基于知识元的应急案例检索方法

应急案例蕴含大量有价值的应急管理知识,针对应急案例特点,基于共性知识元模型,对应急案例内容和结构进行了重新组织和表示,在此基础上结合情景及突发事件演化的相关理论,对应急案例检索方法进行了研究,通过多层案例检索算法,提高应急案例检索准确率。     

模型管理的知识及其表示方法

运用辩证系统的思维方法论,从客观事物到主观认知的全过程和不同科学域的共性整体特征出发,较系统地探讨了模型及其管理的知识系统.首先梳理给出基本概念属性模型、数据和信息模型、结构和知识(狭义)模型、问题模型、数学模型和决策或优化模型六个层次的模型集合,明晰模型概念体系与层次关系.然后,基于知识工程的理论方法,抽象给出了模型...     

基于灰色模糊理论的政府信息共享能力测度研究

政府组织间的信息共享对于提高政府管理和服务水平具有重要意义,政府组织的信息共享能力决定了信息共享的效果.针对目前政府组织间信息共享能力评价的缺陷,设计了影响政府组织间信息共享能力的因素,然后采用传统的测度指标剔除方法与基于权重向量区间分析相结合的方法对指标进行了筛选,提出了政府组织间信息共享能力测度的指标体系.在该指标体系的基础上,构建了基于灰色模糊综合评价方法的政府信息共享的能力测度模型,并用案例证明了该测度模型的有效性和可行性.该模型将定性与定量分析相结合,在一定程度上克服了信息不完全和主观性的影响,使测度结果更科学.     

面向电子政务领域的角色网络模型

为了更好地解决电子政务领域的系统建设问题,本文通过对电子政务系统特性的分析,提出了适应政务业务动态变化的角色网络模型,介绍了模型的来源以及与其它相关模型的区别,给出了角色网络模型的形式化描述,并对其构建方法进行论述.     

交通转盘路口控制与非控制的效率分析——基于计算机仿真实验的比较

基于计算机仿真实验，对具有交通灯控制和没有交通灯控制的交通转盘路口的交通效率进行了分析和比较．对有交通灯控制的情形（控制情形），由实验给出最优的绿灯控制时间．把等待队长作为交通强度的函数，并由图形给出相应的分析比较结果．在没有交通灯控制的情形（非控制情形），具有较高的事故概率，但分析表明它具有由等待队长度量的高效率．同时一个明显的结果是控制情形的交通崩溃发生在交通强度比非控制情形低得多的时候     

Markov过程在预拌混凝土市场预测中的应用

随机运动的系统通常具有无后效性，或称具有Markov链的特性，这一特性广泛应用于各个领域，包括在管理科学的决策中，将Markov链应用于预拌混凝土市场预测中，并阐述论证了稳定状态下Markov链转移概率的性质和平衡方程的数学意义。算例分析验证了方法的可行性。     

基于下半方差的债券投资组合模型

用下半方差作为风险度量构建了债券投资组合模型,研究投资者的债券投资问题。在理论上分析了模型最优解的存在性,并且证明了模型具有全局最优解。为了得到最优债券投资组合策略,依据模型的随机属性,构造了求解模型的蒙特卡罗罚函数算法,并且证明了算法的收敛性。给出了相应的数值算例验证模型的有效性。     

基于贝叶斯网络的突发事件预测模型

构建通用的突发事件预测模型有助于应急管理主体以统一的方式处理各类突发事件.运用系统理论,将突发事件视为一个系统,抽象出了各类突发事件发生发展的统一行为模式;针对突发事件发生发展的不确定性,提出了用于突发事件预测的贝叶斯网络模型的构建方法,包括变量的选取和网络结构的确定.提出的方法能够根据各领域的专家知识和统计数据,通过不确定性推理对各类突发事件的主要状态与损失后果进行预测.最后,通过台风事例说明了该方法的可行性和有效性.     

基于知识元的应急决策知识表示与生成方法

非常规突发事件应急决策是一类应急状态下的复杂系统决策问题,快速生成应急决策知识是解决这类问题关键.本文从不同科学域的共性整体特征出发,构建应急决策知识元模型,为多领域、多学科显性知识和隐性知识的表示与融合提供支持.在此基础上,本文首先基于知识元模型生成个体知识,然后通过GRA-T(grey relation analysis and TOPSIS)方法确定决策主体考虑问题的权重,再使用WGRG(weight grey relation grade)融合算子将专家知识整合成系统性的应急决策知识,为保证应急决策的及时性、科学性和有效性提供知识支持.最后,通过数值算例和地铁火灾突发事件案例分别验证GRA-T和WGRG方法的优越性以及应急决策知识表示和生成方法的实用性和科学性.     

基于多目标神经网络的前列腺癌诊断方法

前列腺癌是男性恶性肿瘤中发病率最高的肿瘤之一.通过对前列腺癌的有效诊断,可以尽早治疗,降低前列腺癌的死亡率.针对前列腺癌早期筛查的准确度不足,病理检查给病人身体带来严重负担的现状,以及现有基于数据挖掘的癌症诊断方法只关注诊断结果准确性或者只关注可解释性的问题,本文提出一种基于多目标神经网络的诊断方法,通过特征选择提取对诊断结果最具有解释性的特征子集,以提高模型的可解释性和准确度;通过采用进化计算的方式进行神经网络的结构和权重学习,从而构建有效的能够充分体现临床信息与前列腺癌之间关联的多目标神经网络模型进行前列腺癌诊断;并通过Pareto优化方法对模型训练过程中的结构和参数进行优化,从而提供多个有效的诊断模型以满足医务工作者不同的决策偏好.