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
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
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
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
Answering Fuzzy Conjunctive Queries over Finitely Valued Fuzzy Ontologies
Technische Universität Dresden（德累斯顿工业大学）；National and Kapodistrian University of Athens（雅典国立卡波迪斯特里安大学）；Free University of Bozen-Bolzano（博尔扎诺自由大学）
模糊描述逻辑（DLs）提供了一种表示关于应用领域的模糊知识的方法。本文研究了基于有限真度链的DL $\mathcal{SROIQ}$上合取查询的模糊扩展。为了回答这样的查询，我们扩展了一个众所周知的技术，减少了模糊本体的经典之一，并使用经典的DL推理机作为一个黑盒子。我们提高了以前的减少技术的复杂性，为n-valued模糊DL，这使我们能够证明严格的复杂性结果，回答某些类型的模糊CQ。最后，我们的原型实现的实验评估，显示我们的方法的可行性。
2015-10-14 cs.AI cs.LO
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
Fuzzy Longest Common Subsequence Matching With FCM Using R
University of Toronto（多伦多大学）
捕捉实值时间序列之间的相互依赖性可以通过找到共同的相似模式来实现。时间序列的抽象使得寻找相似性的过程更接近人类的方式。因此，通过符号化的层次进行抽象，寻找共同的模式吸引了研究者.一个特定的算法，最长公共子序列，已成功地用于两个序列之间的相似性度量，包括实值时间序列。本文提出了时间序列的模糊最长公共子序列匹配算法。
2016-12-19 cs.AI
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
8-Valent Fuzzy Logic for Iris Recognition and Biometry
„Spiru Haret‟ University（斯皮鲁·哈雷特大学）；„Aurel Vlaicu‟ University（奥雷尔·弗拉伊库大学）
本文表明，保持逻辑一致性的虹膜识别系统是一个问题，找到一个合适的分区的输入空间在可登记和不可登记的对通过协商用户的舒适性和安全性的生物识别系统。换句话说，为了保持系统的一致性，一致的登记是强制性的。提出了一种模糊三值消歧虹膜识别模型，并从完整性、一致性、用户舒适度和生物特征安全性等方面进行了分析。这里还示出了虹膜识别的模糊3值模型由模8整数的8值布尔代数承载，该布尔代数表示生物特征系统（软件代理）可以以逻辑上一致的方式实现对虹膜识别的人工理解的计算形式化。
2011-11-08 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
Multi-Valued Cognitive Maps: Calculations with Linguistic Variables without Using Numbers
Trapeznikov Institute of Control Science Russian Academy of Sciences（俄罗斯科学院特拉佩兹尼科夫控制科学研究所）
本文提出了多值认知图的概念。这个概念是对模糊概念的扩展。然而，所有变量和权重在概念中不是线性排序的，而是部分排序的。这种方法允许我们直接在具有偏序语言变量的认知地图中操作，而无需模糊化/去模糊化方法。因此，我们可以考虑专家不确定性程度的更微妙的差异，而不是在模糊的情况下。我们证明了这种认知地图的收敛性，并给出了一个简单的计算例子，证明了使用这样的偏序不确定度尺度。
2021-08-10 cs.AI
The Neutrosophic Entropy and its Five Components
Tarom Information Technology（罗马尼亚航空信息技术公司）
本文给出了熵的五值表示的两种变形。第一个是Kaufmann公式的推广，第二个是Kosko公式的推广。基于真度、假度和中性度所代表的三值信息，建立了一些五值表示，更好地突出了熵的一些特性。因此，我们强调了哲学不确定性的五个特征，即模糊性、无知性、矛盾性、中立性和饱和性。这五个特征被补充，直到七个统一的分区，增加了两个特征的哲学确定性，如真理和虚假。本文还给出了在双模糊表示、直觉模糊表示、次协调模糊表示以及模糊表示的情况下所得到的模糊熵的具体形式。
2015-02-05 cs.AI
Modified EDAS Method Based on Cumulative Prospect Theory for Multiple Attributes Group Decision Making with Interval-valued Intuitionistic Fuzzy Information
Sichuan Normal University（四川师范大学）
基于直觉模糊集的区间值直觉模糊集（IVIFS）结合了经典的决策方法，在其研究和应用中备受关注。经过比较分析，有多种经典的方法与IVIFSs的信息已经应用到许多实际问题中。本文考虑IVIFS下决策者的心理因素，对经典的基于累积前景理论的EDAS方法进行了扩展。针对MAGDM问题，考虑到IVIFSs的模糊性和不确定性以及用户的心理偏好，提出了基于IVIFSs下CPT的EDAS方法（IVIF-CPT-MABAC）。同时，采用信息熵法对属性权重进行了评估。最后，以绿色技术风险投资项目选择为例，通过对比分析说明了IVIF-CPT-MABAC方法的优越性，并通过敏感性分析证明了该方法的有效性和稳定性。
2022-11-05 cs.AI cs.SY eess.SY
On the algebraic structures of the space of interval-valued intuitionistic fuzzy numbers
