针对人脑对信任范畴的直觉模糊特征,采用经验映射与直觉反演原则提出了一种基于直觉可信分析的犹豫性度量方法,并且建立了犹豫集的概念。研究表明:建立人类直觉信息系统,是分析直觉模糊集的有效工具,犹豫度是对一个直觉行为可信的度量,模糊感知角度能够度量犹豫的形成和变化过程,同时最小模糊度模型为不确定性条件下行为选择的合理性提供了有效的犹豫控制方法。为不确定决策理论引入了新的分析方法,完善了直觉模糊集的内容,不仅提供了一个决策过程的控制策略,还为交互直觉学习系统建立了新的智能分析方法。

直觉模糊集作为Zadeh模糊集的一代，通过引入犹豫度可以更好地表达和处理不确定性。直觉模糊集（IFS）之间的相似性度量用于指示IFS携带的信息之间的相似度。尽管在先前的研究中已经提出了几种针对直觉模糊集的相似性度量，但是其中一些不能满足相似性公理，或者提供了违反直觉的情况。在本文中，我们首先回顾几种广泛使用的相似性度量，然后提出新的相似性度量。作为两个IFS的一致性，拟议的相似性度量由对两个IFS的隶属函数，非隶属函数，犹豫函数和隶属函数上限的直接运算来定义，而不是基于距离度量或关系成员资格和非

犹豫模糊信息的不确定性度量

犹豫模糊信息的不确定性度量