群组AHP排序向量加权最小几何距离平方法

提出求解群组ＡＨＰ的排序向量加权最小几何距离平方法,对不同的专家给出的判断矩阵得出的排序向量提出向量加权最小几何距离平方和概念,以最优化原理求得最优解。从而形成一种新的方便有效的群组排序方法。     

一种互反判断矩阵残缺值和排序的推断方法及应用

针对多维决策中判断矩阵信息不完整的情况,提出了一种加权最小二乘法拟合残缺值和排序向量的算法.首先,定义了一种残缺矩阵的伴随矩阵表达方式,通过残缺矩阵和其伴随矩阵建立一个非线性最小二乘模型,拟合得到残缺互反判断矩阵的排序向量;然后通过偏差最小化公式解出残缺元素,得到完整的专家判断矩阵,用特征值法求出排序向量;最后,将拟合得到的排序向量和补充完整的判断矩阵排序向量通过几何平均得到最终排序向量.用算例说明了方法的可行性及有效性.     

专家赋权与群体排序向量的迭代集结方法

对于备选方案集为有限集的群体决策,排序向量是决策成员(也称专家)对备选方案的偏好顺序及偏好强度的判断,用归一化非负向量表示.以决策群体中专家对方案的排序向量的算术平均值为群体的初始排序向量,基于专家排序向量与群体初始排序向量的欧氏距离,本文提出一种对专家赋权和集结群体排序向量的迭代方法,经过算例及计算机模拟,迭代过程快速收敛;该方法体现了群体(或多数)优先的原则,并能有效降低个体偏见或缺失对群体决策的不利影响.     

群组决策数学模型设计及实现

针对群组决策评价,给出综合判断矩阵修正方法,使其满足一致性条件。综合考虑到不同的评价团体参与决策或对评价影响,以及评语值的模糊性等,对各被评对象进行优劣排序,最终得到评价结果。     

基于群组评价的深基坑工程方案优选研究

深基坑工程方案的优选需要业主、设计、施工、监理和社会参与方通过群组协商实现.基于深基坑工程特点和群组评价理论,针对当前深基坑工程方案评价规则构建缺失的问题,在决策个体权重分配与修正、异质主体有效性判断及群组信息集成等方面构建评价规则,同时以三元区间数处理模糊信息.在此基础上对方案进行评价,得到方案群组评价值,并据此进行方案的优劣排序.实例验证了该评价规则的合理性与可行性,可为基于群决策的深基坑工程方案优选提供更合理的方法与依据.     

关于决策系统的评价方法

通过群决策中的特征根法,把理想专家的评价作为标准,把每个决策者的评价向量向标准向量进行投影,即应用向量的内积法,定量计算出每个专家与理想专家的一致度,即投影值,以此作为专家水平的分值进行排序.并且运用统计分析法将其检验、分类,并给出一个实例验证其实用性及有效性.     

基于时序区间数的多属性决策方法

研究了时序区间数信息环境下的多属性决策问题:首先将区间数推广到时序情形,并定义了相关的运算法则;其次利用区间数加权算术平均算子(IWAA)对每个对象的区间数进行集成得到综合区间数,结合可能度公式得到可能度矩阵,并利用排序向量法得到各时刻的排序向量矩阵;最后利用时间权重将各时刻的排序向量集成为综合排序向量,从而得到最优决策,同时结合实例验证了所提方法的有效性和可行性。     

对群模糊偏好规划算法的一种改进

用折中原则代替原有的极端悲观主义原则,对群模糊偏好规划算法进行了改进.改进的具体做法是用绝对值加权和方法代替最差绝对值加权方法,构造一个不同于群模糊偏好规划算法的模糊线性规划来集结群的综合排序向量.将改进后的群模糊偏好规划算法推广到群中不同子群同意情况下的排序向量集结问题中.验证了改进后的算法实际上是一个具有双重模糊变量的机会约束规划模型.     

一种基于模糊互补判断矩阵的群体决策方法

对群体决策中,偏好信息以偏好次序型给出的情形进行了分析.利用定义2.1可把每位决策者给出的偏好次序型偏好信息转化为该决策者的模糊互补判断矩阵,并证明了此模糊互补判断矩阵是模糊一致性互补判断矩阵,再利用群组互补判断矩阵的行和归一化,对决策方案进行排序择优,并说明了此排序方法是强条件下保序的,最后给出算例.     