Southwest Petroleum University（西南石油大学）；Zhuhai College of Jilin University（吉林大学珠海学院）；Karadeniz Technical University（卡拉德尼兹技术大学）；Shandong University of Finance and Economics（山东财经大学）
这项研究的灵感来自于Huang等人（Soft Comput. 25，2513- 2520，2021）和Wang等人（Inf. Sci. 179，3026- 3040，2009），其中引入了区间值直觉模糊数（IVIFNs）的一些排序技术。本文证明了基于得分函数和三种熵函数的比较任意两个IVIFNs的方法中具有关系的所有IVIFNs的空间是一个完备链，并得到了该关系是一个容许序.此外，我们证明，IVIFNs是完整的链的关系，在比较方法IVIFNs的分数，准确性，隶属度不确定性指数，犹豫不确定性指数函数的基础上。
2021-12-01 cs.AI cs.IT math.IT
Modeling Uncertainty and Imprecision in Nonmonotonic Reasoning using Fuzzy Numbers
Indian Statistical Institute（印度统计研究所）；Jadavpur University（贾达普大学）
为了处理推理中的不确定性，区间值逻辑被发展起来。但是，统一的区间不能捕捉区间中不同值的置信度差异。为了解决这个问题，三角形和梯形模糊数被用作真值集以及传统的区间。在定义于$[0,1]$上的模糊数集合上定义了基于前序的真值和知识序。基于这一增强的认知状态集，开发了一个答案集框架，并适当定义了逻辑连接词。这种框架在规则可能包含例外的非单调环境下，对具有模糊和不确定信息的知识表示和推理是有效的。
2020-01-03 cs.AI
Life is not black and white -- Combining Semi-Supervised Learning with fuzzy labels
Kiel University（基尔大学）
所需的标记数据量是深度学习中最大的问题之一。半监督学习可以通过使用额外的未标记数据来解决这个问题。然而，许多数据集遭受注释的可变性。来自这些注释的聚合标签在不同注释器之间不一致，因此被认为是模糊的。这些模糊标签通常不被半监督学习考虑。这导致在完整的机器学习开发周期中性能较差或初始注释成本较高。我们设想将模糊标签纳入半监督学习，并给出了一个概念验证的潜在的较低的成本和较高的一致性，在完整的开发周期。作为我们概念的一部分，我们讨论了当前的局限性，未来的研究机会和潜在的广泛影响。
2021-10-13 cs.AI cs.CV
On Modal Logics for Qualitative Possibility in a Fuzzy Setting
Spanish Council for Scientific Research (CSIC)（西班牙国家研究委员会）
在不确定性建模的可能性方法中，本文提出了一种模态逻辑系统来推理模糊命题的可能性（和必要性）的定性（比较）陈述。我们把这种定性模态逻辑与著名的知识和信念模态逻辑S5和KD 45的多值类似物MVS5和MVKD 45分别联系起来。完整性结果得到这样的逻辑，因此，他们扩展了以前现有的结果定性可能性逻辑在经典的非模糊设置。
2013-02-27 cs.AI cs.LO
Interval Valued Trapezoidal Neutrosophic Set for Prioritization of Non-functional Requirements
BML Munjal University（BML Munjal大学）
本文讨论了梯形模糊数（TrFN）、区间直觉模糊数（IVIFN）、模糊集及其运算法则、梯形模糊集（TrNS）及其运算法则。将区间值梯形中性集与区间值梯形中性集相结合，提出了区间值梯形中性集，并给出了其运算法则。本文还提出了建议的区间值梯形中性数（IVTrNN）的得分和精度函数。然后，引入区间值梯形多项式加权算术平均（IVTrNWAA）算子，将单位实数区间内的梯形多项式信息进行组合;最后，开发了一种方法来处理的问题，在多属性决策（MADM）环境中使用IVTrNWAA运营商其次是NFR优先级的数值例子来说明所开发的方法的相关性。
2019-05-07 cs.AI cs.NE cs.SE
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
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
Fuzzy Dynamical Genetic Programming in XCSF
University of the West of England（西英格兰大学）
研究在XCSF学习分类器系统中使用模糊动态遗传编程表示，通过异步模糊逻辑网络实现自适应性开放演化，解决连续值测试问题。
2012-04-18 cs.AI cs.LG cs.NE
Discrete and fuzzy dynamical genetic programming in the XCSF learning classifier system
Department of Computer Science and Creative Technologies（计算机科学与创意技术系）；University of the West of England（西英格兰大学）
本文在XCSF框架内使用离散和模糊动态系统表示（异步随机布尔网络和模糊逻辑网络），通过自适应的开放式进化设计集成系统，解决多个经典测试问题。
2015-01-25 cs.AI cs.LG cs.NE
Reasoning in Infinitely Valued G-IALCQ
TU Dresden（德累斯顿工业大学）；Free University of Bozen-Bolzano（博尔扎诺自由大学）
模糊描述逻辑（FDLs）是基于逻辑的形式主义，用于表示和推理模糊或不精确的知识。最近的研究表明，在大多数FDL中，使用区间[0，1]的真值进行推理，在存在否定构造函数和一般概念包含公理的情况下变得不可判定。这个否定结果的一个例外是FDL，其语义基于无限值哥德尔t-范数（G）。在本文中，我们将以前的可判定性结果G-IALC也处理合格的数量限制。我们的新方法是基于一个组合的已知的crispification技术为基础的FDLs和自动机为基础的程序最初开发的推理G-IALC。所提出的方法结合了这两种方法的优点，同时消除了各自的缺点。
2015-09-29 cs.AI cs.LO
