Information Technology Reference
In-Depth Information
⎛
⎝
[
1
,
1
]
[
0
.
626
,
1
.
000
][
0
.
626
,
1
.
000
][
0
.
576
,
1
.
000
][
0
.
626
,
1
.
000
]
[ 0 . 626 , 1 . 000 ]
[ 1 , 1 ]
[ 0 . 837 , 1 . 000 ][ 0 . 576 , 1 . 000 ][ 0 . 673 , 1 . 000 ]
[
0
.
626
,
1
.
000
][
0
.
837
,
1
.
000
]
[
1
,
1
]
[
0
.
576
,
1
.
000
][
0
.
673
,
1
.
000
]
[ 0 . 576 , 1 . 000 ][ 0 . 576 , 1 . 000 ][ 0 . 576 , 1 . 000 ]
[ 1 , 1 ]
[ 0 . 576 , 1 . 000 ]
[
]
[ 0 . 859 , 1 . 000 ][ 0 . 626 , 1 . 000 ][ 0 . 626 , 1 . 000 ][ 0 . 576 , 1 . 000 ][ 0 . 626 , 1 . 000 ]
[
0
.
626
,
1
.
000
][
0
.
673
,
1
.
000
][
0
.
673
,
1
.
000
][
0
.
576
,
1
.
000
]
[
1
,
1
R 16
= R 8
◦ R 8
=
0
.
626
,
1
.
000
][
0
.
784
,
1
.
000
][
0
.
784
,
1
.
000
][
0
.
576
,
1
.
000
][
0
.
673
,
1
.
000
]
[
.
,
.
][
.
,
.
][
.
,
.
][
.
,
.
][
.
,
.
]
0
626
1
000
0
755
1
000
0
755
1
000
0
576
1
000
0
673
1
000
[
0
.
576
,
0
.
918
][
0
.
576
,
0
.
918
][
0
.
576
,
0
.
918
][
0
.
918
,
0
.
918
][
0
.
576
,
0
.
918
]
[
0
.
626
,
1
.
000
][
0
.
673
,
1
.
000
][
0
.
673
,
1
.
000
][
0
.
576
,
1
.
000
][
0
.
784
,
1
.
000
]
⎞
⎠
[
0
.
859
,
1
.
000
][
0
.
626
,
1
.
000
][
0
.
626
,
1
.
000
][
0
.
576
,
0
.
918
][
0
.
626
,
1
.
000
]
[
]
[ 0 . 626 , 1 . 000 ][ 0 . 784 , 1 . 000 ][ 0 . 755 , 1 . 000 ][ 0 . 576 , 0 . 918 ][ 0 . 673 , 1 . 000 ]
[
0
.
626
,
1
.
000
][
0
.
784
,
1
.
000
][
0
.
755
,
1
.
000
][
0
.
576
,
0
.
918
][
0
.
673
,
1
.
000
]
[ 0 . 626 , 1 . 000 ][ 0 . 673 , 1 . 000 ][ 0 . 673 , 1 . 000 ][ 0 . 576 , 0 . 918 ][ 0 . 784 , 1 . 000 ]
[
0
.
576
,
1
.
000
][
0
.
576
,
1
.
000
][
0
.
576
,
1
.
000
][
0
.
918
,
0
.
918
][
0
.
576
,
1
.
000
1
,
1
]
[
0
.
626
,
1
.
000
][
0
.
626
,
1
.
000
][
0
.
576
,
0
.
918
][
0
.
626
,
1
.
000
]
[ 0 . 626 , 1 . 000 ]
[ 1 , 1 ]
[ 0 . 755 , 1 . 000 ][ 0 . 576 , 0 . 918 ][ 0 . 673 , 0 . 918 ]
[
0
.
626
,
1
.
000
][
0
.
755
,
1
.
000
]
[
1
,
1
]
[
0
.
576
,
0
.
918
][
0
.
673
,
1
.
000
]
[ 0 . 576 , 0 . 918 ][ 0 . 576 , 0 . 918 ][ 0 . 576 , 0 . 918 ]
[ 1 , 1 ]
[ 0 . 576 , 0 . 918 ]
[
0
.
626
,
1
.
000
][
0
.
673
,
0
.
918
][
0
.
673
,
1
.
000
][
0
.
576
,
0
.
918
]
[
1
,
1
]
R 16
= R 8 .Let R 8
= R ∗
r ij ) 10 × 10 , where
r ij
=[ μ ij ,
v ij ]
Thus,
= ( ˜
˜
1
−
, i
,
j
=
-cutting matrix of R ∗ can be constructed as R λ = ( λ ˜
r ij ) 10 × 10 ,
1
,
2
,...,
10, then the
λ
where
⎧
⎨
v ij <λ,
0
,
if 1
−
1
2 ,
μ ij <λ ≤
v ij ,
r ij =
if
1
−
λ ˜
i
,
j
=
1
,
2
,...,
10
,λ ∈[
0
,
1
]
(2.102)
⎩
μ ij ≥ λ.
1
,
if
Considering that the confidence level
λ
is directly related to the lower and upper
r ij in the interval-valued matrix R ∗ , we get, based on R λ
limits of each
˜
, all the possible
classifications of the ten new cars y i (
i
=
1
,
2
,...,
10
)
:
(1) If 0
≤ λ ≤
0
.
576, then
{
y 1 ,
y 2 ,
y 3 ,
y 4 ,
y 5 ,
y 6 ,
y 7 ,
y 8 ,
y 9 ,
y 10 }
(2) If 0
.
576
<λ ≤
0
.
626, then
{
y 1 ,
y 2 ,
y 3 ,
y 5 ,
y 6 ,
y 7 ,
y 8 ,
y 10 } , {
y 4 ,
y 9 }
(3) If 0
.
626
<λ ≤
0
.
673, then
{
y 1 ,
y 6 } , {
y 2 ,
y 3 ,
y 5 ,
y 7 ,
y 8 ,
y 10 } , {
y 4 ,
y 9 }
Previous Page
Next Page
Intuitionistic Fuzzy Aggregation and Clustering
Search WWH ::




Custom Search
Home