基于概率语言相关系数的多属性群决策模型

针对评价信息为概率语言术语集,专家权重和属性权重完全未知的多属性群决策问题,提出基于概率语言相关系数的多属性群决策模型.首先定义了概率语言的相关系数并且拓展到概率语言矩阵间的相关系数; 然后基于每个专家的决策矩阵,通过最小化加权相关系数总和求得每个专家的属性权重向量,并且通过决策矩阵的相关系数客观地确定专家权重; 最后将经典的ELECTRE方法加以改进用于方案排序,并且通过算例分析与比较分析证明了该决策方法的有效性与优越性.     

基于FCM的大规模群体决策方法

针对大规模多属性群体决策问题在不平衡犹豫模糊语言环境下难以确定决策者偏好权重的问 题,提出了同一模糊集群中,单个决策者偏好权重的计算方法。 首先,在不平衡犹豫模糊语言环境下,引入同一集群内单个决策者偏好权重这一概念;之后,在 FCM 算法基础上,利用算法产生的聚类中心和决策者与所 属集群的隶属度,定义了新的偏好权重计算公式以及集群的决策矩阵计算公式,由此得到一种新的大规模群 体决策方法;最后,通过实例验证了方法的可行性和有效性。     

基于区间直觉模糊集的动态多属性群决策方法

针对决策者权重未知、属性权重已知,属性值为区间直觉模糊数的多属性群决策问题,提出采用区间直觉模糊加权平均算子进行信息集结,利用带有转化参数的得分函数进行决策.首先借助区间直觉模糊数的距离来确定决策者权重,然后利用区间直觉模糊加权平均算子和决策者权重对个体决策矩阵进行集结,最终得到每个方案对应的区间直觉模糊数,将其带入得分函数进行动态决策分析.通过实例求解验证了方法的可行性.     

基于TPOP法的犹豫模糊语言稳健型多粒度群决策

多粒度群决策是从决策信息中的多粒度特征出发,利用粒计算模型对群决策问题进行高效建模与分析的过程.现有多数多粒度群决策方法仅可提供单一的决策结果,然而不同方法带来的决策结果往往存在差异.为了深入探索犹豫模糊语言信息系统中的稳健型多粒度群决策方法,依据多粒度概率粗糙集、MULTIMOORA (Multi-Objective Optimization by Ratio Analysis Plus the Full Multi-plicative Form)和TPOP (Technique of Precise Order Preference)建立一种面向多粒度群决策的新型犹豫模糊语言多粒度计算方法 .首先结合犹豫模糊语言术语集与多粒度概率粗糙集,提出犹豫模糊语言多粒度概率粗糙集模型,然后依据离差最大化法计算属性权重与决策者权重,并结合TPOP建立犹豫模糊语言稳健型多粒度群决策方法 .最后,通过医学实例验证提出方法的可行性与有效性.     

一种梯形模糊偏好的多属性群决策方法

针对多属性群决策问题,以梯形模糊数为基础,给出了一种群决策方法.该方法采用梯形模糊数表示决策者偏好和决策者权重,由偏好矩阵和权重向量构造出加权决策矩阵,通过期望值计算和归一化处理得到规范化的决策矩阵,采用OWA算子进行集结,结合属性权重得出决策结果.最后通过算例表明了该方法的有效性和实用性.     

不确定语言多属性决策的心态指标方法

研究了已知部分属性权重信息,方案属性值和偏好值均为不确定语言的多属性决策问题.首先,通过引入心态指标,将不确定语言决策矩阵和方案偏好值转化为带有心态指标的语言决策矩阵和偏好值.其次,通过最小化方案综合属性值与偏好值之间总偏差,建立并求解一个规划模型得到属性权重,然后利用方案综合属性值对方案进行排序和择优.当决策者处于不同心态时,可以通过调节其心态指标进行决策,因而使得决策更加符合实际.最后,给出了一个算例说明了该方法.     

考虑属性关联的TOPSIS语言群决策方法

针对在实际的多属性语言群决策问题中属性之间往往具有相互关联作用这一问题,提出了一种考虑属性关联的TOPSIS语言群决策方法.该方法中决策者给出对方案的语言评价信息,并采用二元语义概念对语言评价信息进行处理.在传统理想点法的基础上引入λ模糊测度的概念,根据属性间的关联作用确定每个方案属性的权重并得到加权决策矩阵.然后计算每个方案与正、负理想点间在n维二元语义空间内的二元语义欧氏距离并得到相对贴近度,确定最优方案.该方法有效地避免了决策过程中语言评价信息的扭曲和损失,并能够考虑属性间的关联作用对于属性权重的影响,使得决策结果更加合理可信.通过一个实例验证了方法的有效性和实用性.     

