Kejutan integral atas ukuran kabur. Pada pertanyaan tentang aplikasi praktis dari langkah-langkah fuzzy dan integral shock. Metode pemodelan probabilitas kejadian berdasarkan analisis “pohon” kejadian dan metode kejadian. arah
Pengalaman pekerjaan yang tersedia memungkinkan kita untuk menarik kesimpulan berikut tentang kemungkinan menggunakan metode ini untuk studi tanggul kereta api.
Untuk metode PGZ:
> studi yang meyakinkan tentang fitur struktural bagian atas tanggul rel kereta api hingga kedalaman 1-10 m (tergantung pada kelembaban, salinitas tanah) atau ke atap tanah liat, yang merupakan media penyerap gelombang elektromagnetik;
> survei tanggul rel kereta api secara terus menerus;
> menurunkan biaya dengan mengurangi volume operasi penambangan dan pengeboran, mengurangi waktu untuk mendapatkan hasil akhir pekerjaan eksplorasi, tidak perlu mengganggu lalu lintas kereta api;
> meningkatkan keamanan rolling stock melalui teknik inspeksi non-destruktif;
> pengurangan kesalahan dalam analisis penyebab deformasi dan, karenanya, dalam solusi desain.. Misalnya, penurunan tanggul,
Tidak ada setelah perbaikan besar, karena kurangnya informasi tentang bentuk atap dari tanah liat.
Untuk metode EDZ:
> penentuan operasional kedalaman atap tanah lempung;
> memperoleh sifat fisik dan mekanik tanah di lapangan;
> menggunakan hasil yang diperoleh untuk mengoreksi data metode KPBU;
> studi tanggul hingga kedalaman 15m, yang dibatasi oleh kemungkinan pemasangan.
Argumen terakhir yang tercantum tidak berlaku untuk tanah yang mengandung lebih dari 10% inklusi kasar.
Kerugian dari kedua metode ini adalah penggunaan yang terbatas pada kedalaman dan ketergantungan yang kuat pada karakteristik komposisi tanah. Sehubungan dengan itu, perlu diterapkan metode-metode tersebut dalam kombinasi dengan seismik dangkal dan prospeksi listrik, yang akan meningkatkan kedalaman penelitian hingga puluhan meter.
Makalah tersebut diterima untuk diterbitkan pada tanggal 29 Juni 2006.
S.A. Sakulin
Visualisasi operator agregasi berdasarkan integral Choquet pada ukuran orde ke-2 yang ganjil
Agregasi kriteria numerik adalah metode menggabungkannya menjadi satu kriteria numerik (hasil agregasi) untuk mengekspresikan efek agregat dari kriteria tersebut. Agregasi digunakan dalam inferensi dan pengenalan fuzzy, masalah pengambilan keputusan multi-kriteria. Operator agregasi sering disebut operator yang memiliki beberapa yang diberikan
sifat-sifat operator ACC: i - ", di mana H
Banyaknya kriteria. Beberapa properti ini konstan dan sesuai dengan jenis operator agregasi yang dipilih. Properti lainnya ditentukan oleh ahli berdasarkan visinya tentang proses agregasi kriteria. Properti yang ditetapkan oleh pakar diekspresikan menggunakan parameter operator agregasi, sedangkan properti konstan operator tidak bergantung pada nilai parameter ini.
Sampai saat ini, tidak ada pendekatan formal umum untuk membangun operator agregasi berdasarkan pengetahuan ahli; pekerjaan sedang berlangsung ke arah ini. Kumpulan kondisi fundamental diusulkan untuk definisi formal dari operator agregasi. Perlu dicatat bahwa rangkaian kondisi ini tidak kompatibel satu sama lain. Serangkaian kondisi yang kurang ketat diusulkan, sesuai dengan yang
Operator agregasi AGG dari kriteria gH didefinisikan sebagai berikut: Definisi 1 Operator agregasi AGG adalah fungsi i -> memenuhi kondisi berikut:
Identitas dalam kasus unarity: jika H = 1, u AGG = gH;
Kondisi perbatasan:
AG = 0; AGG [1, ..., l] = l;
Tidak menurun: gH)<{g[ g"H)^>
AGG.
