Resumen

Las medidas de creencia y plausibilidad en la teoría de Dempster-Shafer (DST) y los conjuntos difusos son conocidos como enfoques diferentes para representar información parcial, incertidumbre e imprecisa. Hay varias generalizaciones de DST a conjuntos difusos propuestas en la literatura. Sin embargo, se ha propuesto menos generalización de DST a conjuntos difusos intuitivos (IFSs), que de alguna manera pueden presentar información imprecisa mejor que los conjuntos difusos. En este artículo, primero proponemos una manera simple e intuitiva de construir una generalización de DST a IFSs con grados de creencia y plausibilidad en términos de grados de membresía y no membresía, respectivamente. Luego proporcionamos medidas de creencia y plausibilidad en IFSs y construimos intervalos de creencia-plausibilidad (BPIs) de IFSs. Basándonos en los BPIs construidos, primero utilizamos la métrica de Hausdorff para definir la distancia entre dos BPIs y luego establecemos medidas de similit

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Creencia; Plausibilidad; Teoría de Dempster-Shafer; Conjuntos difusos; Conjuntos difusos intuicionistas; Generalización
• Keywords:Belief; Plausibility; DempsterShafer theory; Fuzzy sets; Intuitionistic fuzzy sets; Generalization