二型模糊理論擴展及其在線商品評價應(yīng)用.pdf

1、隨著國內(nèi)Internet使用人數(shù)的增加，利用Internet進行網(wǎng)絡(luò)購物并以銀行卡付款的消費方式已漸流行，市場份額也在快速增長，電子商務(wù)網(wǎng)站也層出不窮。電子商務(wù)已經(jīng)滲透到我們生活中的各個領(lǐng)域。在線商品評價是電子商務(wù)的關(guān)鍵技術(shù)。由于消費者對在線商品的評價都帶有主觀性和不確定性，而基于二型模糊集的二型模糊系統(tǒng)已經(jīng)成為處理不確定性、模糊性和不精確性建模問題的成功方法。本文對基于二型模糊系統(tǒng)的評價模型進行研究并將其應(yīng)用到商品推薦系統(tǒng)。
　

2、　二型模糊集的降型是二型模糊系統(tǒng)應(yīng)用中的重要部分。能夠最快地解決區(qū)間二型模糊集的降型問題是很重要的。為了提高計算效率，目前為止，許多種迭代算法相繼被提出。KM算法是計算區(qū)間二型模糊集質(zhì)心常用的方法，盡管研究已表明KM算法迭代過程是單調(diào)收斂且呈現(xiàn)出超指數(shù)收斂，然而KM算法需要多次迭代才能夠達(dá)到收斂，而且每次迭代需要大量的數(shù)值計算。因此，本文首先針對KM算法的計算量大、計算時間長等缺點，對KM算法進行了拓展，提出改進的區(qū)間二型模糊集降型方法

3、。本文提出的新算法N-EIASC是在EIASC算法的基礎(chǔ)上進行改進的，主要從算法的初始條件、算法過程和終止判斷條件幾個方面進行優(yōu)化，并通過數(shù)值模擬表明新算法N-EIASC的計算效率比現(xiàn)有的幾種算法都高。其次，針對二型模糊評價應(yīng)用，提出了一種改進的二型TOPSIS方法，彌補了傳統(tǒng)TOPSIS方法不能處理不確定性數(shù)據(jù)的缺陷，將二型模糊集引入TOPSIS方法。而且針對現(xiàn)有二型TOPSIS方法中由于Rank公式的引入而導(dǎo)致不能始終保持?jǐn)?shù)據(jù)二型模

4、糊集的缺陷，給出了“正理想解”和“負(fù)理想解”的新定義，避免了信息的丟失，而且對計算過程也進行了優(yōu)化，通過N-EIASC算法計算能夠提高計算效率，計算步驟中也不再采用復(fù)雜的距離公式計算，采用更簡潔的計算公式，使得計算效率更高。通過算例表明改進的二型TOPSIS方法比現(xiàn)有二型TOPSIS方法的優(yōu)越性。最后，將區(qū)間二型模糊集的降型法與改進的二型TOPSIS法相結(jié)合應(yīng)用到在線商品評價中。結(jié)果表明二型模糊系統(tǒng)評價方法用于商品推薦的合理性。