《直觉模糊集理论及应用（上册）》是作者在国家自然科学基金资助下系列研究成果的汇集。《直觉模糊集理论及应用（上册）》系统介绍直觉模糊集理论和方法及其在模式识别、信息融合、信息安全、数据挖掘等领域的应用。《直觉模糊集理论及应用（上册）》共分为14章：第1章介绍直觉模糊集理论的发展；第2章介绍直觉模糊集的基本运算；第3章介绍直觉模糊集之间的度量及直觉模糊模式识别；第4章介绍直觉模糊关系及直觉模糊聚类分析；第5章介绍直觉模糊推理与直觉模糊控制；第6章介绍直觉模糊综合评判与直觉模糊决策；第7章介绍直觉模糊神经网络与直觉模糊规划；第8章介绍基于直觉模糊集的数据关联方法；第9章介绍基于直觉模糊集的目标识别方法；第10章介绍基于直觉模糊集的态势评估方法；第11章介绍基于直觉模糊集的威胁评估方法；第12章介绍基于直觉模糊集的网络入侵检测技术；第13章介绍直觉模糊集在网络信息安全中的应用；第14章介绍基于直觉模糊推理的数据挖掘方法。
更多科学出版社服务，请扫码获取。
目录
第1章 绪论 1
1.1 引言 1
1.2 模糊集概述 3
1.3 直觉模糊集 6
1.3.1 直觉模糊集的形成与发展 6
1.3.2 直觉模糊集的基本概念 8
1.3.3 直觉模糊集的基本运算 8
1.3.4 直觉模糊集的截集 9
1.3.5 直觉模糊集截集的性质及核 11
1.3.6 直觉模糊集的特点 12
1.4 拓展模糊集之间的若干等价变换 13
1.4.1 L-模糊集与L-直觉模糊集 13
1.4.2 区间值模糊集与区间值直觉模糊集 14
1.4.3 Vague集与直觉模糊集 15
1.4.4 直觉模糊集到模糊集的变换 17
1.4.5 拓展模糊集之间的变换 17
1.4.6 讨论 20
参考文献 20
第2章 直觉模糊集的扩展运算 28
2.1 IFS非隶属度函数的确定方法 28
2.1.1 非隶属度函数的规范性确定方法 28
2.1.2 基于优先关系定序法的IFS非隶属度函数确定方法 34
2.1.3 基于对比平均法的IFS非隶属度函数确定方法 38
2.1.4 基于绝对比较法的IFS非隶属度函数确定方法 42
2.2 IFS到模糊集的转换方法 46
2.2.1 现有转换方法分析 46
2.2.2 差值修正法 48
2.2.3 算例分析 50
2.3 直觉模糊算子 51
2.3.1 操作算子 51
2.3.2 语义算子 52
2.4 IFS时态逻辑算子及扩展运算性质 53
2.4.1 时态逻辑算子 54
2.4.2 扩展运算 55
2.5 IFS分解定理 58
2.6 本章小结 60
参考文献 60
第3章 直觉模糊度量与直觉模糊熵 62
3.1 直接模糊集的几何解释 62
3.2 直觉模糊集之间的距离 63
3.2.1 IFS之间的距离 63
3.2.2 基于Hausdorff测度的IFS之间的距离 65
3.2.3 改进的IFS之间的距离 67
3.3 直觉模糊集之间的相似度 71
3.3.1 IFS之间的相似度 72
3.3.2 基于Hausdorff测度和基于Lp测度的相似度 74
3.3.3 改进的IFS之间的相似度 76
3.4 具有倾向性的直觉模糊相似度 77
3.4.1 直觉模糊相似度量的三维表示 78
3.4.2 现有直觉模糊相似度量的问题 79
3.4.3 直觉模糊相似度量的公理化定义 80
3.4.4 具有倾向性的直觉模糊相似度量 81
3.4.5 算例分析 83
3.5 直觉模糊集相异度度量方法 84
3.5.1 直觉模糊集相异度定义 85
3.5.2 直觉模糊集相异度度量公式 85
3.5.3 算例分析 88
3.6 一类直觉模糊熵的构造方法 90
3.6.1 直觉模糊熵的几何解释 90
3.6.2 直觉模糊熵的构造 91
3.6.3 算例分析 94
3.6.4 讨论 95
3.7 本章小结 95
参考文献 96
第4章 直觉模糊关系与直觉模糊聚类 98
4.1 直觉模糊关系 98
4.2 直觉模糊合成运算 100
4.2.1 直觉模糊集T-范数与S-范数 100
4.2.2 直觉模糊关系的合成运算 102
4.3 直觉模糊关系的性质 104
4.3.1 直觉模糊关系的自反性 104
4.3.2 直觉模糊关系的对称性 105
4.3.3 直觉模糊关系的传递性 106
4.4 直觉模糊相似关系与等价关系 107
4.5 基于直觉模糊等价关系的聚类 108
4.5.1 直觉模糊相似矩阵的构造 109
4.5.2 聚类算法步骤 110
4.5.3 算例分析 111
4.6 直觉模糊C均值聚类（IFCM） 113
4.6.1 模糊C均值聚类（FCM） 113
4.6.2 直觉模糊数的模糊C均值聚类（IFCM1） 117
4.6.3 普通集合的直觉模糊C均值聚类（IFCM2） 119
4.6.4 直觉模糊集合的直觉模糊C均值聚类（IFCM3） 122
4.6.5 直觉模糊集合的模糊C均值聚类（IFCM4） 124
4.6.6 算例分析 126
4.7 基于目标函数的直觉模糊聚类方法 129