Kami akan tetap berpegang pada definisi ini. Semua kondisi tambahan yang dikenakan pada operator agregasi akan ditambahkan ke yang terdaftar dan akan sesuai dengan preferensi ahli.
Kriteria bersifat independen jika efek pada hasil agregasi karena perubahan masing-masing (dengan nilai tetap dari kriteria yang tersisa) tidak bergantung pada nilai kriteria yang tersisa.
riev, Jika tidak, kriteria tergantung. Secara umum, kriteria juga tergantung.
Konsep ukuran fuzzy dan integral fuzzy digunakan untuk mencerminkan pengetahuan ahli tentang ketergantungan antar kriteria.
Definisi 2 Ukuran fuzzy (diskrit) adalah
fungsi y /: 27 ->, di mana 2 ") adalah himpunan semua himpunan bagian dari himpunan indeks kriteria Y - (1, ..., H), yang memenuhi kondisi: y / (0) = 0, = t> ch =><^(Я)
Kami akan menghilangkan kurung kurawal, alih-alih (/), (/, y) masing-masing menulis /, I]. Dari pada
notasi "kriteria dengan indeks / e 3" untuk singkatnya kita juga akan menggunakan "kriteria I".
Secara umum, ukuran fuzzy tidak aditif, atau
y / (p) n-y / (B ~) Phy / f ^ B) di mana D Bs /; £> nB = 0. Nilai ukuran u / f) dapat diartikan sebagai "bobot" atau "kepentingan" dari himpunan bagian O dari himpunan kriteria U.
Misalkan dc (7- (z "dan y). Maka kriteria f dan y berinteraksi secara positif (atau, mengikuti istilah teori permainan, cenderung bekerja sama) jika kontribusi lokal dari kriteria y" ke setiap subset kriteria,
u / f dan / dan y) - u / f dan 0 > y / (O dan y) -y / f) - (1) Kriteria f dan y saling bebas jika persamaan
u / dan I dan y) -y / dan 0 = y) - ^ ). (2)
Kriteria / dan y berinteraksi secara negatif (atau, mengikuti istilah teori permainan, memiliki kecenderungan berlawanan dengan kerjasama) jika kontribusi lokal dari kriteria y untuk setiap subset kriteria yang mengandung
kriteria I kurang dari kontribusi lokal kriteria y ke subset yang sama di mana kriteria r dikecualikan:<у/(£Юу)-у/(£>) "(3) Miro ^ N dan Bopezla mengusulkan definisi indeks interaksi berikut antara kriteria I dan y:
(N- | L | -2)! | 1) |! G. (4)
I PI A, 1 dan y) - c, (B u |) - y (A dan A + y (t>)]
Indeks ini ditafsirkan sebagai rata-rata tertimbang dari total dampak yang dihasilkan oleh kriteria / dan y, disatukan, secara keseluruhan
dipertimbangkan kombinasi, Ketika indeks /(?",./) positif (negatif), hubungan antara kriteria I dan y disebut positif (negatif).
Indeks interaksi di antara kriteria subset pada tahun 1997 diperkenalkan oleh bgazcI sebagai generalisasi alami dari kasus tertentu ketika | 2? | = 2:
Korelasi adalah yang paling dikenal dan paling intuitif dari ketergantungan antara kriteria. Dua kriteria r, y e Y berkorelasi positif jika ahli dapat mengamati korelasi positif antara kontribusi terhadap hasil agregasi yang terkait dengan kriteria r dan y, masing-masing.
Korelasi positif antar kriteria kemudian akan dinyatakan dengan pertidaksamaan y / (y)< УЧО + УО) С учётом других комбинаций, если критерии I и у положительно коррелированны, то локальный вклад критерия у в любую комбинацию критериев, содержащую критерий I, строго меньше, чем локальный вклад критерия у в той же самой комбинации, где критерий I исключён, то есть справедливо неравенство (3).
