模糊多准则决策的交互模糊线性规划算法

基于决策者的线性效用函数和部分偏好信息建立模糊线性规划模型来帮助决策者选择最满意的决策方案,提出了一种处理有限方案模糊多准则决策问题的交互式模糊线性规划算法.     

基于区间二型离散模糊数的多粒度群决策方法

针对多粒度离散模糊语言决策信息在转化和聚合过程中容易缺失语言决策数据的问题,提出一种基于区间二型离散模糊数的多粒度群决策方法。首先定义区间二型离散模糊数,讨论其运算法则和相关性质,并且给出其离散加权平均聚合函数。其次,提出I-离散关联和补全映射,利用区间对缺失的语言决策数据进行补全,使一个基于低粒度语言术语集的离散模糊数转化为一个包含原始评价信息并且基于更高粒度语言术语集的区间二型离散模糊数。最后,提出一种基于区间二型离散模糊数的群决策方法,解决市场投资选择问题,并通过实例分析验证该方法的可行性和准确性。     

考虑价格因素的 并行模糊多准则时 变权重云服务决策

网络中云服务存储量的几何式快速增长使得云服务决策越加困难,为满足用户特殊需要并提供充足的决策依据,提出并行TOPSIS时变权重模糊云服务多准则决策算法.在并行TOPSIS改进中采用熵权重赋值形式赋予云服务相应的准则权重,使得权重的选择变得简单易行,并由此发展出时变权重提出改进TOPSIS评估机制,使用时变权重能够更好的对不同时间段的云服务质量（QoS）信息进行重要性区分,使得决策机制更加合理可信.然后基于分时模糊TOPSIS多准则决策机制,设计云服务选择的并行化融合决策框架,使得算法更趋近于工程应用.仿真结果显示,所提云服务决策算法可更有效的对QoS信息影响进行抑制,从而有效提高云服务调用的成功率.     

基于区间直觉模糊集的研究型高校可持续发展能力评价

定义了基于Einstein运算规则的区间直觉模糊数运算规则以及区间直觉模糊信息的IIFEWG算子和区间直觉模糊信息的IIFEWA算子.针对准则值为区间直觉模糊数的多准则决策问题,提出一种区间直觉模糊多属性决策方法.该方法利用IIFEWG算子或者IIFEWA算子对准则进行集成,得到各方案的综合区间直觉模糊数,通过比较各方案综合区间直觉模糊数的得分函数值和精确函数值得到方案集的排序.从研究型高校的科研能力、人才培养、财务发展潜力和财务当前水平评价其可持续发展能力,评价过程及结果表明了基于Einstein运算规则的区间直觉模糊信息集成方法的有效性和可行性.     

协同频谱感知中的融合策略

在认知无线网络中,协作频谱感知从多个分布式认知用户中收集感知数据,有效地提高了检测的可靠性.如何利用多个认知用户的感知信息进行融合是协作频谱感知的关键技术.在当前的研究中,融合的方式可以分为两种:决策融合和数据融合,文中对基于决策融合和数据融合的5种融合准则算法进行了研究,采用这5种融合算法在认知无线电网络中进行协作频谱感知,并比较了它们的频谱检测性能.仿真结果显示,5种融合算法都可改善性能不佳的单个次用户的检测情况,并随着协作节点数的增大性能得到显著提高.其中,数据融合由于较决策融合接收到的数据值更加完整以换得更优越的感知性能.     

基于改进的区间损失函数聚合法的三支决策

在合理粒度原则下,针对基于混合信息表的模糊信息系统提出一种新的三支决策规则.首先,给出一个由模糊信息表和损失函数组成的混合信息表,并将每个对象的损失函数表示为一个区间.其次,将相似类的区间损失函数定义为相似类中所有对象的区间损失函数的聚合,进而提出一种基于合理粒度原则的新的聚合方法,使聚合后的区间损失函数的长度适中,在...     

