1) fuzzy set ordination
模糊数学排序
1.
The study with fuzzy set ordination(FSO) showed that in the National Nature Reserve in Yellow River Delta,there was a greater difference in plant habitat and vegetation type along a water table depth gradient.
采用模糊数学排序方法对黄河三角洲国家级自然保护区不同水深梯度下芦苇湿地植被进行了研究,揭示了水深对植被空间分布的影响。
2) ranking fuzzy numbers
模糊数排序
1.
A method for ranking fuzzy numbers based on the ideal points
基于理想点的模糊数排序方法
2.
In order to overcome the shortcoming of the fuzzy numbers membership function in ranking fuzzy numbers in the air defense,the definition of relative membership degree is introduced,and then the relative membership degree deviation is defined.
提出了一种新的基于相对隶属度的模糊数排序方法,算例表明该方法有效可行。
3) fuzzy numbers ranking
模糊数排序
1.
Finding a set of non-dominated fuzzy shortest paths according to multi-criteria decision theory, fuzzy shortest paths based on maximum utility, and fuzzy shortest paths by using methods of fuzzy numbers ranking are three research methods widely adopted.
根据多准则决策理论求非被支配路径集合,求最大效用模糊最短路以及利用模糊数排序方法求模糊最短路是常用的三种研究方法,本文利用OERI排序原理,使网络模糊边长具有线性可加性,对具有三角模糊数边权的网络给出了一种标号算法,该算法简单高效,且易于在计算机上实现,算法的时间复杂度为O(n2)。
4) Ranking fuzzy number
模糊数排序
1.
Based on the total expected values of fuzzy numbers with optimism degree and the method of ranking fuzzy numbers with such total expected values, an auxiliary derived classical model of matric games is proposed to resolve the imprecise nature.
应用带有乐观度参数的模糊数排序的总体期望万法,建立了衍生的经典矩阵对策模型,并分别在局中人具有相同乐观度和不同乐观度的情况下,讨论了模糊对策问题的解法。
5) ranking function of fuzzy numbers
模糊数排序函数
6) fuzzy ranking function
模糊排序函数
补充资料：模糊数学方法
模糊数学方法
method of fuzzy mathematics
mohu shuxue fangfa模糊数学方法(method of fuzzy ma·thematics)研究事物模糊性的一种数学方法」是用精确的数学工具，对概念模糊或者系统复杂难以精确化事物进行测度、运算和逼近的方法 简况电子i十算机技术的发展促进r模糊数学的出现。1965年，美国控制论专家L.A.扎登首先提出模糊集(Fuzzv sets)概念.形成了模糊集理论.为用数学方法描述事情模糊性提供了手段。1979年陈国范等人首次把模糊数学应用于天气预报业务。此后，开始用于农业气候区划、地区气候资源评价、作物宜植区的气候选择、产量预报等研究中。现在已显示出其独到的优点。①是用隶属函数表示农业对象与气象环境因子的关系，可为其适宜程度提供一个游动边界，比用传统的指标硬划分，更符合由量变到质变的客观实际;②是通过对隶属函数的确定，可把因子的原始量测值同对象的反应指标结合起来;③是对一些复杂的难以取得精确量测数据的现象，可用经验公式或定性评分的方法，使其数量化，以便计算和分析;④是对受多指标变量影响的系统，可用各指标相应的隶属函数的逻辑复合运算，模糊关系转换，得出多因子对对象影响的综合评判值，这种评判值比加权平均合理，有利于多因子综合分析。 方法目前使用较普遍的有以下五种方法: 综合隶属函数拟合这是利用因子隶属函数的软代数运算去拟合对象的方法。首先据经验定出因子模糊子集的边界条件，以此建立隶属函数，计算出各因子相应的隶属度，再作交、并、补等各种软代数组合运算。用所得综合隶属度，分别对对象模糊子集作拟合判别，从中选取拟合最优的组合运算，建立预报方程。优点在于能通过隶属函数的设计，吸收定性经验到方程中去;且能通过组合运算，从原始因子序列中提取较多的信息，是一种实用而有效的方法。多用于农业气象预报和类型识别。此方法的关键是要设计出一个能合理刻划事物模糊性的隶属函数。常见的隶属函数有正态型、戒上型和戒下型三种，使用时可根据实际需要选取，并给出相应的参数值。 模糊模型识别这是确定被识别对象在已知模型集合中归类的方法。按最大隶属原则，判别对象在给定模型集中的归属问题，称为模糊数型识别的直接方法。若被识别对象不是一个确定元素，而是一个子集，则须分别求算对象子集与已知各模型之间的贴近度，再依据接近原则，确定其归属，后者即模糊模型识别的间接方法。适用于作物宜植区的气候选择和农业气象预报。 模糊相似分析这是用模糊集和模糊关系的理论，决定群分析中相似选择的取舍方法。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条