模糊集的提出為處理復(fù)雜的不確定性問題提供了有效的途徑.而模糊集的各種拓展形式更加全面地描述了不確定信息,其中較為典型的形式有直覺模糊集、中智集、猶豫模糊集等.直覺模糊集、中智集、猶豫模糊集作為復(fù)雜模糊信息表達(dá)的幾種主要形式,已經(jīng)被廣泛應(yīng)用在各個(gè)領(lǐng)域.而多屬性決策與聚類是復(fù)雜模糊信息研究的重要方向,受到了越來(lái)越多國(guó)內(nèi)外學(xué)者的關(guān)注.對(duì)于復(fù)雜模糊信息的多屬性決策,根據(jù)集成算子進(jìn)行信息融合是解決這種復(fù)雜模糊信息多屬性決策問題的一個(gè)有效途徑.在模糊聚類中,模糊相似矩陣的建立是模糊聚類的一個(gè)基礎(chǔ),將模糊相似矩陣合成模糊等價(jià)矩陣進(jìn)行聚類也是一個(gè)重要的研究方向.無(wú)論是信息融合中的集成算子還是聚類中的矩陣合成,都涉及到運(yùn)算問題.但集成算子的運(yùn)算主要是根據(jù)Algebraic t-范數(shù)和t-余范數(shù)來(lái)進(jìn)行的,矩陣合成則是利用最大最小t-范數(shù)和t-余范數(shù)進(jìn)行運(yùn)算.而Algebraic t-范數(shù)和t-余范數(shù)以及最大最小t-范數(shù)和t-余范數(shù)都是阿基米德t-范數(shù)和t-余范數(shù)的特殊情形.因此,阿基米德t-范數(shù)和t-余范數(shù)為集成算子與矩陣合成的運(yùn)算提供了一般化的規(guī)則.在直覺模糊集、中智集以及猶豫模糊集的基礎(chǔ)上,學(xué)者們延伸... 

【文章來(lái)源】：閩南師范大學(xué)福建省

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 復(fù)雜模糊信息多屬性決策方法研究現(xiàn)狀
        1.2.2 模糊聚類方法研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容
第2章 預(yù)備知識(shí)
    2.1 復(fù)雜模糊信息的表達(dá)形式
        2.1.1 單值中智數(shù)
        2.1.2 正態(tài)中智數(shù)
        2.1.3 對(duì)偶猶豫模糊數(shù)
    2.2 阿基米德范數(shù)
第3章 基于非負(fù)正態(tài)中智數(shù)的多屬性決策方法
    3.1 非負(fù)正態(tài)中智數(shù)的排序
    3.2 非負(fù)正態(tài)中智數(shù)的對(duì)偶廣義Bonferroni平均算子及其性質(zhì)
    3.3 非負(fù)正態(tài)中智數(shù)多屬性決策方法
    3.4 實(shí)例分析
    3.5 本章小結(jié)
第4章 基于對(duì)偶猶豫模糊數(shù)的多屬性決策方法
    4.1 基于阿基米德范數(shù)的對(duì)偶猶豫模糊幾何Heronian平均算子及其性質(zhì)
    4.2 對(duì)偶猶豫模糊數(shù)多屬性決策方法
    4.3 實(shí)例分析
    4.4 本章小結(jié)
第5章 基于單值中智數(shù)的等價(jià)矩陣聚類算法
    5.1 單值中智數(shù)廣義的交和并的性質(zhì)
    5.2 基于阿基米德范數(shù)的單值中智數(shù)合成矩陣及其性質(zhì)
    5.3 單值中智數(shù)的聚類算法
    5.4 實(shí)例分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間取得的科研成果



本文編號(hào)：3513434