考虑主体失望情绪的分布语言自信群决策方法

针对分布语言自信评价信息下的多属性群决策问题,提出了一种考虑主体失望情绪的行为多属性群决策方法。首先,考虑实际群决策过程因为决策者的背景、经验、知识等原因会对自身给出的分布语言评价信息有着不同水平的自信程度(这反映了分布语言评价信息的可靠性),定义了一种新的评价结构,即分布语言自信评价;其次,在分布语言自信评价下,考虑有限理性的决策主体,其失望情绪常隐含于决策判断或评价中,利用失望理论,将主体失望情绪融入决策过程,同时,获得分布语言自信评价下的主体感知效用,将主体分布语言自信决策矩阵转化为主体自信效用决策矩阵;然后,定义自信效用向量Dice相似测度和加权Dice相似测度,结合属性的不兼容性程度构建优化模型确定属性权重;接着,基于 TOPSIS 思想对备选方案进行择优排序;最后,在循环经济背景下评估生态工业园区的决策算例,说明该方法的可行性与有效性。     

基于不同粒度语言评价且属性权重未知的群决策方法

文章研究多粒度语言评价集及属性权重信息完全未知的群体决策问题,介绍了语言评价集及不同粒度语言决策矩阵的一致化方法;引入标准差和平均差极大化方法确定不同决策者的未知属性权重信息,通过混合算子HA对群体信息进行集结,得到最终评价值。该方法可以切实解决实际中存在的问题,简单易行,文中用一个实例对方法的适用性和有效性进行了说明。     

基于区间模糊数的群决策中决策者权重研究

针对指标属性值为区间模糊数的群决策问题,展开了对决策者客观权重确定的研究.在定义了个体决策矩阵和群体决策矩阵的基础上,计算两者的整体相对偏差距离,继而得到决策者的客观权重.并以一个算例验证了该方法的可行性和合理性.     

基于色域分析的大雾图像特征提取与等级识别方法

基于色域分析对大雾图像的特征展开研究,首先将大雾图像数值化,获取其RGB空间;其次将图像由RGB空间转换到YCbCr空间,提取其亮度特征;然后使用主成分分析法降维得到高层抽象特征,实现大雾图像特征提取;最后基于提取的特征空间,使用K近邻算法建立大雾识别模型,并对模型进行了测试。     

对烧结机机尾断面图像气孔特征提取的研究

针对烧结机机尾断面气孔特征提取的研究,提出了一种基于OTSU三次迭代RGB颜色通道的多阈值法;为了保证气孔特征提取的准确性和减少图像细节的丢失,采用OTSU法先分别对机尾断面图像的RGB颜色通道3次迭代进行阈值分量计算,再通过RBG三颜色通道占比比值确定权值,计算出一个全局阈值和两个局部阈值进行三阈值图像分割;利用获取...     

MDF-ANet:低光照环境下的无人驾驶视觉融合分割方法

为解决低光照条件下已有图像分割模型性能降低的问题,提出了一个基于RGB和深度图特征融合网络的MDF-ANet图像分割方法.为了对原始数据进行充分的特征学习,采用两路特征提取网络分别提取RGB和深度图特征;设计了一个特征融合模块,分别将两路特征提取网络对应尺度下的输出特征图通过融合模块进行融合,并作为RGB网络下一层的输入,通过不受光照条件影响的深度图来辅助RGB的特征提取;将各个尺度输出的特征图输入多尺度上采样融合模块,进行不同感受野间的信息互补,再上采样至原始输入图像大小,得到分割图像.在Cityscapes及其转化后的低光照图像上进行了一系列实验,在其验证集上取得了62.44%的均交并比（mean intersection over union,mIOU）,相比只使用RGB输入的模型,性能提高了9.1%,达到了在低光照条件下提高图像分割性能的目的.      

适用于已给定颜色处理的彩色矢量最小距离误差扩散算法

提出了一种彩色矢量最小距离误差扩散算法.较常规误差扩散算法而言,可更好地处理编织过程中将彩色图像分解成由已给定颜色组成的离散图像的问题.该算法将每个像素点的RGB值作为一个矢量,采用矢量误差扩散系数矩阵计算像素点的误差和矢量,分别计算像素点原RGB矢量值与误差和矢量的和值与每个已给定颜色矢量的矢量距离,选矢量距离最小的已给定颜色矢量作为输出.仿真结果表明,采用该算法可将连续色调彩色图像转换到已给定的颜色色系,处理结果有较好的视觉效果并满足编织要求.     