Sekarang, misalkan kriteria f dan y berkorelasi negatif, maka y / (z, y)> y / (z) + y (y), dengan mempertimbangkan kombinasi lain, pertidaksamaan (1) berlaku. Jika kriteria / dan y tidak berkorelasi,
persamaan (2) adalah benar.
Jenis ketergantungan lainnya adalah substitusi (saling ketergantungan) kriteria. Perhatikan kembali kriteria r dan y. Misalkan ahli percaya bahwa memenuhi hanya satu kriteria menghasilkan efek yang hampir sama dengan memenuhi keduanya.
Di sini, pentingnya sepasang kriteria y dekat dengan pentingnya masing-masing secara terpisah, bahkan jika ada kriteria lain. Dalam hal ini, kami mengamati bahwa kriteria / dan y hampir dapat diganti atau dipertukarkan. Dalam hal ini, seperti halnya dalam kasus korelasi positif kriteria, ketidaksetaraan (3) terpenuhi.
Sebaliknya, pemeriksa dapat mengklaim bahwa memenuhi hanya satu kriteria dapat menghasilkan efek yang sangat kecil dibandingkan dengan memenuhi keduanya. Kemudian kita dapat berbicara tentang saling ketergantungan mereka, dimodelkan dengan ukuran fuzzy y / sehingga
ketidaksetaraan (1).
Perhatikan bahwa tidak seperti fenomena korelasi kriteria, substitusi dan saling ketergantungan antara kriteria tidak dapat dideteksi dengan pengamatan statistik. Mereka hanya mewakili pendapat ahli tentang hubungan antara pentingnya kriteria, terlepas dari kontribusi kriteria ini terhadap hasil agregasi,
Ketergantungan kriteria yang disukai dan kebalikannya, kemandirian yang disukai, sangat dikenal dalam teori utilitas. Memperkirakan
bahwa preferensi pakar pada himpunan realisasi kriteria A diketahui dan dinyatakan oleh relasi urutan yang tidak ketat.
Definisi 3 Subset kriteria B a3 lebih disukai disebut independen dari subset J - D jika dan hanya jika, untuk setiap pasangan realisasi kriteria, dari
(% D > £ J-D) t.(%"D,% J-D) untuk beberapa realisasi berikut.
g / _¿), dimana berarti relasi preferensi (orde tidak ketat) pada A. Jika tidak, subset kriteria B c: 3 lebih disukai bergantung pada subset 3 - /),
Integral Choquet fuzzy (Ciocie!), Diperkenalkan pada tahun 1974 oleh Bidepo berdasarkan ukuran Choquet nonaditif, digunakan sebagai operator agregasi yang mencerminkan pengetahuan ahli tentang ketergantungan antara kriteria dengan memilih nilai parameter yang sesuai. Penggunaannya untuk membangun operator agregasi untuk kriteria dependen dibahas dalam. Secara khusus, independensi kriteria yang disukai, yang dimodelkan menggunakan integral Choquet, dipertimbangkan dalam.
Definisi 4 Fuzzy (diskrit) Integral Choquet kriteria g1, ..., gн terhadap ukuran fuzzy
y / e ^ didefinisikan oleh ekspresi
di mana (*) berarti permutasi indeks dalam Y sehingga - - X (H) »4n) = ((A), ..., (H)) dan
Integral Choquet memiliki sifat-sifat berikut:
Kepuasan SN batas (0, ..., 0) = 0, SNAD1, ..., 1) = 1;
Tidak berkurang:
Idempotensi:
Saya, = £2 = = PL, =
Dari sifat-sifat ini, integral Choquet sesuai dengan definisi operator agregasi yang diadopsi oleh kami. Untuk refleksi saat menggabungkan, ahli
pengetahuan tentang dependensi antara kriteria, perlu untuk menentukan ukuran fuzzy y /.
