基于方案满意度的区间型多属性决策方法及应用

研究了属性权重和属性值均以区间数形式给出的不确定多属性决策问题.针对此类区间型多属性决策问题,定义了方案的综合属性正理想值、综合属性负理想值和带风险度的综合属性值;依据决策者对风险的态度,给出了方案满意度函数;提出了基于方案满意度的单目标优化模型;最后应用该模型解决了投资方案的选择问题.     

实例检索中基于混合属性距离的相似性度量

提出了一种基于混合属性距离的相似性度量方法.利用各个属性间的距离及其组合权重求得实例间的总体距离,再用实例间的总体距离来刻画其相似程度.基于区间数的距离计算公式和模糊集合理论,给出了属性值为模糊数、模糊区间数时的距离公式,并改进了属性值为隶属度函数时的距离公式.同时考虑了属性权重问题,提出了一种基于距离离差信息的客观赋权方法,将主观权重和客观权重加以组合,以组合权重来计算实例的全局相似度.以阀门的概念设计为例,验证了该方法在实例检索中的的可行性和合理性.     

粗糙集连续属性的一种离散化方法

文中给出了基于属性值出现的频率的连续属性离散化的一种方法。在离散化问题描述的基础上,利用属性值出现的频率确定频数候选断点,再利用边缘断点算法进一步减少断点数目,达到离散化目的。该方法提高了决策属性关于条件属性的支持度,提高了属性约简的满意度。     

基于粗糙集方法的知识发现

属性约简和属性值约简是租糙集理论中的重要研究内容,也是粗糙集理论应用于知识发现的主要方法.但求取任意问题的最小属性集是一个NP难问题.本文利用属性间的知识依赖度,提出了一个求取属性约简的贪心算法,它可以在多项式时间内得到一个约简.同时,把粗糙集方法应用于知识发现,通过属性约简删除信息系统的冗余属性,减少数据量,再利用属性值约简,获取决策规则.最后通过实例说明了基于粗糙集方法的知识发现过程,验证了方法的有效性.     

感觉抽取的定性映射模型

将其检测属性的定量属性值转化为定性属性值是感觉的一个基本功能，根据属性的哲学定义，本文给出了属性、定量属性值、性质、定性映射和定性一基准等术语的哲学－－数学定义，并指出：感觉抽取可归结为一个定性映射。     

属性和属性值组合的概念模板

基于本体抽取三元组〈概念,属性,属性值〉,以词汇聚类为基础,将概念表示为属性和属性值的组合向量,对基于属性的概念模板和基于属性值的概念模板进行对比.研究发现,基于属性和属性值组合的概念模板优于任何一个单独的模板.     

连续属性的离散化算法

结合聚类的思想与信息增益性质,给出一种基于距离与信息增益相结合的连续属性离散化方法.此方法不仅考虑了属性值之间的序关系,而且考虑了属性值之间的相对大小关系.此算法的一个最大优点是能自动调整离散化过程中的阈值,且能达到所要求的决策表相容度.     

基于多维尺度变换和自适应增强回归进行插值——以三维地质属性体为例

为了探索地质属性分布特征,求得三维地质体中未知点的属性值,实现自动化插值,提出了利用多维尺度变换（Multidimemsional Scaling,MDS）和自适应增强回归(Adaptive Boosting Regressor,ABR)进行三维地质属性体的空间插值。在空间插值中,未知点的属性值与其最近的几个样本点的属性值、距离以及各向异性特征紧密相关。MDS可以把这些因素进行降维得到一维的因子,然后建立ABR模型求得未知点,最后利用均值滤波（Mean Filtering,MF）减少ABR产生的不连续性,实现自动插值。通过对比普通克里金方法,结果表明,该方法在考虑各向异性的情况下简化克里金方法中人为进行半变异分析等繁琐流程,实现自动化插值;同时避免了在非特定随机场的地质破碎地带,运用克里金插值时已知样本点必须符合特定随机场的局限性。     

基于关联关系分析的符号数据分类方法

由于符号属性数据缺乏固有的几何特性,不能简单地将现有的数值属性数据分类算法应用于符号属性数据.为了提高符号属性数据的性能,提出一种基于关联关系分析的支持向量机分类方法(Support Vector Machine Classification Approach Based on Correlation Analysis,CA_SVM).通过分析属性值与标签之间的相关性,得到属性值对标签的影响因子;然后结合属性值在类内出现的频率,使得所有原始符号数据下的属性值在不失信息的情况下转换成数值型数据;转换后的数据既可以体现属性值与标签之间的关联关系,也可以有效地表示相同属性下属性值之间的距离;最后用支持向量机(Support Vector Machine,SVM)进行分类.在标准UCI数据集上的实验结果表明,CA_SVM模型能够提高分类精度.     

