改进的基于矢量空间的群体聚类算法

针对群体聚类算法中,一般以群体成员偏好矢量的相似度作为相聚依据,但这类方法通常不能保证群体聚类后聚集的一致性的问题。提出了成员与成员集的相似度概念,给出了基于聚集一致性的成员与聚集相聚的条件,描述了一个改进的群体聚类启发式算法。同时,还定义了群体及聚集一致性的偏差指标和相对偏差指标,用以评估聚类结果。实例测试表明,该算法有较好的聚类性能和较低的一致性偏差指标。     

改进的聚类算法及在复杂大群体决策中的应用

针对现有FCM聚类算法中存在的局部极值和伸缩性较差等问题,提出了基于全部最小连通支配集算法(minimum connected donating set algorithm,MCDSA)的改进的聚类算法(minimum fuggy C-means,MF-CM)。用改进的聚类算法MFCM辅助复杂大群体决策(complex huge group-decision,CHGDS),定义了群体偏好矢量和群体一致性指标,提供了一种新的解决CHGDS中群体决策的理论和方法,并通过实验证明了该方法的有效性和稳定性。还提供了基于属性加权进化的群体一致性决策机制新思路。     

改进的蚁群聚类算法及在多属性大群体决策中的应用

多属性复杂大群体决策中,对决策人员的决策结果进行有效地聚类,是分析以及完成群体决策的基础。针对蚁群聚类算法参数选取复杂、自适应性差以及随机性等缺点,提出了一种改进的蚁群聚类算法,该算法将决策群体成员对决策问题的若干个评价准则值转化成偏好矢量,以偏好矢量相聚度作为邻域相似度的计算公式,形成一个启发式聚类算法。通过一个算例计算说明该算法具有聚类质量高、自组织和鲁棒性的特点,适用于解决多属性复杂大群体聚类与决策问题。     

基于保护少数人意见的群体一致性分析

在群体研讨过程中,少数人意见是十分重要的.提出了一种可以保护少数意见的决策共识达成模型及研讨反馈机制.该方法先根据专家意见对专家群体进行聚类分析,得到专家子群体簇,如果某一子群体所含专家人数较少,则该子群体的意见称为少数人意见,特别地,如果在聚类中出现奇异点,则该奇异点的专家意见称为个别人意见,然后主持人根据少数人成员的特性将少数人意见单独提出,使专家群体参考少数人意见重新研讨并给出新的偏好矢量,重复这一过程直到群体接受或摈弃少数人意见,使专家意见得到统一.最后用一个实例说明了该方法的可行性.     

基于矢量空间的群体聚类方法研究

通过对群体成员的思维模式进行分析,基于矢量空间提出了群体中任意两个成员偏好矢量相关性度量的一般范数以及基于该矢量相关度的启发式算法,通过执行该使算法使群体中的成员形成若干个不同的聚集。在此基础上,定义并计算群体中各个聚集的偏好和整个群体的偏好,定义并计算群体中各个聚集的一致性指标和整个群体的一致性指标,为群体决策提供依据。最后通过一个实例对算法和一致性指标等进行验证。     

群决策群体意见的一致性模糊分析

研究了群决策中群体意见一致性问题．根据群体决策的基本特征，提出一种称为决策歧意的概念，结合模糊数理论，定义了一种度量决策者意见相似程度的一致性模糊数及其一致性测度，进一步给出群弱一致性和群强一致性定义，提出并证明了有关群体意见一致性的几个充要条件．最后，通过算例计算分析，说明了理论方法的可行性和有效性．     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

群决策中基于一致性强度的专家意见集结方法

针对群决策问题,提出了一种基于群体一致性强度的虚拟专家意见逐步集结规划的方法.首先将两个专家的偏好信息集结为序关系值向量,将该次集结结果作为一个"虚拟专家"给出的判断信息,然后吸收下一个专家的意见成为新的虚拟专家,依此类推,直到最后一个专家参与决策.引入虚拟专家的群体一致性强度保证群体结果趋向一致,其中一致性强度和虚拟专家的权重依赖于所包含的个体专家的人数.个体人数越多一致性强度和权重就越大,从而体现了少数服从多数的原则.该方法将多专家的复杂群决策问题转化为低复杂度的多阶段二人决策问题,并保证了群体结果的一致性.最后,通过一个算例验证了方法的有效性.     

社会网络环境下基于犹豫度和一致性的大群体决策方法

针对社会网络环境下,决策成员偏好为直觉模糊数的大群体决策问题,提出一种新的决策方法.根据决策成员的社会网络关系,利用Louvain社区发现算法进行决策成员社区划分,并利用节点的度中心性和紧密中心性确定基于社会网络结构的决策成员权重和分区权重.进一步,提出新的直觉模糊数距离公式,并引入犹豫度,获取分区的犹豫水平和一致性,进而确定基于犹豫度和一致性的分区权重.在此基础上,有效融合基于社会网络结构和基于犹豫度和一致性的分区权重,确定分区综合权重,进而对备选方案进行排序.最后,通过生态安全案例分析验证本文方法的有效性,对比分析显示了所提方法的优势和合理性.     

引导函数支配的进化模糊聚类算法

建立了多维属性样本的模糊聚类目标函数.构建了引导进化算法收敛的指数函数曲线模型,给出了模型的参数计算方法.设计了一种具有全局变异和局部变异算子的进化模糊聚类算法,根据全局变异前后个体适应度值和分量值的变化趋势,实现定向变异,并给出了算法的种群进化策略.选择文本分类和点聚类计算实例,实验表明,设计的引导函数是有效的.进化模糊聚类算法具有较强的局部寻优能力,在收敛速度和聚类精度方面优于比较的遗传模糊C-均值聚类等算法.     