Ukuran fuzzy dapat direpresentasikan dengan cara yang unik sehingga = ^ a (B), di mana
Cc /; a (O) adalah fungsi himpunan pada 3, yang dalam kombinatorik disebut fungsi Möbius terhadap y / dan dinyatakan dengan rumus:
af) = £ (-1) W% (£>), di mana c c 3. Tidak semua
himpunan koefisien ke-2 (t) dapat mewakili ukuran fuzzy y /, kondisi batas dan kondisi monoton harus dipenuhi:
a (0) = 0; ]> (£>) = 1;
Ukuran fuzzy y / adalah aditif jika y / f) + y / (B) = \ 1 / (pB), di mana D1) n5 = 0. Dalam hal ini, untuk mengaturnya, Anda perlu menetapkan nilai R dari bobot: y / (H). Dalam kasus umum, itu perlu
adalah mungkin untuk mengatur nilai ke-2 dari bobot yang sesuai dengan
himpunan bagian ke-2 dari himpunan 3.
Jelas bahwa bahkan dengan yang relatif kecil
jumlah kriteria H = \ s \ ahli tidak dapat memberikan
begitu banyak informasi. Selain itu, nilai nilai u/f) tidak selalu jelas bagi seorang ahli. Dalam banyak kasus, pakar mampu menilai pentingnya kriteria individu, pasangan kriteria, tetapi tidak pentingnya subset kriteria, yang terdiri dari lebih banyak kriteria. Dan sebaliknya, jika suatu ukuran fuzzy diberikan, ahli tidak dapat menilai nilai-nilainya dari segi bidang studinya,
Untuk mengatasi masalah formalisasi pengetahuan ahli dengan sejumlah besar nilai
bobot (2i), braisc mengusulkan konsep kondisi fuzzy: mengukur £. ORDER< |У| = Я . Суть этой концепции заключается в том, что для упрощения задания нечётких мер из рассмотрения исключаются зависимости между более чем к - критериями.
Pertimbangkan kasus orde ke-2, yang menurut pertimbangan di atas, paling menarik dari sudut pandang praktis, Tindakan
benar-benar, hanya
+ = + -
2! (Aku -2)! Diperlukan 2 koefisien dalam hal ini untuk menentukan nilai suatu ukuran fuzzy, yaitu:
1 / (0 = a (i), i € J; y / (ij) = ail) + a (j) + ci (ij), (i, j) –3. Koefisien yang tersisa adalah:
Perhatikan bahwa kasus orde kedua setara dengan asumsi bahwa indeks interaksi I (B) sama dengan
nol untuk himpunan bagian dari setidaknya tiga elemen. Dalam hal ini, integral Choquet akan berbentuk:
Indeks interaksi antara kriteria / dan y: I (i, j) = a (ij), (/, y ") eY, Perhatikan juga bahwa a (r) e [OD] untuk semua ye J, I (i , j) e [-1,1] untuk semua (z, y) e Y. Akhirnya, dalam konteks ini, kondisi (6) untuk koefisien a (0), a (i), a (i, j), ((i, j) ej), mendefinisikan ukuran fuzzy, mengambil bentuk:
a (0) = 0; 2> (0+ X * G0 = 1
a (i)> 0 Vi е J (9)
a (i) + £ a (ij)> 0, Vi e J, Vi) dengan Y - (/)
Mari kembali ke dependensi yang dipertimbangkan sebelumnya antara kriteria untuk kasus model orde kedua.