一种基于部分方案偏好强度的多属性决策方法

在多属性决策的一些问题中,直接对属性进行赋权是相当困难的,此时决策者偏向于给出部分方案的偏好信息.研究了如何运用部分方案偏好信息进行决策的方法,其基本过程是运用G1-法的原理将决策者提供的语言信息转化为数值信息,在此基础上构建基于"贴近思想"的规划模型,求解模型便可获得该决策思想下最优的属性权重.该方法运用简便,体现了将决策者的"直觉决策"与"科学决策"进行融合的特点.用算例验证了方法的有效性.     

基于频域变换与几何失真校正的图像水印算法

为改善水印系统的稳健性,提出了基于多元频域变换的彩色图像水印方案.首先,引入仿射映射来混淆水印数据;再确定载体的最大中心区域,利用四元离散Fourier变换对其处理,获取1个实部系数矩阵与3个虚部系数矩阵;考虑彩色载体的亮度、纹理与边缘掩码,计算数据融入因子;并以此建立同步水印隐藏方法,把加密数据植入实部系数矩阵的低频系数中,形成水印目标;基于不同的内容变换,形成训练数据;并基于机制,对其完成二级分解,利用分布函数来拟合6个系数的经验直方图,最终将其形状与尺度参数视为水印系统的稳健特征矢量.借助这些稳健特征来训练支持向量机,从而得到变换参数值,以校正受攻击的水印图像;最后,计算校正水印图像的最大中心区域,联合四元离散Fourier变换,设计水印提取方法,准确复原二值水印.测试数据表明:与当前图像水印技术相比,面对几何变换攻击,所提算法具有更高的不可感知性与鲁棒性,其输出的水印图像对应的差分图较为理想,复原水印失真度最小.     

基于变换域注意力机制的压缩伪影去除的方法

图像有损压缩过程往往会导致图像质量退化,使图像出现压缩伪影。针对现有基于深度学习的方法缺乏对联合图像专家组(Joint Photographic Experts Group,JPEG)压缩算法先验信息的利用,提出一种基于变换域注意力机制的去伪影方法。该方法利用卷积神经网络在像素域和离散余弦变换(discrete cosine transform,DCT)域分别提取特征,再将双域学习的特征信息进行融合。利用量化表设计了DCT注意力机制,该模块根据DCT系数的损失程度给予各频率系数不同的权值,使网络自适应补偿量化引起的误差。于此基础上,在像素域引入通道注意力机制,从而更好地利用量化表的先验信息。在主要数据集上,提出的去伪影方法以固定的模型参数对多种质量因子的压缩图像进行伪影去除实验。实验结果表明,所提出的方法在各评价指标和主观视觉上取得较好的效果。     

考虑社会网络信任关系的多属性群决策方法

针对社会网络环境下决策者存在信任关系导致的信任风险,以及方案属性间存在关联性的问题,提出了一种考虑社会网络信任关系的多属性群决策(MAGDM)方法;首先根据决策者的社会网络关系进行聚类从而获得若干个子社区,并通过度中心性和特征向量中心性计算出决策者的权重与子社区权重;接着根据信任关系分别确定决策者个人与子社区的信任度,并针对信任度较低的子社区衡量出其信任风险系数与评价风险系数,然后对该子社区进行相应的意见调整;其次针对备选方案的多个属性具有关联性的问题采用Choquet积分算子获取备选方案的综合评价值,并通过得分函数对备选方案进行相应排序以获取最优决策方案;最后将所提决策方法应用于一个算例中,说明方法的可行性。     

基于广播影视资料的图像检索技术研究

本文以国家发改委CNGI项目“基于IPv6的广播影视资料P2P内容存取中闾件系统”为背景,研究了基于内容的图像检索技术。通过对常用颜色和纹理特征提取算法的研究,选择了块RGB均值法、改进参考颜色表法和灰度一平滑共生矩阵法对图像进行特征提取,并使用标准的Corel库建立图像特征数据库,分析和比较这几秤算法单独检索和综合检索的效果。实验结果证明,采用多特征的综合检索比采用单特征的检索具有更高的查全率和查准率,因此采用综合特征检索技术,能够更好地实现对广播影视资料的内容检索。