不确定多指标决策问题的相对相似关系法研究

针对指标权重未知的不确定多指标决策问题,从描述区间数的相似性程度出发,提出了一种全新的区间数相对相似度和决策方案相对相似度定义,给出了区间数相对相似关系理论并得到了一些相关结果;然后在通过相对相似度对决策指标权重进行度量的基础上,采用备选决策方案在决策方案集中的总体相对相似度值大小选取最优对象并排序,以此给出了不确定多指标决策问题的相对相似关系法.通过算例分析了该算法和离差最大化算法的相异,说明了该算法的适用性和合理性.     

建设智能云数据服务平台让高校大数据“说话”:提升学校核心竞争力

高校信息化建设发展到以数据服务为核心的阶段,怎样挖掘出隐藏在大数据中的重要信息并利用这些信息更好地为师生提供服务是各个高校必须面对的问题,本文对此进行了分析并提出了一些思考.针对这些思考,提出了智能云数据服务平台的解决方案,阐述了平台的建设目标、建设原则与建设内容,探讨了平台使用的整体架构和安全体系,描述了建设过程中可能会遇到的问题并提出解决方案.最后对平台建设的预期效果进行了评估.     

基于802.15.6的分组检测算法设计与仿真

针对BAN(body area network)系统传输数据分组具有突发性的特点,设计了一种基于数字匹配滤波器和自适应门限判决的分组检测方法.根据数字匹配滤波器的原理和BAN调制信号的特点分析获得了相关峰值的计算方法,采用自适应门限判决的方法对相关峰值进行判决实现分组检测,并利用Matlab对算法性能进行了仿真.仿真结果表明,采用的分组检测算法在一定频偏范围内均具有较高的检测概率.     

机加工过程一类能耗估算模型的研究

针对机加工过程中的能量消耗,将机加工过程的能耗分为固定能耗、空载能耗和切削能耗三个部分,推导构建一类机加工过程的能耗估算模型,并通过实验完成能耗模型参数的确定.最后以实际铣削加工案例分析表明,在给定工艺参数情况下,该模型能够较为准确地计算机加工过程中的能耗,为后续的工艺参数优化及工艺决策奠定基础.     

基于模糊多准则决策法的城市建筑项目风险评估方法研究

城市建设项目具有高度的不确定性和风险性,合理的风险分析模式是风险评估的基础,为工程设计方和施工方决策的制定提供依据,以规避工程施工过程中可能存在的风险.采用模糊层级分析法评估城市建设施工过程中的各项风险因素所造成的影响程度,运用模糊多准则决策法对各项风险因素发生的可能性进行评定.最后,建立城市建设工程主要作业项目风险程度的评估模型,并验证了该模型的适用性,为以后工程建设中的风险管理提供参考依据.     

预算约束情形下新产品报童问题的一次性决策研究

主要运用一次性决策理论研究预算约束下新产品的报童问题。首先提出了约束条件下的一次性决策问题,并指出了有约束条件下与无约束条件下一次性决策问题的焦点之间的区别。然后研究预算约束情形下短生命周期的新产品报童问题,说明带有约束条件的一次性决策问题的决策过程,并与无约束的报童问题进行了比较。     

基于车车通信合流影响区外侧车辆决策模型

在入口匝道合流区,驾驶员通过观察运行环境及估计周边车辆行驶特征,做出的相应的驾驶决策,常会使车流紊乱.针对该问题,从车车通信环境下获得的周边车辆运行全信息入手,建立上匝道合流影响区车辆决策机制模型,并更新了新决策机制情况下运行规则.数值试验分析车辆在两种不同环境下的时空轨迹图、合流区及上游换道情况、平均行程速度.结果表明:在车车通信环境及决策机制模型条件下,合流区只有很低水平的换道;平均行程速度最大提高了32.4％,在不同车辆输入情况下速度波动降低了76.7％,通行能力提高了13.3％.     

区间三角模糊软集及其动态决策方法

为完善模糊软集理论,提出区间三角模糊软集的概念,并讨论其相关运算及性质。建立基于区间三角模糊软集的动态决策模型,其中,时间权重采用指数衰减方法进行确定,利用集成的思想定义了区间三角模糊软集算术加权平均算子,将不同时刻的区间三角模糊软集集成为综合区间三角模糊软集。给出不同对象选择值和决策值的求解公式,根据决策值大小来实现最优决策。最后总结出方法的具体步骤,并通过实例说明具体应用。     

基于模糊决策的不完整数据分类算法

中医药领域不完整的数据普遍存在,而数据的不完整很大程度地降低分类模型的学习效果。大多数已有的处理不完整数据的分类算法只关注在其学习阶段处理不完整数据,而对于不完整数据出现在分类阶段则不能处理或效果不好。文章提出一种新的分类算法用于处理不完整数据的分类问题。首先给出一个新的用于处理不完整数据的决策树算法,并针对传统的Boosting算法在迭代过程中使用确定性决策方法而没有充分考虑到数据集中的不完整数据,进一步提出改进的Boosting算法,在迭代过程中对每一个假设使用模糊决策方法,权重的更新机制是增加错误分类样本的权重和减少正确分类样本的权重,最终使用加权投票的方式得出最优的分类结果。最后,通过两组实验证明提出的算法策略在处理不完整数据问题时的优越性。     

IMM迭代无迹Kalman粒子滤波目标跟踪算法

针对传统交互式多模型(interactive multiple model,IMM)算法跟踪机动式再入目标精度差和实时性不高的问题,提出一种交互式多模型迭代无迹Kalman粒子滤波算法.该算法在多模型滤波过程中采用改进的粒子滤波算法,通过迭代无迹Kalman滤波融入最新观测信息,进而生成粒子滤波的重要性密度分布,从而提高采样质量,改善滤波算法性能.仿真结果表明,提出的算法相对于交互式多模型粒子滤波算法具有更好的跟踪效果.该算法对提高跟踪机动式再入目标的精度与实时能力具有一定的理论意义.