技术大学）
本文提出一种融合自然语言处理的情感与情绪感知多准则模糊群体决策系统，通过分析文本情感和情绪并结合模糊推理，在酒店选择案例中显著提升群体共识达成效果。
2025-10-14 cs.AI
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
