home *** CD-ROM | disk | FTP | other *** search
/ Games of Daze / Infomagic - Games of Daze (Summer 1995) (Disc 1 of 2).iso / x2ftp / books / tech / funcfuzz.toc < prev    next >
Internet Message Format  |  1994-12-18  |  7KB
  1. From: Michel Grabisch <grabisch@thomson-lcr.fr>
  2. Newsgroups: comp.ai.fuzzy
  3. Subject: new book
  4. Date: 16 Dec 1994 17:27:20 GMT
  5.  
  6.     Dear Fuzzy Netters, 
  7.  
  8. I am pleased to inform you on the publication of a new book by Kluwer
  9. Acad., on uncertainty modeling by fuzzy sets and fuzzy measures.
  10. (may be it will be of some help in the probability vs. fuzzy debate!)
  11.  
  12. *******************************************************************************
  13.  
  14.             ANNOUNCEMENT OF A NEW BOOK
  15.  
  16. *******************************************************************************
  17.  
  18.             FUNDAMENTALS OF UNCERTAINTY CALCULI
  19.             -----------------------------------
  20.             with APPLICATIONS to FUZZY INFERENCE
  21.             ------------------------------------
  22.         
  23.         Michel GRABISCH, Hung T. NGUYEN, Elbert A. WALKER
  24.         -------------------------------------------------
  25.  
  26.         KLUWER ACADEMIC PUBLISHERS
  27.         Theory and Decision Library
  28.         
  29.         Series B: Mathematical and Statistical Methods
  30.         ----------------------------------------------
  31.  
  32.         TDLB 30, 1995, ISBN 0-7923-3175-3
  33.         346 pages
  34.  
  35. *******************************************************************************
  36.  
  37.     This decade has witnessed increasing interest in fuzzy
  38. technology both from academia and industry. It is often said that
  39. fuzzy theory is easy and simple so that engineers can progress quickly
  40. to real applications. However, the lack of knowledge of design
  41. methodologies and the theoretical results of fuzzy theory have often
  42. caused problems for design engineers. The aim of this book is to
  43. provide a rigorous background for uncertainty calculi, with an emphasis
  44. on fuzziness.
  45.     "Fundamentals of Uncertainty Calculi with Applications to
  46. Fuzzy Inference" is primarily about the type of knowledge expressed in
  47. a natural language, that is, in linguistic terms. The approach to
  48. modeling such knowledge is based upon the mathematical theory of
  49. uncertainty related to fuzzy measures and integrals and their
  50. applications.
  51.     The book consists of two parts: Chapter 2-6 comprise the
  52. theory, and applications are offered in chapter 7-10. In the theory
  53. section the exposition is mathematical in nature and gives a complete
  54. background on uncertainty measures and integrals, especially in a
  55. fuzzy setting. Applications concern recent ones of fuzzy measures and
  56. integrals to problems such as pattern recognition, decision making and
  57. subjective multicriteria evaluations.
  58.  
  59.             CONTENTS
  60.             --------
  61.  
  62.     Preface
  63.  
  64.     1. Introduction
  65.  
  66.     2. Modeling Uncertainty
  67.         2.1 Randomness and the calculus of probabilities
  68.         2.2 Uncertainty in quantum mechanics
  69.         2.3 Entropy and information
  70.         2.4 Degrees of belief
  71.         2.5 Imprecision, vagueness, and fuzziness
  72.         2.6 Non-additive set functions in uncertainty
  73.  
  74.     3. Capacities and the Choquet Functional
  75.         3.1 Capacities in R^d
  76.         3.2 Abstract capacities
  77.         3.3 Topological concepts
  78.         3.4 Capacities on topological spaces
  79.         3.5 Classification of capacities
  80.         3.6 Capacities and belief functions
  81.             3.6.1 the finite case
  82.             3.6.2 the continuous case
  83.         3.7 The Choquet functional
  84.             3.7.1 an approximation problem
  85.             3.7.2 the Choquet functional
  86.             3.7.3 properties of the Choquet integral
  87.         3.8 Capacities in Bayesian statistics
  88.         3.9 A decision making problem
  89.  
  90.     4. Information Measures
  91.         4.1 Various aspects of information
  92.         4.2 Generalized information measures
  93.         4.3 Operations of composition
  94.         4.4 Information measures of type Inf
  95.         4.5 Connection with capacities
  96.  
