基于GBM算子的不平衡概率语言Z-number多属性群决策

Z-number作为一种有效的信息表达方式，能够很好的描述带有不确定信息的自然语言．但大多数关于Z-number的研究依赖于均匀分布的语言术语集，并且用于聚合Z-number信息的聚合算子很少能够考虑属性之间的关系．提出一种非均匀分布的语言尺度函数，讨论了概率语言Z-number在不平衡语义下的情形，运用定义的新型算子对于概率语言Z-number进行聚合．定义相关运算以及得分函数，构建多目标线性优化模型确定最佳投资比例．通过实例说明了所提出方法的可行性与有效性，并进行了灵敏度分析．     

基于概率语言术语集可靠性度量的VIKOR决策方法

针对概率语言术语集(PLTS)的多属性决策问题,提出了一种基于PLTS可靠性度量的多属性决策方法.首先根据PLTS的内在特征,定义了新的犹豫度度量指标和可靠性度量函数;其次根据专家的原始评价信息的可靠性度量和专家评价意见的相似性度量确定了专家的属性权重;另外考虑到缺失概率的存在,提出了基于可靠性度量的归一化方法;进一步,将新定义的概率语言集的可靠性度量应用到VIKOR的多属性决策方法中,基于此得到综合评价矩阵;最后通过一个实例来验证该方法的实用性和有效性.     

部分权重信息下的交互式直觉模糊多属性决策方法

在部分权重信息下的直觉模糊环境中,提出了一种交互式多属性决策方法.定义了方案的期望水平、方案达成度、方案综合度等概念.基于这些概念,建立了一些决策者与分析者之间不断交互的线性规划模型.然后在此基础上提出了一种实用的交互式选择最佳方案的方法.该交互式过程通过给定和不断修改方案达成度和综合度来实现人机交互决策,最后给出了应用实例.     

基于区间二元语义集结算子的多属性群决策方法

针对解决具有区间语言评价信息的多属性群决策问题,提出一种基于区间二元语义信息处理的群决策方法.给出区间二元语义的定义,提出几种新的集结算子,并分析了算子的优良性质.通过定义区间二元语义比较的可能度公式,对集成结果进行排序择优,最后通过一个实例,说明该方法的可行性和有效性.     

基于Vague集的多属性采煤工艺选取

针对采煤工艺优选的决策信息具有多属性和模糊性等特点,提出采用Vague集理论建立决策模型,给出的记分函数全面考虑了未知度对决策的影响,属性因素的权重利用模糊层次分析法确定,为了提高决策的准确性和安全性,模型采用由多名专家参与,通过方案综合记分值和精确度值最终实现决策分析.利用模型对内蒙古某煤矿进行了实例分析,结果表明该方法具有较强的适用价值,可为采煤工艺优选的决策提供理论依据.     

考虑交叉影响的直觉不确定语言多属性群决策方法

针对隶属度或非隶属度为零的直觉不确定语言数,已定义的直觉不确定语言基本运算存在不合理性,导致信息集结结果出现较大偏差.考虑直觉不确定语言数的隶属度与非隶属度之间可能存在的交叉影响,定义新的加法、数乘、乘法及幂乘运算,在此基础上给出直觉不确定语言加权交叉算术平均算子、有序算术平均算子及混合交叉算术平均算子,同时给出直觉不确定语言加权交叉几何平均算子、有序几何平均算子及混合几何平均算子.根据算子本身的特点给出考虑交叉影响的直觉不确定语言多属性群决策方法,并通过算例验证所给决策方法的有效性与可行性.     

基于新的距离度量的三角模糊数多属性决策法

利用基于区间数的中心、半宽度的距离度量以及三角模糊数的水平集信息,定义了三角模糊数上一个新的距离度量,并证明了该距离满足非负性、对称性和三角不等式性质.进一步,针对三角模糊数上的多属性决策问题,利用该距离度量和模糊理想点思想,给出了一种基于新的距离度量的多属性topsis决策方法.最后,给出应用实例,并验证了该方法的合理性、有效性.     

基于决策规则的决策形式背景的属性约简

决策形式背景的属性约简及其规则获取是形式概念分析领域的研究热点问题.基于决策形式背景的决策规则,研究了决策形式背景的属性约简问题.给出了决策形式背景的冗余规则的等价表示,以及决策形式背景的规则协调集的充分必要条件,定义了决策形式背景的辨识矩阵和辨识函数,给出了决策形式背景基于决策规则的属性约简方法,并举例说明了结果.     

创建决策树算法的比较研究——ID3,C4.5,C5.0算法的比较

采用多种决策树算法,针对常用的决策树算法在特定样本下的性能进行了分析,提出了选择信息增益率最大的属性作为决策属性算法性能的评价方法.     