Misal Z) c; (/ - (iuy ")), maka berdasarkan (11) kita
kita dapat menulis ekspresi untuk ukuran fuzzy dari urutan ke-2 dari himpunan bagian yang sesuai:
y (B) = ^ a (p) + X (U
/> s = Z) (p, q) c, D p & D
J ^ a (p) + £ «(/>) + £ «(/"")"<-£ «(дО +«(0 + «О")+«(У)
pv-D 1p.<})£й peD p*D
Jika kriteria i dan y berkorelasi positif, maka ketimpangan (3) terpenuhi; mengganti ekspresi (10), (11), (12), (13) ke dalamnya, kita mendapatkan:
^ a (pL + au) + a (d)<^а(рЛ+а(Л ^ «G0< 0.(14)
Oleh karena itu, untuk mencerminkan korelasi positif kriteria i dan y dalam kasus model orde kedua, cukup untuk menetapkan indeks interaksi I (ij) = a (ij)< 0, не принимая во внимание остальные критерии и зависимости.
Dalam kasus korelasi negatif antara kriteria i dan y, indeks interaksinya ditetapkan I (ij)> 0, yang, sama dengan (14), akan mencerminkan ketidaksetaraan (1),
Jika kriteria tidak berkorelasi, maka ekspresi berikut ini benar:
X a (PJ ") + a (A + = Z + aU) =>
Kasus substitusi kriteria \ u) dicirikan oleh ketidaksetaraan (3), dan saling ketergantungan (1). Kami akan berasumsi bahwa jika ahli percaya bahwa kriteria / dan y dapat diganti (saling bergantung), ia tidak akan secara bersamaan memperhitungkan korelasi positif atau negatifnya dalam model. Memang, korelasi positif (negatif) kriteria terungkap berdasarkan pengamatan statistik ahli, sedangkan substitusi (interaksi) tidak lebih dari pendapatnya tentang perlunya memenuhi kriteria ini, yang memiliki prioritas lebih tinggi ketika memilih nilai hasil penjumlahan.
Sekarang kita sampai pada masalah yang sulit: bagaimana mengekspresikan ketergantungan atau kemandirian kriteria yang disukai dengan bantuan ukuran fuzzy. Sejak awal penggunaan ukuran fuzzy dan integral untuk membangun operator agregasi, telah dipahami bahwa non-aditivitas dari ukuran fuzzy harus memungkinkan pemodelan ketergantungan kriteria yang disukai. Namun, suatu peralatan belum dikembangkan yang memungkinkan untuk melakukan ini secara ketat secara formal, fenomena ketergantungan kriteria yang disukai telah dipelajari dengan buruk. MigoM dan Zidepo membuktikan teorema berikut:
Teorema 1 Biarkan gl9 ... i menjadi himpunan kriteria. Kami dilambangkan dengan gJ_ (i) realisasi kriteria gj, di mana е 3 - (/). Di sini gt disebut kriteria integral jika 3 gi, g "¡sehingga
0dKurangi himpunan operator agregasi dengan operator berdasarkan integral Choquet, mis. ga) = Cffw (gl, ..., 8н). Itu-
di mana, jika kita memiliki setidaknya tiga kriteria yang tidak dapat dicabut, maka pernyataan berikut ini setara:
1.kriteria gl, ..., gн saling disukai
Mandiri;
2. ukuran fuzzy y / adalah aditif.
Dengan demikian, ketergantungan pilihan (independensi) kriteria akan direfleksikan menggunakan integral Choquet orde 2 menggunakan ukuran fuzzy berdasarkan indeks interaksi kriteria (korelasi dan substitusi), serta orde parsial pada himpunan realisasi kriteria A (sampel pelatihan).
Saat ini, ada aplikasi integral Choquet yang dikenal sebagai operator agregasi dalam beberapa aplikasi praktis. Secara khusus, sistem untuk memilih antarmuka perangkat lunak yang optimal dipertimbangkan, sistem pengenalan suara dijelaskan, dan deskripsi sistem navigasi untuk pejalan kaki menggunakan integral Choquet diberikan.
Penggunaan alat ini secara lebih luas terhalang oleh pemahaman intuitifnya yang buruk oleh banyak orang
spesialis praktis. Untuk mengatasi keadaan ini, seseorang dapat menggunakan mekanisme visualisasi dengan mengasosiasikan objek fisik terkenal dengan integral Choquet.
