模糊软集及其在不确定性决策中的应用研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题研究的背景及意义 | 第12页 |
| 1.2 国内外研究现状分析 | 第12-16页 |
| 1.2.1 软集基础理论研究现状 | 第12-13页 |
| 1.2.2 软集与相关理论的融合研究现状 | 第13-15页 |
| 1.2.3 软集理论在决策中的应用研究现状 | 第15-16页 |
| 1.3 本文研究思路与主要工作 | 第16-19页 |
| 第2章 预备知识 | 第19-28页 |
| 2.1 软集理论基础 | 第19-22页 |
| 2.2 模糊集理论基础 | 第22-24页 |
| 2.2.1 模糊集理论的发展 | 第22-23页 |
| 2.2.2 模糊集的概念及其运算 | 第23-24页 |
| 2.3 模糊软集理论基础 | 第24-28页 |
| 第3章 模糊软集的相似度与熵 | 第28-41页 |
| 3.1 软集与模糊软集的相似度概述 | 第28-30页 |
| 3.2 模糊软集的相似度 | 第30-36页 |
| 3.3 模糊软集的熵 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 诱导软集 | 第41-51页 |
| 4.1 诱导软集 | 第41-44页 |
| 4.2 诱导软集的格结构 | 第44-46页 |
| 4.3 软集参数集的拓扑 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 软集与模糊集的转换关系研究 | 第51-73页 |
| 5.1 已有的软集与模糊集之间的转换关系研究 | 第52-60页 |
| 5.1.1 基于分解定理从模糊集构造软集 | 第52-54页 |
| 5.1.2 基于模糊聚合算子的转换方法 | 第54-56页 |
| 5.1.3 基于数值运算的转换方法 | 第56-58页 |
| 5.1.4 基于模态逻辑算子的转换方法 | 第58-60页 |
| 5.2 软集中对象的向量表示 | 第60-63页 |
| 5.3 模糊集与软集的相互转换及其实现 | 第63-69页 |
| 5.3.1 基于二进制编码的转换方法 | 第64-67页 |
| 5.3.2 基于IOWA算子的相互转换方法 | 第67-69页 |
| 5.4 应用 | 第69-72页 |
| 5.4.1 基于软集的决策 | 第69-70页 |
| 5.4.2 软集的相似度 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 SF-ANN模型构建及其应用 | 第73-89页 |
| 6.1 SF-ANN模型概述 | 第73-75页 |
| 6.2 基于软集的感知器及其局限 | 第75-77页 |
| 6.3 SF-ANN模型原理及其实现 | 第77-82页 |
| 6.4 实验分析 | 第82-87页 |
| 6.4.1 SF-ANN在分类识别中的应用 | 第82-85页 |
| 6.4.2 SVM在分类识别中的比较研究 | 第85-87页 |
| 6.4.3 SF-ANN与SVM的比较分析 | 第87页 |
| 6.5 本章小结 | 第87-89页 |
| 第7章 基于模糊软集的决策研究 | 第89-113页 |
| 7.1 基于软集的决策概述 | 第89-90页 |
| 7.2 基于模糊软集的决策 | 第90-97页 |
| 7.2.1 选择值方法 | 第90-92页 |
| 7.2.2 比较得分方法 | 第92-94页 |
| 7.2.3 比较得分算法的“秩反转”现象 | 第94-97页 |
| 7.3 基于模糊软集的改进决策算法 | 第97-105页 |
| 7.3.1 理想解方法 | 第97-99页 |
| 7.3.2 单个属性的理想解 | 第99-101页 |
| 7.3.3 基于汉明距离的决策函数 | 第101-102页 |
| 7.3.4 基于模糊软集和理想解的决策方法 | 第102-105页 |
| 7.4 应用 | 第105-111页 |
| 7.4.1 传统决策方法 | 第106-107页 |
| 7.4.2 基于模糊软集和理想解的决策算法 | 第107-111页 |
| 7.5 本章小结 | 第111-113页 |
| 总论与展望 | 第113-116页 |
| 致谢 | 第116-117页 |
| 参考文献 | 第117-127页 |
| 附录A | 第127-135页 |
| 攻读博士学位期间发表的论文及科研成果 | 第135-136页 |
