دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Tamalika Chaira
سری:
ISBN (شابک) : 9781119544197
ناشر: Wiley
سال نشر: 2019
تعداد صفحات: 297
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Fuzzy Set and its Extension. The Intuitionistic Fuzzy Set به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مجموعه فازی و پسوند آن. مجموعه فازی شهودی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
از آنجایی که لطفی ا. زاده حدود 50 سال پیش، یعنی در سال 1965، نظریه مجموعه های فازی را معرفی کرد. تئوری مجموعه های فازی در جهات مختلفی تکامل یافته و بیشتر دریافت کرده است توجه بسیاری از محققین کاربردهای این نظریه را می توان یافت اعم از تشخیص الگو، سیستم کنترل، پردازش تصویر، تصمیم گیری ساخت، تحقیق در عملیات، رباتیک و مدیریت. این کتاب در مورد ارتباط بین مجموعه فازی و مجموعه شفاف، فازی بحث می کند روابط، عملیات روی مجموعه های فازی، عملگرهای مختلف تجمع با استفاده از فازی مجموعه ها، اعداد فازی، عملیات حسابی روی اعداد فازی، انتگرال های فازی، ماتریس ها و تعیین کننده های فازی و گروه های فازی. برنامه های کاربردی در تصمیم گیری ساخت و پردازش تصویر نیز داده شده است. جدا از مجموعه فازی، مجموعه فازی شهودی نیز در این کتاب مورد بحث قرار گرفته است. از زمان پیدایش آن توسط K. Atanassov در سال 1985، نظریه مجموعه های فازی شهودی در مقایسه با تعداد محدودی از محققین نیز مورد توجه قرار گرفته است به مجموعه فازی اگرچه استفاده از آن در کاربرد به اندازه کاربرد آن قابل مقایسه نیست مجموعه فازی، اما هنوز مطالعات تحقیقاتی در زمینه هایی که از فازی استفاده می کنند انجام می شود تنظیم. در مجموعه فازی شهودی، پیچیدگی محاسباتی بیشتر به دو نوع است از عدم قطعیت ها استفاده می شود. اما، برای به دست آوردن نتیجه بهتر، عدم اطمینان وجود دارد، به ویژه در تشخیص تصاویر پزشکی، نتیجه دقیق تر است برای به خطر انداختن پیچیدگی محاسباتی بسیار مهم است. بنابراین، محققان سعی می کنند از آن در برنامه های بلادرنگ استفاده کنند. کتاب مبانی مجموعه فازی شهودی، شهودی را مورد بحث قرار می دهد روابط فازی، عملیات روی مجموعه های فازی شهودی، شهودی های مختلف عملگرهای تجمع فازی، اعداد فازی شهودی، عملیات حسابی در اعداد فازی شهودی، انتگرال های فازی شهودی و شهودی ماتریس های فازی همچنین کاربرد در تصمیم گیری و پردازش تصویر با استفاده از مجموعه فازی شهودی نیز داده شده است. این کتاب تلاشی است برای یکسان کردن هر دو مجموعه فازی / شهودی و آنها کار موجود در برنامه هدف اصلی این کتاب کمک به خوانندگان است دانستن ریاضیات هر دو مجموعه فازی و مجموعه فازی شهودی به طوری که با هر دو این مفاهیم، آنها می توانند از مجموعه فازی فازی/شهودی استفاده کنند برنامه های کاربردی آنها در پایان، من می خواهم از نویسندگان مقالاتی که دارند قدردانی کنم در کتاب اشاره شده است. من دختر محبوبم، شروتی د، را تصدیق می کنم، برای دادن عنوان کتاب من از پدر و مادرم برای استمرار آنها تشکر می کنم در هنگام نوشتن این کتاب حمایت کنید. من هم مدیون جان وایلی هستم
Since Lofti A. Zadeh introduced fuzzy set theory about 50 years ago, i.e. in 1965, theory of fuzzy sets has evolved in many directions and has received more attention from many researchers. Applications of the theory can be found ranging from pattern recognition, control system, image processing, decision making, operations research, robotics, and management. This book discusses on connections between fuzzy set and crisp set, fuzzy relations, operations on fuzzy sets, various aggregation operators using fuzzy sets, fuzzy numbers, arithmetic operations on fuzzy numbers, fuzzy integrals, fuzzy matrices and determinants, and fuzzy groups. Applications on decision making and image processing is also given. Apart from fuzzy set, intuitionistic fuzzy set is also discussed in this book. Since its inception by K. Atanassov in 1985, intuitionistic fuzzy set theory has also received attention but to limited number of researchers as compared to fuzzy set. Though its use in application is not as comparable as that of fuzzy set, but still research studies are carried out in the areas that use fuzzy set. In intuitionistic fuzzy set, computational complexity is more as two types of uncertainties are used. But, for obtaining better result, where uncertainty present is more, especially in diagnosis of medical images, accurate result is very much important compromising the computational complexity. So, researchers try to use it on real-time application. The book discusses the basics of intuitionistic fuzzy set, intuitionistic fuzzy relations, operations on intuitionistic fuzzy sets, various intuitionistic fuzzy aggregation operators, intuitionistic fuzzy numbers, arithmetic operations on intuitionistic fuzzy numbers, intuitionistic fuzzy integrals, and intuitionistic fuzzy matrices. Also, application in decision making and image processing using intuitionistic fuzzy set is also given. This book is an attempt to unify both fuzzy/intuitionistic fuzzy set and their existing work in application. The primary goal of this book is to help the readers to know the mathematics of both fuzzy set and intuitionistic fuzzy set so that with both these concepts, they can use either fuzzy/intuitionistic fuzzy set in their applications. Finally, I would like to acknowledge the authors of the papers that have been referred in the book. I acknowledge my beloved daughter, Shruti De, for giving the title of the book. I acknowledge my parents for their continuous support while writing this book. I am also indebted to John Wiley & Sons, Inc. for making the publication of this book possible.