基于网络日志的数据挖掘预处理改进方法

对网络日志数据挖掘预处理技术进行研究,针对Frame页面过滤方法与超时阈值设定进行分析,提出了应用ID3算法改进Frame页面过滤过程中丢失SubFrame页面信息且需要进行站点提升步骤。在超时阈值的设定方面采用动态修正方法,提高预处理技术对长时间会话的识别能力的改进方法。通过实验验证,该方法有效地减少了预处理过程中的信息丢失,同时提高了挖掘结果的精度。     

无人战斗机态势评估变精度粗集决策方法

为了解决在态势评估中一般粗糙集决策方法仅对规则进行提取而不完成规则匹配的问题,提出了基于加权相似性度量的无人战斗机（unmanned combat aerial vehicle, UCAV）态势评估的变精度粗集决策方法。建立了UCAV态势评估决策信息系统模型,基于正确分类率β的确定原则,给出了β值的确定方法,在该β值下从决策模型中提取出了决策规则。提出了基于互信息度的属性相对重要度计算方法,并依据相对重要度给出了属性的客观权重,结合专家经验形成了属性的综合权重。提出了基于属性综合权重的加权相似性度量方法,通过比较当前对象与决策信息系统中所有对象的相似程度给出决策结果,完成对该对象作战意图的预测。结果表明,该方法有利于UCAV对对象作战意图的预测和判断。     

基于有限扩展优势关系的粗糙决策分析方法

针对基于扩展优势关系的粗糙决策分析方法的局限性，本文给出了一种新的基于拓展粗糙集的多属性决策分析方法。首先提出了有限扩展优势关系的概念；其次在有限扩展优势关系下得到知识的粗糙近似，给出了分类决策规则；第三，通过对比分析，证明了新方法的性能优于现有方法；最后通过一个实例验证新方法的可行性和有效性。     

一种交互式多目标满意群决策方法

本文提出一种交互式多目标满意群决策方法。该方法用多目标满意决策方法帮助各决策人和群体进行多目标决策分析,用满足一集公理的加权和函数集结各决策人的偏好以及各目标的愿望值,从而形成群体的愿望值,并逐个求得群体的满意解。可克服构造决策人效用函数和人际间效用比较的困难,可用于一类群决策问题的分析求解。     

单向S-粗决策规律与决策规律挖掘

利用单向S-粗集,给出单向S-粗决策规律生成方法;给出上决策规律,下决策规律,单向S-粗决策规律核,单向S-粗决策规律带,单向S-粗决策规律壳的概念;利用这些概念,提出下决策规律传递定理,上决策规律传递定理,F-分离的属性定理,粗决策规律挖掘定理,与粗决策规律挖掘准则。     

不完全信息的多属性粗糙决策分析方法

针对有偏好信息但信息不完全的多属性决策问题，给出了一种基于拓展粗糙集的决策分析方法，首先提出了扩展优势关系的概念；其次用扩展优势关系代替经典粗糙集中的不可分辨关系得到知识的粗糙近似，证明了粗糙近似的两种等效表示方法及基本性质，给出了分类决策规则；最后通过一个实例说明方法的可行性与有效性。     

群决策中基于语言信息处理的一种粗糙集方法

针对一类具有语言判断矩阵形式偏好信息的群决策问题,提出了一种基于粗糙集的群决策方法.首先利用一小部分整体偏好信息构造一个成对比较表,然后根据优势粗糙集理论提取决策规则,最后定义一个评分函数对整个方案集进行排序和优选.该方法是一个先训练后决策的过程,特别适于大规模的方案优选问题.仿真实例表明了该方法的有效性和实用性.     

应用多属性决策的威胁评估方法

威胁评估是作战系统需要完成的功能之一 ,对实现指挥控制系统自动化是非常重要的。威胁评估涉及的因素比较多 ,目前还没有统一的方法。威胁评估实际上是一个推理、决策的行为 ,而决策理论为推理、决策提供了理论方法。根据威胁评估和多属性决策的特点 ,提出了基于多属性决策的威胁评估模型和方法 ,应用隶属函数及逼近于理想的排序法 (TOPSIS)分析 ,并通过示例说明应用多属性决策的威胁评估方法。     

Dual worth trade-off method and its application for solving multiple criteria decision making problems

1 .INTRODUCTIONThe multiple criteria decision making ( MCDM)problem has two remarkable properties : incom-mensurability and inter-contradictoriness amongobjectives . By incommensurability among objec-tives is meant that there is no uniform measuringstandard for each objective ,hence it is difficult tocompare the each other . By inter-contradictorinessis meant that if some solution is taken to makesome objective value better ,then it is possible tomake another or several other objectives …     

基于粗糙集理论的多源信息融合故障诊断方法

在故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题.首先,针对完备信息系统和不完备信息系统分剐提出了相应的融合算法,为解决数据超载以及不完整信息融合问题提供了有效的方法.其次,提出了基于粗糙集理论的多源信息融合故障诊断模型.该模型从包含冗余和不一致信息的原始数据出发,利用基于改进属性重要度的方法实现故障征兆属性约简;然后通过给出的值约简算法进一步产生最大广义决策规则集,建立了用于故障诊断的规则库.最后,在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据置信度、覆盖度和支持度进行综合评价,并得出诊断结论.给出的诊断实例验证了该方法的可行性和有效性.