本文以畢達(dá)哥拉斯模糊集為理論基礎(chǔ),克服了直覺模糊集中隸屬度與非隸屬之和小于1的缺陷,并將多屬性決策方法（MCDM）引入其中,為解決模糊決策問題提供了另外一種思路。首先,我們將Hamy Mean（HM）算子和對(duì)偶Hamy Mean算子（DHM）引入到畢達(dá)哥拉斯模糊環(huán)境下,提出畢達(dá)哥拉斯模糊集Hamy Mean（PFHM）算子和畢達(dá)哥拉斯模糊對(duì)偶Hamy Mean算子（PHDHM）;然后,把其拓展到區(qū)間畢達(dá)哥拉斯模糊（IVPFS）環(huán)境下,提出區(qū)間畢達(dá)哥拉斯模糊Hamy Mean（IVPFHM）算子和區(qū)間畢達(dá)哥拉斯模糊對(duì)偶Hamy Mean算子（IVPFDHM）;其次,我們拓展Hamming距離和Hausdorff距離到畢達(dá)哥拉斯模糊環(huán)境下,借助距離測(cè)度與關(guān)聯(lián)測(cè)度之間的關(guān)系,提出了一些新的距離測(cè)度和關(guān)聯(lián)測(cè)度。在集合論、匹配函數(shù)、補(bǔ)集和連續(xù)函數(shù)的基礎(chǔ)上,我們又拓展了其它的相似測(cè)度。最后,通過實(shí)際的例子來說明所提方法的有效性。 

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
2 預(yù)備知識(shí)
    2.1 畢達(dá)哥拉斯模糊集
    2.2 區(qū)間畢達(dá)哥拉斯模糊集
    2.3 Hamy Mean(HM)算子
    2.4 對(duì)偶 Hamy Mean(DHM)算子
3 基于畢達(dá)哥拉斯模糊集的相關(guān)算子
    3.1 畢達(dá)哥拉斯模糊Hamy Mean(PFHM)算子
    3.2 加權(quán)畢達(dá)哥拉斯模糊Hamy Mean(WPFHM)算子
    3.3 畢達(dá)哥拉斯模糊對(duì)偶Hamy Mean(DHM)算子
    3.4 加權(quán)畢達(dá)哥拉斯模糊對(duì)偶Hamy Mean(WPFDHM)算子
    3.5 實(shí)例分析
    3.6 小結(jié)
4 基于區(qū)間畢達(dá)哥拉斯模糊集的相關(guān)算子
    4.1 區(qū)間畢達(dá)哥拉斯模糊Hamy Mean(IVPFHM)算子
    4.2 加權(quán)區(qū)間畢達(dá)哥拉斯模糊Hamy Mean(WIVPFHM)算子
    4.3 區(qū)間畢達(dá)哥拉斯模糊對(duì)偶Hamy Mean(IVPFDHM)算子
    4.4 加權(quán)區(qū)間畢達(dá)哥拉斯模糊對(duì)偶Hamy Mean(WIVPFDHM)算子
    4.5 實(shí)例分析
    4.6 對(duì)比分析
    4.7 小結(jié)
5 基于畢達(dá)哥拉斯模糊集的距離測(cè)度和相似測(cè)度
    5.1 距離測(cè)度和相似測(cè)度的相關(guān)定理
    5.2 離散型的距離測(cè)度和相似測(cè)度
    5.3 連續(xù)型的距離測(cè)度和相似測(cè)度
    5.4 其它的相似測(cè)度
    5.5 實(shí)例分析
    5.6 小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
在校期間的科研成果
致謝



本文編號(hào)：3656347