Contents......Page 3
Preface......Page 9
Book Organization......Page 11
Intro to Fuzzy Set......Page 13
Mathematical Representation of Fuzzy Sets......Page 15
Membership Function......Page 18
Fuzzy Relations......Page 22
Projection......Page 25
Composition of Fuzzy Relation......Page 26
Fuzzy Binary Relation......Page 31
Transitive Closure of Fuzzy Binary Relation......Page 33
Fuzzy Equivalence Relation......Page 35
Intuitionistic Fuzzy Set......Page 36
Construction of Intuitionistic Fuzzy Set......Page 38
Intuitionistic Fuzzy Relations......Page 41
Composition of Intuitionistic Fuzzy Relation......Page 43
Intuitionistic Fuzzy Binary Relation......Page 46
Refs......Page 51
Fuzzy Numbers......Page 53
Fuzzy Intervals......Page 54
Zadeh Extension Principle......Page 55
Fuzzy Numbers with α-Levels......Page 60
Operations on Fuzzy Numbers with Intervals......Page 64
Operations with Fuzzy Numbers based on α-Levels......Page 66
Operations on Fuzzy Numbers using Extension Principle......Page 74
L-R Representation of Fuzzy Numbers......Page 78
Intuitionistic Fuzzy Numbers......Page 85
Triangular Intuitionistic Fuzzy Number......Page 86
Operations Using Triangular Intuitionistic Fuzzy Numbers......Page 87
Trapezoidal Intuitionistic Fuzzy Numbers......Page 89
Cut Set of Intuitionistic Fuzzy Number......Page 90
Refs......Page 92
Distance & Similarity Measures......Page 94
Types of Distance Measure btw Fuzzy Sets......Page 95
Generalized Fuzzy Number......Page 96
Similarity Measures btw 2 Fuzzy Numbers......Page 99
Inclusion Measure......Page 105
Measures of Fuzziness......Page 106
Intuitionistic Fuzzy Distance & Similarity Measures......Page 109
Intuitionistic Fuzzy Entropy......Page 116
Different Types of Intuitionistic Fuzzy Entropies......Page 117
Refs......Page 118
Definition of Fuzzy Measure......Page 121
Fuzzy Measures......Page 122
Fuzzy Integrals......Page 131
Intuitionistic Fuzzy Integral......Page 140
Refs......Page 141
Fuzzy Operations......Page 143
Other Fuzzy Operators - Fuzzy T-Norms & T-Conorms......Page 148
Implication Operator......Page 152
Aggregation Operator with Application in Decision Making......Page 154
Intuitionistic Fuzzy Operators......Page 162
Intuitionistic Fuzzy Aggregation Operator......Page 163
Example on Decision-Making Problems......Page 174
Refs......Page 178
6 Fuzzy Linear Equations......Page 181
Fuzzy Linear Equation......Page 182
Solving Linear Equation using Cramer Rule......Page 187
Inverse of a Fuzzy Matrix......Page 192
Refs......Page 199
Basic Matrix Theory......Page 201
Fuzzy Matrices......Page 204
Determinant of Square Fuzzy Matrix......Page 212
Adjoint of Square Fuzzy Matrix......Page 216
Properties of Reflexive Matrices......Page 222
Generalized Inverse of a Fuzzy Matrix......Page 225
Intuitionistic Fuzzy Matrix......Page 226
Refs......Page 228
8 Fuzzy Subgroups......Page 230
Theorems of Fuzzy Subgroup......Page 231
Fuzzy-level Subgroup......Page 235
Fuzzy Normal Subgroup......Page 237
Fuzzy Subgroups Using T-norms......Page 238
Product of Fuzzy Subgroups......Page 240
Refs......Page 244
Digital Images......Page 245
Image Enhancement......Page 246
Thresholding......Page 248
Edge Detection......Page 252
Clustering......Page 256
Mathematical Morphology......Page 260
Refs......Page 264
10 Type-2 Fuzzy Set......Page 266
Type-2 Fuzzy Set......Page 267
Operations on Type-2 Fuzzy Set......Page 270
Inclusion Measure & Similarity Measure......Page 274
Interval Type-2 Fuzzy Set......Page 277
Application of Interval Type-2 Fuzzy Set in Image Segmentation......Page 278
Refs......Page 280
Beyond your Doubts......Page 281
Index......Page 287