4.7.1 直觉模糊聚类算法 129
4.7.2 直觉模糊聚类初始化方法 133
4.7.3 直觉模糊聚类有效性分析 137
4.8 本章小结 141
参考文献 142
第5章 直觉模糊推理与规则库检验 145
5.1 真值合成方法 145
5.2 直觉模糊条件推理 146
5.2.1 蕴涵式直觉模糊推理 146
5.2.2 条件式直觉模糊推理 147
5.2.3 多重式直觉模糊推理 148
5.2.4 多维式直觉模糊推理 148
5.2.5 多重多维式直觉模糊推理 149
5.2.6 讨论 149
5.3 条件推理中的可信度传播 149
5.3.1 典型直觉模糊推理中的可信度 150
5.3.2 加权直觉模糊推理中的可信度 150
5.3.3 狭义直觉模糊推理中的可信度 150
5.3.4 讨论 151
5.4 直觉模糊近似推理方法 151
5.4.1 直觉模糊取式推理 152
5.4.2 直觉模糊拒式推理 153
5.4.3 直觉模糊假言推理 154
5.4.4 讨论 155
5.5 真值限定的直觉模糊推理方法 155
5.5.1 直觉模糊逻辑转换规则 155
5.5.2 真值限定推理方法 155
5.5.3 算例分析 157
5.5.4 讨论 159
5.6 基于直觉模糊逻辑的插值推理方法 159
5.6.1 直觉模糊逻辑及命题演算 159
5.6.2 直觉模糊拒式插值推理 160
5.6.3 直觉模糊取式插值推理 164
5.6.4 直觉模糊假言插值推理 164
5.6.5 讨论 167
5.7 基于包含度的直觉模糊推理方法 167
5.7.1 基于蕴涵算子的包含度 168
5.7.2 基于集合基数的包含度 169
5.7.3 基于包含度的直觉模糊相似度 170
5.7.4 基于包含度的直觉模糊推理方法 173
5.7.5 讨论 175
5.8 基于数值拟合的直觉模糊近似推理方法 175
5.8.1 数值拟合方法 176
5.8.2 推理规则 176
5.8.3 直觉模糊集的近似推理 177
5.8.4 算例分析 178
5.9 基于直觉模糊相似度量的近似推理方法 179
5.9.1 基本思路 179
5.9.2 近似推理方法 180
5.9.3 算例分析 181
5.10 直觉模糊推理的规则库检验方法 181
5.10.1 规则完备性 182
5.10.2 规则互作用性 182
5.10.3 规则相容性 186
5.10.4 实例分析 187
5.11 本章小结 189
参考文献 189
第6章 直觉模糊综合评判、决策与规划 191
6.1 直觉模糊综合评判 191
6 1.1 三角模、记分函数法、模糊运算的选取 191
6.1.2 基于可能度排序的直觉模糊综合评判模型 196
6.1.3 基于评判函数的直觉模糊综合评判模型 197
6.2 直觉模糊决策模型与方法 200
6.2.1 直觉模糊偏好信息的多属性决策方法 200
6.2.2 直觉模糊环境下的多属性决策模型 204
6.2.3 算例一 208
6.2.4 算例二 208
6.3 直觉模糊规划模型与方法 210
6.3.1 模糊规划 210
6.3.2 Plamen直觉模糊规划 212
6.3.3 二阶段直觉模糊规划模型 213
6.3.4 基于DE的二阶段直觉模糊规划算法 215
6.3.5 加权直觉模糊多目标规划模型 217
6.3.6 算例三 218
6.3.7 算例四 223
6.4 本章小结 224
参考文献 225
第7章 基于直觉模糊推理的数据挖掘 228
7.1 数据挖掘的相关理论及方法 228
7.1.1 数据挖掘的基本概念 228
7.1.2 数据挖掘的应用领域 231
7.1.3 数据挖掘的基本技术 232
7.2 直觉模糊推理 236
7.2.1 直觉模糊蕴涵关系 237
7.2.2 单前件单规则的直觉模糊推理 240
7.2.3 多前件单规则的直觉模糊推理 243
7.2.4 多前件多规则的直觉模糊推理 244
7.3 直觉模糊推理系统 246
7.3.1 Mamdani直觉模糊推理系统 247
7.3.2 Sugeno直觉模糊推理系统 249
7.3.3 讨论 253
7.4 基于直觉模糊推理的数据挖掘 253
7.4.1 数据挖掘问题描述 253
7.4.2 属性的隶属度函数和非隶属度函数的建立 254
7.4.3 数据挖掘中的直觉模糊推理算法 254
7.4.4 仿真实例 259
7.4.5 算法分析 262
7.4.6 讨论 262
7.5 基于自适应直觉模糊推理的数据挖掘 262
7.5.1 自适应神经-直觉模糊推理系统 263
7.5.2 网络结构 263
7.5.3 网络的训练 265
7.5.4 仿真实例 270
7.5.5 算法检验 271
7.5.6 算法对比分析 272
7.5.7 数据挖掘系统的设计与实现 272
7.5.8 讨论 276
7.6 本章小结 276
参考文献 277
索引 278
书单推荐
