摘要：信息熵是研究信息粒不确定性度量的一种重要方法,并且可以应用于信息系统的属性约简和综合评估中。本文提出了比较两个直觉模糊值大小的新方法,定义了直觉模糊集中香农熵形式的熵度量。以直觉模糊决策系统为背景,结合直觉模糊集理论,基于直觉模糊相似关系分别构造了直觉模糊信息熵和条件熵,利用直觉模糊条件熵给出属性重要度的计算公式,设计了基于直觉模糊条件熵的启发式属性约简算法。在此基础上,通过属性重要度得到了属性指标的权重,进而提出了一种综合评估方法,并将其应用于安全审计风险的研究中,得到可接受的安全风险评估方法,通过结果对比分析,验证了该方法的可靠性和有效性。

摘要：针对将模糊聚类扩展为直觉模糊聚类具有的重要的理论和应用价值,研究了直觉模糊熵的基础上,提出了一种基于直觉模糊的聚类目标函数的思想。利用拉格朗日定理推导了目标函数参数求解,并给出了基于直觉模糊熵的聚类算法。通过典型试验表明基于直觉模糊熵的目标函数聚类提高了聚类的准确率,性能优于模糊聚类。

摘要：针对直觉模糊群决策问题,依据专家的直觉模糊评价信息,利用直觉模糊相似度和相异度构造直觉模糊相似矩阵,为了得到合理的专家聚类结果,设计风险参数并提出聚类阈值变化率分析方法,综合聚类结果和直觉模糊熵对各专家进行组合赋权。提出基于离散正态分布的位置权重确定方法,构造直觉模糊集混合加权集结算子对各专家关于方案集的直觉模糊评价信息进行综合集成。结合算例验证了方法的可行性和有效性。

摘要：针对传统P-M扩散模型不能分辨梯度变化相近的平坦区和细节区的不足,提出一种新的扩散模型。该模型将局部直觉模糊熵引入扩散函数,结合梯度共同控制扩散过程,使得梯度较大的边缘区获得较小的扩散系数而保留边缘特征,对于梯度较小且相近的区域,由于细节区的局部直觉模糊熵值往往大于平坦区的局部直觉模糊熵值而获得较小扩散系数保留细节特征,弥补了传统扩散模型模糊细节特征的缺点。实验结果表明,与传统模型相比较,新模型细节信息保留的更加完整,噪声去除的更干净,视觉和量化效果均很优异。

摘要：针对现有多目标算法存在的收敛性不强、分散性不高等问题,提出了一种基于直觉模糊熵的粒子群多目标优化算法(IFEMOPSO)。首先,计算出种群的直觉模糊熵(IFE),作为衡量种群在多目标空间下多样性的测度;其次,设计基于IFE的惯性权重动态变化、外部档案调用以及变异操作等3种增强算法探索力度的策略,建立了直觉模糊多目标规划模型,有效地提高了群体进化过程中的多样性,防止了算法陷入局部收敛;最后,仿真结果表明,所提算法很好地提高了所得非劣解集的收敛性和分散性,有效地解决了多目标优化问题。

摘要：针对证据理论中证据冲突度量这一关键问题,提出了一种基于模糊熵的冲突度量方法,首先引入直觉模糊熵表示证据间的差异性,然后对传统的冲突系数进行了修正,使其能够反映由于概率指派函数对焦元支持的差异性所引起的冲突,最后结合修正后的传统冲突系数与模糊熵对两两证据间的冲突进行度量。通过对Zadeh悖论扩展、完全一致性证据、完全冲突性证据和焦元为嵌套子集等多种情况进行对比实验,实验结果表明本文算法是较为理想的证据冲突度量算法,能够正确预测证据集的冲突程度。

摘要：产学研合作伙伴选择是一个典型的多属性决策问题,针对决策信息具有时序特征和信息模糊特性,引入基于时间度和正交投影的动态直觉模糊多属性决策方法。在此基础上,运用场理论构建合作伙伴选择的协同创新能力场模型,设计产学研协同创新合作伙伴动态选择过程,对备选伙伴进行淘汰和优选。以某个产学研协同创新联盟的伙伴选择为例,结果表明:该方法充分兼顾产学研联盟内部协同创新资源情况以及备选合作伙伴的资源互补性,实现了产学研联盟协同创新成员的“优胜劣汰”,验证了该方法的可行性和有效性。