Penulis mengusulkan metode untuk memvisualisasikan konstruksi operator agregasi berdasarkan integral Choquet orde ke-2. Metode ini didasarkan pada ide metafora keseimbangan. Ide ini adalah untuk membangun korespondensi antara objek nyata, dalam kaitannya dengan representasi intuitif alami yang dikembangkan dengan baik, dan objek matematika - operator agregasi. Tuas bertindak sebagai objek nyata, yang dipasang pada titik tumpuan oleh pegas dengan koefisien kekakuan konstan sama dengan satu (Gbr, 1). Bobot ditempatkan pada tuas yang sesuai dengan kepentingan atau "bobot" kriteria. Sebuah keluarga operator agregasi yang dapat dibangun berdasarkan metafora keseimbangan dipertimbangkan. Integral Choquet tidak termasuk dalam famili ini.Untuk membangun mekanisme visualisasi integral Choquet orde ke-2 berdasarkan metafora keseimbangan, kami memodifikasi metafora keseimbangan.
Agar dapat memperhitungkan interaksi kriteria dalam kasus model orde kedua, perlu untuk mencerminkan dalam metafora keseimbangan pengaruh indeks interaksi kriteria / (//) pada hasil agregasi. Rentang nilai indeks ini adalah interval [-
Berdasarkan rentang nilai ini, kita akan memilih interval [-1,1] untuk skala tuas. Sebagai elemen netral pada skala tuas (atau tempat pemasangannya), kami akan memilih 0.
mm (t., t.), terkait dengan bobot | / ((/) |, jika 1 (y)< 0. В случае, если индекс взаимодействия критериев /((/)>0 untuk bobot kriteria
kami akan menambah nilai
dalam gambar. 1 menunjukkan konstruksi keseimbangan yang dijelaskan di atas untuk kasus dua kriteria, indeks interaksi 7 (1,2) di antaranya negatif. Mari kita tulis, sesuai dengan hukum kedua Newton, persamaan keseimbangan untuk kasus yang ditunjukkan pada Gambar. 1,
Jelas, peningkatan jumlah kriteria tidak akan menyebabkan perubahan struktur keseimbangan, kami menuliskan persamaan yang sesuai:
Ekspresi ini setara dengan integral Choquet orde kedua,
Sekarang mari kita pertimbangkan pemodelan dependensi secara kualitatif antara kriteria menggunakan mekanisme visualisasi yang diusulkan dan operator agregasi yang sesuai. Sesuai dengan skala agregasi (Gbr. 1), kami akan menyebut momen rotasi tuas, yang diarahkan berlawanan arah jarum jam, negatif, dan searah jarum jam, positif.
Dalam kasus korelasi positif dari kriteria atau substitusinya, kami akan menampilkan interaksi negatifnya yang dimodelkan oleh pertidaksamaan (3) saat membangun keseimbangan.
Di area negatif skala tuas secara bersamaan
beban akan ditempatkan | / (?) ") | pada jarak dari tanda nol.
Beras. 1. Visualisasi integral Choquet berdasarkan metafora keseimbangan
Tuas akan terpengaruh oleh torsi negatif karena nilai I (ij)<0 и
min (g., g-y). Selain itu, total positif
momen rotasi akibat beban y / (i) dan
y / (j) i terletak pada jarak g. dan g. dari
tanda nol, sebagian akan dikompensasikan dengan momen negatif I (ij) mm (g;, gy).
Dalam kasus korelasi negatif kriteria i dan j atau saling ketergantungannya, kami menempatkan indeks interaksi mereka / (r>)> 0, yang akan mencerminkan ketidaksetaraan (1). Torsi positif akan bekerja pada tuas karena nilai I (ij) > 0 dan
mm (gi, gj). Dalam hal ini, momen rotasi positif total akibat beban dan terletak pada jarak g. dan g. dari nol, akan diperkuat dengan momen positif / (//) min (gi9gj).
