[论文解读] Fuzzy Relational Equations and Neutrosophic Relational Equations

W. B. Vasantha Kandasamy, Florentín Smarandache|ArXiv.org|Jun 30, 2004

Fuzzy Systems and Optimization参考文献 30被引用 23

一句话总结

本文提出中智关系方程（NREs）作为模糊关系方程（FREs）的扩展，使具有不确定性——即数据可能不确定、模糊或不一致——的系统建模成为可能。通过整合真值度、不确定度和假值度，NREs 将 FREs 普遍化，以处理传统模糊逻辑因缺乏对不确定性的处理能力而在医学、工业和社科领域中难以应对的现实问题。

ABSTRACT

The introduction of Fuzzy Relational Equations (FREs) has made problems that were unsolvable using algebraic linear equations into solvable ones. FREs have been applied to problemsin medicine, industry, transportation and all types of social problems where the data is an unsupervised one. Yet, FREs lack the capacity to tackle problems where an element of indeterminacy is involved. This book develops the new concept of Neutrosophic Relational Equations (NREs) that have the capacity to analyze problems with indeterminacy. Here, earlier models on FREs are analyzed and new NRE models, with practical applications, are presented.

研究动机与目标

• 解决模糊关系方程（FREs）在处理不确定或模糊数据方面的局限性。
• 开发一种新的数学框架——中智关系方程（NREs）——以建模包含真值、不确定性和假值成分的系统。
• 通过整合中智逻辑扩展现有 FRE 模型，使在存在不完整或模糊信息的现实应用中能够实现更稳健的分析。
• 展示 NREs 在医学、交通和社交系统等领域的实际应用，这些领域中的数据本质上是不精确或不确定的。
• 基于中智集理论建立 NREs 的理论基础，确保数学严谨性和适用性。

提出的方法

• 通过引入中智逻辑扩展经典模糊关系方程，其中包含三种隶属度：真值、不确定性和假值。
• 提出一类新的关系方程——中智关系方程（NREs）——其解空间考虑了不确定元素。
• 使用适配于中智集的极大-极小复合运算，使在不确定条件下仍能计算解。
• 引入 NREs 的形式代数结构，定义如中智极大和中智极小等运算，以求解方程组。
• 应用中智等价和中智蕴含的概念，推导出在存在不确定性时的解集。
• 通过理论分析和多样化应用领域的示例验证该框架。

实验结果

研究问题

• RQ1 如何扩展模糊关系方程以建模涉及不确定或模糊数据的系统？
• RQ2 需要何种数学结构才能将真值度、不确定度和假值度整合到关系方程中？
• RQ3 中智关系方程（NREs）是否能在存在不确定数据的现实应用中，提供比传统 FREs 更全面的解决方案框架？
• RQ4 在不同复合运算下，NREs 的代数性质和解特征是什么？
• RQ5 在医疗诊断、工业控制或社交系统建模等实际场景中，当数据模糊性普遍存在时，NREs 的表现如何？

主要发现

• 中智关系方程（NREs）通过引入不确定性，成功扩展了模糊关系方程（FREs），使能够建模数据并非纯粹为真或假的系统。
• 所提出的 NRE 框架允许在关系方程中表示三值逻辑——真值、不确定性和假值——从而增强了表达能力。
• 本文证明，NREs 可通过适配于中智集的改进极大-极小复合规则求解，确保了解的可行性。
• 理论分析证实，NREs 普遍化了 FREs，当不确定性为零时，FREs 成为 NREs 的特例。
• 医学和工业中的实际示例表明，NREs 比 FREs 更有效地处理模糊或不完整数据。
• 该框架为未来在不确定性条件下的决策制定、模式识别和数据分析应用提供了坚实基础。