基于智能优化算法的物联网异构数据融合方法

针对当前物联网数据融合方法速度慢、 融合精度低等问题, 以改善物联网异构数据融合效果为目标, 提出一种基于智能优化算法的物联网异构数据融合方法. 首先采用多个节点采集监测对象状态数据, 并对每个节点采集的数据噪声进行过滤, 初步减少数据规模, 提高物联网异构数据质量； 然后引入聚类分析算法处理簇首数据, 消除簇内数据间的冗余； 最后在汇聚节点采用智能优化算法对簇首数据进行加权融合, 并在相同环境下与其他融合方法进行对比实验. 实验结果表明, 该方法能对物联网异构数据进行有效融合, 获得了较高精度的物联网异构数据融合结果, 物联网异构数据融合错误少、 速度快, 提高了物联网数据融合的效率.     

基于多准则决策方法的WSNs不等簇数据收集算法

针对多对一的无线传感器网络"热点"问题,提出了一种基于多准则决策方法的不等簇数据收集算法(unequal clustering data gathering algorithm based on multiple criteria decision,UCDGAMCD).采用直觉模糊层次分析法和层次模糊积分的多准则决策方法来竞选簇首,提出了一个新的簇首竞争半径,使其能够适应节点能量异构及节点非均匀分布的网络环境.根据邻居簇首的剩余能量和传输能耗,提出了簇首间按比例分配传输数据的路由方式,使其能量消耗更加均衡.仿真结果表明UCDGAMCD在节点均匀和非均匀分布的两种实验场景中都获得了较长的网络寿命.     

基于模糊神经网络的AIS与雷达目标数据融合

根据航海信息来自多种传感器的特点,以雷达与AIS为主要研究对象,提出一种基于改进的自适应模糊系统的径向基函数网络和α-β滤波器的信息融合算法,实现雷达与AIS目标数据融合.计算机仿真结果表明,该数据融合算法可以有效地提高目标跟踪的精度.     

基于多尺度局部对比度和限邻域经验模式分解的遥感图像融合方法

传统二维EMD（empirical mode decomposition）算法在估算图像的均值包络面时易出现＂过冲＂现象,这使得分解的内蕴模式函数中会出现＂灰斑＂.针对这个问题,改进一种NLEMD（neighborhood limited empirical mode decomposition）算法.它基于局部均值平稳特性的方法估算图像的最佳局部均值,进而得到图像的均值包络面.该算法在克服了传统二维EMD算法的＂过冲＂现象的同时降低了时间复杂度.结合人类视觉系统对局部对比度敏感这一特性,提出一种基于多尺度局部对比度和NLEMD的遥感图像融合算法.该算法以NLEMD分解的内蕴模式函数的多尺度局部对比度为指导,对图像的内蕴模式函数进行融合处理.仿真实验表明：该融合算法能更清晰地反映融合图像中的复杂细节信息,提高了图像融合的质量.     

一种带权重的Vague集模糊多属性决策方法

目的研究基于Vague集的多属性决策问题。方法通过定义新的函数形式得到决策方法。结果在分析带权重模糊多属性决策"记分函数法"和"精确函数法"存在问题的基础上,提出处理含有权重的模糊多属性决策的新方法——"加权算法"。结论加权模糊的属性决策的"加权算法"相对带权重多属性决策的"记分函数法"和"精确函数法"更具优越性和实用性。     

xDB:异构政务信息云服务中间件的实现

异构信息交换是实现政务系统高效信息融合的主要瓶颈之一,设计和开发可用信息交换中间件能够有效提高信息系统集成的工作效率;xDB基于Web服务、中间件、软件插件技术实现云计算模式的多异构环境的政务信息系统的信息交换、访问与信息发布云服务;基于语义与上下文技术实现服务注册、系统配置、信息交换的智能与自适应.基于xDB中间件,可以快速构建异构环境电子政务应用、实现多异构数据环境信息融合与发布,降低信息资源整合难度.     