Jika kriteria tidak berkorelasi, dan juga tidak dapat diganti atau saling bergantung, maka I (ij) = 0 dan kita dapat mengamati agregasi kriteria independen. Dalam hal ini, posisi tuas akan ditentukan oleh aksi momen positif
Si V (i) dan gj yf (J).
Menurut Teorema 1, dalam kasus independensi kriteria yang lebih disukai, posisi tuas juga akan ditentukan hanya oleh aksi momen positif g. y / (r) dan g. YJ).
Metode visualisasi yang diusulkan akan memungkinkan pengembang aplikasi praktis untuk memiliki visi intuitif dalam membangun operator agregasi berdasarkan integral Choquet orde ke-2. Penerapan metode ini juga akan memudahkan tugas melatih seorang ahli untuk memformalkan pengetahuan dalam bidang studinya melalui peralatan yang relatif baru dari ukuran fuzzy dan integral.
Daftar bibliografi
1. Grabisch M., Orlovski S., Yager R. Fuzzy Agregasi Preferensi numerik, Dalam R, Slowinski, editor, Fuzzy Sets dalam Analisis Keputusan, Riset Operasi dan Statistik, Kluwer Academic, 1998, 43 p.
2. Belenky A.G. Pilihan skala dan operator agregasi dalam konstruksi sistem informasi dan kontrol cerdas fuzzy. -M.: MEI, 1999.50 hal.
3. Ovchinnikov, S., Tentang Prosedur Agregasi yang Kuat, Operator Agregasi untuk Fusi di bawah Ketidakjelasan. Bouchon-Meunier B. (eds.) 1998, hlm. 3-10.
4. Mayor, G. dan Trillas E., Tentang representasi beberapa fungsi Agregasi, Prosiding ISMVL, 1986, hlm. 111-114.
5. Mesiar R. dan KomornOkova M., Operator Agregasi, Prosiding Konferensi XI tentang Matematika terapan PRIM "96, Herceg D., Surla K. (eds.), Institut Matematika, Novi Sad, 1997, hlm. 193- 211.
6. Moulin E. Pengambilan keputusan kooperatif: Aksioma dan model. -M.: Mir, 1991, - 464 hal.
7. M. Sugeno, Teori integral fuzzy dan aplikasinya, Ph.D. Tesis, Institut Teknologi Tokyo, Tokyo, 1974, 237 hal.
8. M. Grabisch, langkah-langkah fuzzy diskrit aditif k-order dan representasinya, Fuzzy Sets & Systems 92, 1997, pp. 167-189.
9. T. Murofushi dan S. Soneda, Teknik untuk membaca ukuran fuzzy (III): indeks interaksi, dalam: Simposium Sistem Fuzzy ke-9, Sapporo, Jepang, Mei 1993, hlm. 693-696.
10.P.Wakker. Sebuah dasar perilaku untuk langkah-langkah fuzzy. Himpunan & Sistem Fuzzy, 37, 1990, hlm. 327-350.
11. G. Choquet. Teori kapasitas. Annales de I "lnstitut Fourier, 5, 1953, hlm. 131-295.
12. T. Murofushi, M. Sugeno Non-aditivitas dari ukuran fuzzy yang mewakili ketergantungan preferensial, 2nd Int. Kon. On Fuzzy Systems and Newral Networks, lizuka, Jepang, Juli, 1992, hlm. 617-620.
13. Stanley P. Kombinatorik Enumeratif, - M.: Mir, 1990. -440 hal.
14. M. Sicilia, E. Garsia, T. Calvo Sebuah Metode Inquiry-Based untuk Choquet Integral-Based Agregasi Parameter Kegunaan Antarmuka RepDblica Checa Kybemetica, 39 (5), 2003, pp. 601-614.
15. T. Pham, M. Wagner, Normalisasi kesamaan untuk verifikasi speaker dengan fuzzy fusion, The Journal of the Pattern Recognition Society 33, 2000, pp. 309-315.
