123,123

內(nèi)容簡(jiǎn)介

　　智能語(yǔ)言術(shù)語(yǔ)集是可以同時(shí)具有模糊性、猶豫度、近似性與隨機(jī)性或可能性等的語(yǔ)言術(shù)語(yǔ)集，在處理復(fù)雜不確定、不完整等信息方面更具靈活性和實(shí)用性。《智能語(yǔ)言決策理論與方法》首次提出智能語(yǔ)言術(shù)語(yǔ)集的概念與智能語(yǔ)言術(shù)語(yǔ)集的信息表示，介紹了近年來(lái)國(guó)內(nèi)外學(xué)者特別是作者本人及其團(tuán)隊(duì)在智能語(yǔ)言術(shù)語(yǔ)集的測(cè)度理論、智能語(yǔ)言術(shù)語(yǔ)集的集成方式，以及基于上述信息處理工具的智能語(yǔ)言決策模型和方法等方面的**研究成果，且該研究成果已廣泛應(yīng)用于決策、醫(yī)療診斷、未來(lái)規(guī)劃、模式識(shí)別、機(jī)器學(xué)習(xí)和預(yù)測(cè)等諸多領(lǐng)域。

作者簡(jiǎn)介

暫缺《智能語(yǔ)言決策理論與方法》作者簡(jiǎn)介

圖書(shū)目錄

目錄
前言
第1章智能語(yǔ)言的基本概念 1
1.1 智能語(yǔ)言的概念 1
1.1.1 語(yǔ)言與模糊語(yǔ)言 1
1.1.2 直覺(jué)模糊語(yǔ)言與Pythagorean模糊語(yǔ)言 3
1.1.3 猶豫模糊語(yǔ)言與概率語(yǔ)言 7
1.1.4 Z-語(yǔ)言與直覺(jué)Z-語(yǔ)言 8
1.1.5 智能語(yǔ)言 10
1.2 智能語(yǔ)言的比較規(guī)則 10
1.2.1 得分函數(shù)與精確函數(shù) 11
1.2.2 可能度 15
1.3 小結(jié) 19
參考文獻(xiàn) 19
第2章智能語(yǔ)言集的測(cè)度理論 22
2.1 幾種基本度量方法 22
2.1.1 距離測(cè)度 22
2.1.2 相似性測(cè)度 23
2.1.3 熵測(cè)度 23
2.2 直覺(jué)模糊語(yǔ)言的度量 24
2.3 Pythagorean模糊語(yǔ)言的度量 30
2.4 猶豫模糊語(yǔ)言的度量 33
2.5 概率語(yǔ)言的度量 37
2.6 直覺(jué)Z-語(yǔ)言的度量 42
2.7 小結(jié) 45
參考文獻(xiàn) 45
第3章模糊語(yǔ)言信息集成方法 47
3.1 幾種常見(jiàn)的信息集成算子 47
3.2 模糊語(yǔ)言信息集成方法 52
3.2.1 模糊語(yǔ)言誘導(dǎo)加權(quán)平均距離算子 52
3.2.2 FPLOWA算子與FPLIOWA算子 57
3.2.3 決策算法與案例分析 60
3.3 直覺(jué)模糊語(yǔ)言信息集成方法 63
3.3.1 IFLIOWA算子與IFLIOWGA算子 63
3.3.2 決策算法與案例分析 69
3.3.3 直覺(jué)模糊語(yǔ)言混合集成算子 73
3.3.4 決策算法與案例分析 77
3.4 Pythagorean模糊語(yǔ)言信息集成方法 82
3.4.1 Pythagorean三角模糊語(yǔ)言Bonferroni均值算子 82
3.4.2 決策算法與案例分析 90
3.5 小結(jié) 93
參考文獻(xiàn) 93
第4章智能語(yǔ)言信息集成方法 96
4.1 猶豫模糊語(yǔ)言信息集成方法 96
4.1.1 猶豫模糊語(yǔ)言集成算子 96
4.1.2 猶豫模糊語(yǔ)言多屬性決策算法及案例 106
4.2 概率語(yǔ)言信息集成方法 109
4.2.1 概率語(yǔ)言術(shù)語(yǔ)集成算子 109
4.2.2 概率語(yǔ)言多屬性決策算法及案例 110
4.3 Z-語(yǔ)言信息集成方法 112
4.3.1 基于Z-語(yǔ)言信息的集成算子 112
4.3.2 Z-語(yǔ)言多屬性決策算法及案例 117
4.4 小結(jié) 121
參考文獻(xiàn) 122
第5章智能語(yǔ)言群決策模型及方法 123
5.1 幾種決策模型 123
5.1.1 TOPSIS決策模型 123
5.1.2 TODIM決策模型 124
5.1.3 VIKOR決策模型 126
5.1.4 AHP決策模型 128
5.2 基于智能語(yǔ)言信息的TOPSIS決策模型 130
5.2.1 廣義區(qū)間直覺(jué)模糊語(yǔ)言TOPSIS決策模型 131
5.2.2 投資策略選擇 134
5.2.3 概率語(yǔ)言TOPSIS決策模型 137
5.2.4 輿情系統(tǒng)選擇 138
5.3 基于智能語(yǔ)言信息的TODIM方法 143
5.3.1 IVPFLV的統(tǒng)計(jì)特征 143
5.3.2 基于IVPFLV的主成分模型 146
5.3.3 基于IVPFL-PCA的TODIM決策算法 150
5.3.4 地震應(yīng)急決策 151
5.4 基于智能語(yǔ)言信息的VIKOR方法 155
5.4.1 區(qū)間Pythagorean模糊語(yǔ)言VIKOR決策模型 155
5.4.2 企業(yè)選址問(wèn)題 157
5.5 基于智能語(yǔ)言信息的優(yōu)先分類決策方法 161
5.5.1 區(qū)間直覺(jué)模糊語(yǔ)言優(yōu)先分類決策模型 161
5.5.2 供應(yīng)商評(píng)級(jí) 163
5.6 基于智能語(yǔ)言信息的AHP方法 168
5.6.1 概率語(yǔ)言AHP決策模型 168
5.6.2 未來(lái)城市發(fā)展前景 170
5.7 小結(jié) 173
參考文獻(xiàn) 173
第6章總結(jié)與展望 176
6.1 本書(shū)總結(jié) 176
6.1.1 智能語(yǔ)言的基本理論 176
6.1.2 智能語(yǔ)言的度量 177
6.1.3 模糊語(yǔ)言信息集成方法 177
6.1.4 智能語(yǔ)言信息集成方法 177
6.1.5 智能語(yǔ)言群決策模型及方法 178
6.2 未來(lái)工作展望 178
6.2.1 復(fù)雜問(wèn)題的智能語(yǔ)言處理 178
6.2.2 智能語(yǔ)言信息的度量公理化 178
6.2.3 智能語(yǔ)言信息時(shí)序建模預(yù)測(cè) 179
6.2.4 基于智能語(yǔ)言信息預(yù)測(cè)的決策理論 179