基于多伴随直觉模糊粗糙集的三支决策

决策粗糙集提供了处理不确定数据和风险数据决策问题的一个新方法,基于决策粗糙集的三支决策理论是典型的风险决策理论的推广.传统的直觉模糊粗糙集采用一对三角模与蕴涵算子来构造逻辑算子,未考虑属性之间的差别,而多伴随直觉模糊粗糙集采用多个伴随对构造逻辑算子,更好地体现了用户偏好.构造了多伴随直觉模糊粗糙集模型,研究了基于多伴随直觉模糊粗糙集的三支决策.首先,定义了乐观多伴随直觉模糊粗糙集,并用于处理直觉模糊数的复杂计算问题;然后利用隶属函数和非隶属函数计算损失函数,通过期望损失函数对事件对象进行评估,进一步构造了相应的三支决策模型;基于期望损失函数值最小的原则诱导出三支决策,并得到相应决策的风险值.此模型中期望损失函数的构造是基于支持度与非支持度两种度量的综合讨论,考虑更全面,更能有效地反映实际生活情况,满足用户偏好.最后用医学诊断的例子来验证该模型的有效性.     

基于加权均值的多源安全事件评估算法研究

针对多源网络安全事件评估不一致造成的漏警率较高问题,本文提出了一种基于加权均值的评估算法,通过模糊聚类方法对多源安全事件融合,通过加权均值算法得到多源安全事件的网络安全评估指标函数,利用指标函数并根据评估准则对当前网络安全状况进行准确评估.实验证明,这种方法能够有效融合多源安全事件并准确报警.     

基于数据挖掘的异构网络多源目标数据融合跟踪方法研究

为了提高对异构网络多源目标数据的检测和识别能力,提出基于数据挖掘的异构网络多源目标数据融合跟踪方法。构建异构网络多源目标数据的分布式存储结构模型,采用相空间重构方法构建数据融合跟踪的网格分布结构模型,实现多源目标数据的可视化调度和自动监测;根据特征提取结果分析异构网络多源目标数据的统计特征,结合模糊层析性分析方法进行多源目标数据的多层次融合和自适应挖掘,提取其中的关联特征量,实现对数据的融合跟踪。仿真实验结果表明,采用该方法进行异构网络多源目标数据融合跟踪的自适应性较好、抗干扰能力较强,同时还提高了数据融合跟踪过程中的跟踪准确度。     

基于分数阶微分的多传感器检测数据融合算法

为了解决制造系统中各生产信息采样节点设备性能和工作环境的不同带来的检测数据间差异性,直接影响着制造管理系统工作可靠性与决策科学性的重要问题,提出应用基于分数阶微分算子的多传感器检测数据融合算法融合生产信息测量误差的新理念。选择检测仪器性能或工作环境作为检测数据的影响因子,应用分数阶微积分理论推导出基于分数阶微分的多传感器检测数据的融合处理算法模型,并应用物联网下的多传感器检测数据的融合处理实例验证了算法的可行性和优越性。实验结果表明:与动态的加权算法和平均值算法相比,本文算法不仅具有融合精度更高、融合值稳健性更好的优点,还具备增强检测信息强度提升系统工作可靠性的功能。     

一类不确定性决策问题的变权分析方法

以灰色系统理论和模糊数学为基础,探讨了多属性决策问题中所包含的不确定性可以用灰色模糊数表示的情况,提出了基于灰色模糊信息的多属性决策的概念.利用分析方法和技巧,融合变权和熵权误差分析法,构建了灰色模糊多属性决策问题的算法,直接由灰色模糊决策矩阵确定变权的基础权重和上确界,使算法在理论上更加严谨可靠,为不确定型多属性决策方法研究提供了一条新思路.给出的算例说明了算法的可行性.     

自学习的诊断决策信息融合系统

研究了应用模糊测度理论融合诊断信息的方法 ,给出了一种基于模糊积分学习的模糊测度构造算法 ,并以其为核心实现了一种自学习的诊断决策信息融合系统 .     

基于多准则的多层模糊神经网络学习算法

模糊算子函数丢失信息量过大,并且在某些点不存在导数,由此导致在采用传统的误差平方和准则优化网络参数时,有些参数无法得到调整,而且网络容易陷入局部极小,甚至发散.本文提出了一种基于模糊熵准则和误差平方和准则的多准则多层模糊神经网络学习算法,在一定程度上克服了单准则学习算法的局限性.