16. Y. Akasaka dan T. Onisawa, Navigasi Pedestrian Mencerminkan Preferensi Individu untuk Pemilihan Rute -Evaluasi Kecocokan Model Preferensi Individu-, Journal of Japan Society for Fuzzy Theory and Intelligent Informatics, Vol. 18, Tidak. 6, 2006, hal. 900-910.
17. M. Detyniecki dan B. Bouchon-Meunier, Membangun Operator Agregasi dengan Saldo, Prosiding Konferensi Internasional tentang Pemrosesan Informasi dan Manajemen Ketidakpastian dalam Sistem Berbasis Pengetahuan, Madrid, Spanyol, Juli 2000, hlm. 686-692.
Makalah ini diterima untuk diterbitkan pada 21.03.07.
Apakah publikasi ini diperhitungkan dalam RSCI atau tidak. Beberapa kategori publikasi (misalnya, artikel abstrak, sains populer, jurnal informasi) dapat diposting di platform situs web, tetapi tidak dihitung di RSCI. Juga, artikel dalam jurnal dan koleksi yang dikecualikan dari RSCI karena melanggar etika ilmiah dan penerbitan tidak diperhitungkan. "> Termasuk dalam RSCI ®: ya | Jumlah kutipan publikasi ini dari publikasi yang termasuk dalam RSCI. Pada saat yang sama, publikasi itu sendiri mungkin tidak termasuk dalam RSCI. Untuk koleksi artikel dan buku yang diindeks di RSCI pada tingkat bab individu, jumlah kutipan dari semua artikel (bab) dan koleksi (buku) secara keseluruhan ditunjukkan. "> Kutipan dalam RSCI ®: 13 |
Apakah publikasi ini termasuk dalam inti RSCI atau tidak. Inti RSCI mencakup semua artikel yang diterbitkan dalam jurnal yang diindeks dalam basis data Web of Science Core Collection, Scopus, atau Russian Science Citation Index (RSCI). "> Termasuk dalam inti RSCI ®: Tidak | Jumlah kutipan publikasi ini dari publikasi yang termasuk dalam inti RSCI. Pada saat yang sama, publikasi itu sendiri mungkin tidak termasuk dalam inti RSCI. Untuk koleksi artikel dan buku yang diindeks di RSCI pada tingkat bab individu, jumlah kutipan dari semua artikel (bab) dan koleksi (buku) secara keseluruhan ditunjukkan. "> Kutipan dari inti RSCI ®: 2 |
Tingkat kutipan yang dinormalisasi oleh jurnal dihitung dengan membagi jumlah kutipan yang diterima oleh artikel tertentu dengan jumlah rata-rata kutipan yang diterima oleh artikel dari jenis yang sama dalam jurnal yang sama yang diterbitkan pada tahun yang sama. Menunjukkan seberapa tinggi artikel lebih tinggi atau lebih rendah dari rata-rata artikel di jurnal yang diterbitkan. Ini dihitung jika RSCI memiliki set lengkap masalah untuk tahun tertentu untuk jurnal. Indikator tidak dihitung untuk artikel tahun ini. "> Kutipan normal untuk jurnal: 24,443 | Faktor dampak lima tahun jurnal tempat artikel diterbitkan untuk 2018. "> Faktor dampak jurnal di RSCI: |
Tingkat kutipan yang dinormalisasi menurut area subjek dihitung dengan membagi jumlah kutipan yang diterima oleh publikasi tertentu dengan jumlah rata-rata kutipan yang diterima oleh publikasi dari jenis yang sama dari area subjek yang sama yang diterbitkan pada tahun yang sama. Menunjukkan bagaimana tingkat publikasi tertentu lebih tinggi atau lebih rendah dari rata-rata tingkat publikasi lain dalam bidang ilmu yang sama. Untuk publikasi tahun berjalan, indikatornya tidak dihitung. "> Kutipan normal ke arah: 4,015 |