一种基于案例的交互式多准则决策方法

针对已知方案部分偏好序的多准则决策问题,考察方案两两比较的2种弱偏好关系:必然偏好关系和可能偏好关系,在可能偏好关系基础上给出方案两两比较的支持度定义;基于这一概念,提出一种交互式多准则排序方法,它需要决策人根据支持度的大小来不断调整方案间的必然偏好关系,实现人机交互决策,从而使构造的加性效用函数不仅能完全支持决策人提供的偏好关系,而且能最大限度地发挥决策人的主观能动性,最终得到决策人满意的排序。算例说明了该方法的有效性和可行性。     

序决策信息系统的极小决策规则获取

定义初等极小对象集获取序决策信息系统的初等极小决策规则,而后通过构造区分函数及属性约简优化初等极小决策规则,最后,利用向量来定义决策规则,通过向量运算来获取极小决策规则。     

基于TOPSIS扩展的直觉模糊多属性群决策

研究直觉模糊环境下的多属性群决策问题,提出了一种基于TOPSIS扩展的直觉模糊多属性群决策方法.传统的TOPSIS方法中,理想解是以向量形式表示的,本文给出了理想解一种新的矩阵表示形式,通过实例分析验证了这种方法的可行性与有效性.     

多值映射后果空间上的格序决策及其应用研究

通过在分别以决策后果的上概率和下概率作为上、下界构成的区间数上定义"可能性小于"关系,将决策后果空间格序化,然后应用带概率分布的区间数的比较方法,研究了多值映射后果空间上的格序决策方法.最后作为应用研究,给出了格序决策中的一个算例.     

基于属性约简的决策树算法在商品促销决策中的应用研究

商品销售管理是企业经营管理中的一个重要环节,通过建立商品促销决策的数据挖掘模型,企业可以获取有助于销售决策的大量有价值的信息,从而获得竞争优势.该文采用决策支持模型来发掘不同客户群的商品购买需求.首先对收集的历史数据进行预处理,然后采用似然比计算预测字段和目标字段的相关性,对属性进行约简,最后使用CHAID算法构建决策模型.实验结果表明,约简模型的性能降低很小,但是大大提高了运行效率和分析效率,降低了过度拟合模型的风险,具有很好的实用价值.     

一种协调信息系统的快速求核算法

属性核的确定对于求属性约简具有重要的意义,利用协调信息系统中条件属性的划分相对于决策属性划分的概率分布为单点分布的性质,提出一种新的求核算法.采用多个UCI数据集进行实验,结果表明该算法的效率高于基于辨识矩阵和基于信息熵的求核算法.     

模糊决策序信息系统的优化区间决策规则获取

在模糊决策序信息系统中,结合区间知识颗粒,重新定义下、上近似,进而导出区间决策规则。然后给出相应的属性约简,并构造相应的区分函数求法,来获取优化的区间决策规则,使得决策规则的条件属性部分的描述更加清楚、简洁。     

基于广义粗糙集的属性约简

目前,人们对广义粗糙集的研究主要集中在集合的近似计算上,而真正利用广义粗糙集进行属性约简的研究还很少见.基于广义粗糙集理论研究了信息系统中属性约简的问题.首先定义了关系信息系统及其属性约简的概念.然后给出了属性约简的判定定理和辨识矩阵并详细地研究了属性约简的基本性质.最后给出了计算信息系统中属性的所有约简的一般方法.     

基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

基于粗糙集的连续属性离散化算法及其应用

为了提高信息系统的相容性、解决离散化过程中阈值以难确定的问题,提出了一种改进的连续属性离散化算法.该算法以信息增益作为属性重要性的度量方法,以基于最小描述长度原理的决策系统信息熵作为离散化过程的评价函数,能够有效地提高离散化速度和精度,并且增强了系统的鲁棒性.仿真结果证明,此算法能够得到满意的离散化结果,是一种能够自动调节阈值的有效算法.     

基于k-可加模糊测度的变权多属性决策分析

k-可加模糊测度具有很好的柔性,本文采用k-可加模糊测度对基于关联的变权多属性决策(Multi-Criteria Decision Making, MCDM)中属性和属性集的重要程度建模;依据模糊测度理论和属性间独立情形下的变权理论定义基于k-可加模糊测度的变权和状态变权的公理体系;依据Marichal熵理论讨论基于关联的变权MCDM问题的k-可加模糊测度的求解,依据模糊积分计算决策方案的综合评价值,以此对方案进行排序并选择最优方案;最后以某煤炭企业选择接替资源为例验证了理论和模型的合理性和可行性.