基于满意度的多准则决策模型及其在员工绩效评价中的应用

针对评价准则权重信息不完全的群体多准则决策问题,首先利用方案满意度模型,对备选方案集中的每一个方案建立以最大化该方案满意度为目标的线性规划模型,得到一组权重向量,然后利用群决策中的相关集结方法将这组权重向量进行集结,得到对每个方案都公平公正的一个权重向量,利用该权重向量和加权平均模型得到方案的综合评价值,从而对方案进行优劣排序.最后,通过员工绩效评价的例子对本文提出的方法进行了说明.     

奇异积分算子L~p有界性的新的等价条件

确立了奇异积分算子Lp(Rn)有界性与某些弱型估计的关系,给出了新的等价条件.     

一种基于贝叶斯方法的多分类器组合优化算法

提出了一种基于贝叶斯方法的多分类器组合优化算法和阈值改进方法。首先,计算分类器对各个类别的置信度。然后,以各分类器的置信度为先验概率,采用向量求和将各分类器的先验概率向量进行组合,得出最终输出向量,最后通过优化阈值提高综合分类器识别精度。在此后的实验数据表明:该算法具有方法简单、运算速度快、分类精度高等优点。     

一般损失下K近邻予测后验风险的估计

设(X_1,θ_1),…,(X_2,θ_2),(X,θ)是iid,(d+1)维随机向量,_n~(k)是θ的基于训练样本Z~n={(X_1,θ_1),…,(X_n,θ_n)}及当前样本X的K-NN予测,而L_n~(k)=E{L(θ,_n~(k))|Z~n}是在一般损失函数L下当Z~n给定时的条件风险。该文给出了L_n~(K)的一个估计_n~(k),并证明了,如果θ有界,X无原子且L连续时,有P{|_n~(k)-R~(k)|≥ε}=O(e~(-bn),其中b∈(0,∞)不依赖于n,R~(k)是某一常数.     

底函数与它的共轭

本文把R~(n+1)中凸集的下边界函数概念推广到一般集上。提出了R~(n+1)中有底集的底函数的概念,讨论了它的闭包和共轭,并应用它们,建立了求整体极小问题的半无限规划模型。     

一个新的向量值连分式收敛准则

给出了一种证明连分式收敛的新方法 ,显示出连分式古典向后递推算法在连分式收敛理论中是一个有效的工具。文章首先把数量情形下的向后递推算法推广到向量情形 ,建立了向量值连分式两相邻渐进分式的一个递推关系式。利用此关系式对向量连分式 K( an/bn) ,这里 bn满足 Samelson逆 ,给出了一个类似于 Pringsheim收敛定理的判断准则 ,并给出了收敛时的截断误差     

关于WEINGARTEN变换

本文从R~(■+1)中的n维子流形(超曲面)入手,先定义Weingarten变换,再讨论变换的主要性质,然后给出该变换在R~3中的应用.     

信息熵与支持向量的关系

标准支持向量机由于具有O(n~3)的时间复杂度和O(n~2)的空间复杂度,影响了其在海量数据集上的应用,而对支持向量机新模型的研究则最有可能取得一些突破,从而彻底解决上述难题。介绍新模型的研究现状的基础上将信息熵引入到支持向量机建模中,重点分析数据的信息熵分布规律和支持向量数据及其熵值的关系,进一步构造了信息熵支持向量机算法,最后给出了相关实验,初步的实验结果显示信息熵支持向量机具有较快的分类速度。     

底函数与它的共轭

本文把R~(n+1)中凸集的下边界函数概念([1])推广到一般集上.提出了R~(n+1)中有底集的底函数的概念,讨论了它的闭包和共轭,并应用它们,建立了求整体极小问题的半无限规划模型.     

Bocs的一些几何性质(Ⅰ)

对任意的维数向量ｚ,引进了三角层化ｂｏｃｓ的表示簇以及作用于其上的代数群着重讨论了ｔａｍｅ簇的一些几何性质,并给出一个三角层化ｂｏｃｓ是ｔａｍｅ表示型的充分必要条件。     

多边形区域内储层建模结点三角剖分算法研究

结合储层建模结点数据的特点 ,提出了一种对多边形区域内建模结点数据进行快速三角剖分的算法 .如果区域边界边与剖分三角形可能相交 ,根据边界边顶点与剖分三角形确定的矩形区域的关系 ,对于不同情况 ,通过计算矢量叉积 ,或最坏情况下通过计算交点 ,来确定边界边与剖分三角形是否真正相交 .同时 ,讨论了在剖分过程中 ,对边界边链表进行实时更新 ,逐步减少边界边的思路 .虽然整个算法的时间复杂度最坏情况为 O( 3× m×n) ( m为多边形区域内结点形成的三角形个数 ,n为边界边个数 ) ,但在实际应用中 ,对大批量的储层建模结点数据进行三角剖分时 ,文中提出的算法具有比较高的处理效率