  97.     5. Calculus of Fuzzy Concepts
  98.         5.1 Mathematical modeling of fuzzy concepts
  99.         5.2 Calculus of fuzzy quantities
  100.         5.3 Reasoning with fuzzy concepts
  101.             5.3.1 t-norms
  102.             5.3.2 t-conorms
  103.             5.3.3 negations
  104.             5.3.4 implication operators
  105.             5.3.5 approximate reasoning
  106.         5.4 Robustness of fuzzy logic
  107.         5.5 Approximation capability of fuzzy systems
  108.         5.6 Fuzzy inference
  109.  
  110.     6. Fuzzy measures and integrals
  111.         6.1 What are fuzzy measures, and why?
  112.         6.2 Fuzzy measures - definitions and examples
  113.         6.3 Related issues
  114.         6.4 Conditional fuzzy measures
  115.         6.5 Choquet integral - meaning and motivation
  116.         6.6 The Sugeno integral
  117.         6.7 The Choquet integral as a fuzzy integral
  118.             6.7.1 notes on comonotonic additivity
  119.             6.7.2 comonotonic additivity of functionals
  120.         6.8 Further topics
  121.             6.8.1 the fuzzy t-conorm integral
  122.             6.8.2 some properties of fuzzy integrals
  123.             6.8.3 the duality property of fuzzy integrals
  124.             6.8.4 on fuzzy measures of fuzzy events
  125.             6.8.5 properties of extended fuzzy measures
  126.  
  127.     7. Decision Making
  128.         7.1 General framework for decision making
  129.         7.2 Non-additive expected utility theory
  130.         7.3 Non-additive multiattribute utility theory
  131.         7.4 Aggregation in multicriteria decision making
  132.             7.4.1 equivalence relations between operators
  133.             7.4.2 equivalence classes of operators
  134.             7.4.3 equivalence class of the Choquet integral
  135.             7.4.4 equivalence class of the Sugeno integral
  136.             7.4.5 equivalence class of fuzzy t-conorm integrals
  137.         7.5 Fuzzy Analytic Hierarchy Process
  138.  
  139.     8. Subjective Multicriteria Evaluation
  140.         8.1 Statement of the problem
  141.             8.1.1 marginal evaluation
  142.             8.1.2 global evaluation
  143.         8.2 Previous approaches
  144.         8.3 Fuzzy integral as a new aggregation tool
  145.             8.3.1 properties for aggregation
  146.             8.3.2 characterization of fuzzy integrals
  147.             8.3.3 set relations between fuzzy integrals
  148.                   and other connectives
  149.             8.3.4 additivity of fuzzy measures and
  150.                   preferential independence
  151.         8.4 Evaluation with fuzzy values
  152.         8.5 Practical examples
  153.             8.5.1 evaluation of tiles
  154.             8.5.2 model of expression grade for face graphs
  155.             8.5.3 prediction of wood strength
  156.             8.5.4 analysis of public attitude towards the
  157.                   use of nuclear energy
  158.             8.5.5 evaluation of printed color images
  159.             8.5.6 design of speakers
  160.             8.5.7 human reliability analysis
  161.  
  162.     9. Pattern Recognition and Computer Vision
  163.         9.1 The use of fuzzy set theory
  164.         9.2 Information fusion by fuzzy integrals
  165.             9.2.1 consensus in probability theory
  166.             9.2.2 consensus in possibility theory
  167.             9.2.3 the situation of fuzzy integrals
  168.         9.3 Application to pattern recognition
  169.             9.3.1 introduction
  170.             9.3.2 the approach of Tahani-Keller
  171.             9.3.3 the approach of Grabisch-Sugeno
  172.             9.3.4 the multiclassifier approach
  173.         9.4 Image processing and computer vision
  174.             9.4.1 image segmentation
  175.             9.4.2 high level vision
  176.  
  177.     10. Identification and Interpretation of Fuzzy Measures
  178.         10.1 Interpretation by analysis of the semantics
  179.             10.1.1 introduction
  180.             10.1.2 early attempts: the necessity
  181.                    coefficients of Ishii and Sugeno
  182.             10.1.3 interpretation based on the Shapley value
  183.             10.1.4 interaction between criteria
  184.         10.2 Identification using learning samples
  185.             10.2.1 introduction
  186.             10.2.2 monotonicity relations in a fuzzy measure
  187.             10.2.3 minimization of the error criterion
  188.             10.2.4 heuristic algorithm of Mori and Murofushi
  189.             10.2.5 Bayesian-like learning
  190.         10.3 Interactive optimization
  191.  
  192.     Bibiliography
  193.     
  194.     Index
  195.  
  196.  
  197.