WEB站点结构优化仿真

WEB站点结构优化技术是解决WWW浏览中搜寻与获取有益信息的困难问题及信息搜寻行为的效率低下问题的有效方法。基于WEB站点的超链体系结构特征与网页节点的访问频度值特征,建立了一种站点结构优化的数学模型,其目标是使整个站点具有较小的平均访问代价。分析了站点超链体系结构特征与节点访问频度特征,采用仿真算法分别模拟了WEB站点的超链体系结构与页面节点的访问频度值,并通过量化新增超链接的影响因素设计了相应的站点结构优化方法。实验结果表明:优化后的站点结构具有较小的平均访问代价。     

基于兴趣文档集合游历便利性的站点结构优化模型

基于特定信息需求的网站用户游历其兴趣文档集合的便利性,建立了一种站点结构优化的数学模型,通过页组支持度与页组拓扑平均距离量化评估与挖掘站点中访问效率较低的内容文档集合为结构优化的兴趣页组,据此提出能综合评价站点访问效率的指标--WEB拓扑兴趣度,并通过分析新增超链接的影响因素设计了相应的站点结构优化方法,优化算法中采用遗传算法寻找最优组合的新增超链接组.实验结果表明:优化后的站点结构能有效改善信息搜索与获取行为的效率低下问题.     

基于粗糙KNN算法的文本分类方法

在文本分类中,数据规模过大或文本分布不均匀对传统KNN算法的准确率和效率具有重要影响。为了解决该问题,文章提出一种基于粗糙KNN(k-nearest neighbor)算法的文本分类新方法。首先引入粗糙集中的上下近似概念定义各类文本的上下近似空间,将文本向量空间分为核心和混合2大区域;然后改进传统KNN算法的隶属度函数;再针对不同的文本区域,采取差异化的分类策略以提高分类的效率和准确率。实验表明,基于粗糙KNN算法的文本分类方法在提高分类准确率的同时,分类的效率也有很大提高。     

考虑配送服务的双渠道策略优化方法研究

文章将网上渠道的配送服务引入双渠道策略优化问题,构建了考虑配送服务的双渠道策略优化基本模型以及考虑单一线性额外成本和分段线性额外成本的双渠道策略优化扩展模型。通过对所提模型进行深入分析,给出了考虑配送服务时企业仅采用网上渠道、仅采用网下渠道和采用双渠道的最优条件、定价策略和最优配送时间的设置规律。     

证据信度的效用分析

提出了一类在已有证据理论方法中尚未得到有效解决的效用悖论问题,然后给出了一种证据理论的效用分析方法.该方法根据决策者的主观偏好,将专家的意见利用效用信度函数转换成效用信度,效用信度决定了决策者行动的可能性,然后利用证据理论合成公式对效用信度进行综合.给出了效用信度函数的定义及其性质,并给出了一个具体的函数及其合理性证明.     

基于粗糙集与证据理论的决策规则合成方法

如何根据规则进行决策是决策规则应用必须解决的核心问题之一。针对该问题,提出了一种决策规则的合成方法,为根据多条规则进行决策提供了崭新的思路。首先,获取规则,计算支持度、信度等信息;然后,将规则信度转换为可信度分配,综合属性重要性和规则支持度两方面因素,计算可信度分配的权重;最后,运用证据理论对可信度分配进行合成。实验表明,规则合成方法能够对决策规则,尤其是冲突规则进行有效合成,得出可靠的决策。     

多属性群决策中权重自适应调整的方法

在已知专家和属性主观权重的基础上,提出了一种多属性群决策中权重自适应调整的方法。该方法根据专家个体决策与群体决策之间的偏离程度计算专家权重并用熵权系数法计算属性的权重,以新的权重重新计算出专家个体决策与群体决策,并以此对权重做进一步调整。重复以上步骤,直至计算出稳定的综合权重和决策结果。给出算例说明了该方法的可行性。     

考虑决策风险偏好的自适应支持向量机模型

在构造可以控制不平衡性的分类器,准确识别少数类,并使得决策者可以根据风险偏好与分类器进行交互,这对于人工智能在管理实践中的应用有极为重要的价值。提出了一种自适应支持向量机(ASVM)模型,使得类间隔最大化的同时,决策损失最小化,并基于粒子群优化算法(PSO)调节参数。该模型内在地考虑了数据不平衡性,并可为决策者与分类器的交互提供有效支持。实验及仿真结果表明,该模型在各种样本不平衡情况下都有很好性能,分类准确率显著地优于对比方法,而且相对稳定,并能很好地根据决策者的偏好控制分类器的决策风险。     

基于模糊距离和神经网络的自适应群决策方法

针对群决策中专家权重和评价指标权重难以确定的问题,提出了一种自适应群决策方法.设计了一种基于模糊距离的专家权重确定方法和基于神经网络的指标权重训练方法,并将其引入自适应算法中.在算法不收敛时,提出了一种专家权重的随机扰动策略使算法可以很好收敛.最后的实验表明,该方法可以很好地收敛于稳定解,得到专家群体对待评对象的客观、可靠评价.