目标威胁估计的决策树方法

讨论了目标威胁估计问题。通过分析目标属性与威胁的关系,建立了评估目标威胁的目标属性列表。根据军事背景知识把目标属性值转换为离散化的威胁效用值,结合战术目标威胁估计的经验值,提出了一个基于决策树的目标威胁估计新方法,实例证明了该方法的有效性。     

基于Rough set理论的气象状况分类算法研究

根据粗糙集理论,提出一种基于决策表相容性的属性约简算法。对一幅经典的天气观测状况决策表进行属性约简,把表示观测状况的各参数作为决策表的属性,运用粗糙集理论对该原始决策表进行约简,以提取天气状况的重要属性,删除分析过程中的冗余属性和属性值,约简后的属性可为决策提供支持。分析表明,粗糙集理论应用于这类决策可得到更清晰、简明的判断规则。     

部分权重信息下基于两阶段优化的多属性决策方法

研究了只有部分权重信息(区间数)且属性值为定值的多属性决策问题。首先,基于局部与全局最优综合属性值,分别建立了一个目标规划模型。其次,通过求解这两个模型获得方案的排序,提出了基于两阶段规划的多属性决策新方法,该方法具有操作简便且易于上机实现的特点。最后,通过实例说明模型及方法的可行性和有效性。     

ID3算法的理论基础

基于属性值并的权熵思想,通过构建模型,给出了一个属性的某几个属性值并的权熵之和不小于该属性单个属性值的权熵之和的结论,从理论上证明了ID3算法的合理性,为ID3算法提供了理论基础.     

信息不完全确定的区间直觉模糊多属性决策方法

针对属性权重信息不完全确定且属性值为区间直觉模糊数的多属性决策问题,建立一个基于加权精确度函数的多目标线性规划模型来获取属性权重信息,然后求得每个方案的加权精确度函数,进而根据方案加权精确度函数对方案进行排序,最后通过算例分析说明该方法是有效和实用的.     

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.     

基于语言信息的档案网站绩效评估模型研究

研究基于语言信息的档案网站绩效评估问题.首先引入语言变量的运算法则,给出语言变量间距离的概念.针对属性权重完全未知的情形,利用待评档案网站的综合属性值之间的相离度和属性权系数的随机性,给出一种语言变量多属性决策方法.该方法利用优化方法建立数学模型,以待评档案网站的综合属性值之间的相离度和权系数信息熵最大化为优化目标,用拉格朗日乘子法给出模型的最优解,得到属性的权系数.该方法能够结合决策者的主观意志和客观事实,精确确定各属性的权系数.然后利用语言加权算术平均（LWAA）算子,对语言决策信息进行加权集成,继而对档案网站进行排序和择优.最后进行实例分析.     

多属性决策中基于加权模型的属性值灵敏度分析

针对多属性决策中属性值的灵敏度分析,首先介绍了方案灵敏度及最灵敏方案等有关概念;然后在考虑将比重变换法作为属性值规范化方法的情况下,基于加权模型,给出了当两个方案之间排序位置颠倒时某一属性值的最小变化量的计算方法,并且在此基础上,可找出最灵敏方案·最后给出了一个算例·     

多认证机构的属性加密方案

通常情况下,用户所具有的属性集合由不同的认证机构负责分配和认证。针对这种情况,提出了一种多认证机构的属性加密方案。在该方案中,将属性全集分成若干个属性子集,而且各个属性子集之间相交结果是空集。对于每一个属性子集,由一认证机构负责监控用户的属性值并分配对应该属性值的密钥。任意发送者可用一属性集合加密信息,而具有该属性集合的用户可以解密已加密了的信息。所提方案满足IND-sSET-CPA安全。     

基于敏感元组的聚类匿名数据发布

在数据发布的过程中,为了保护个人隐私常需对所有准标识符进行泛化操作,而实际涉及到个人隐私相关敏感属性元组是非常少的．据此,从这些涉及个人隐私的敏感属性的元组出发,将剩余大量仅涉及非敏感属性元组依据敏感属性值不同进行分组,最后对分组中元组以计算与个人隐私属性相关敏感属性距离的方式,选取距离最短的元组进行泛化,其余元组并不进行泛化,通过这种方式,提高了数据的利用率,并有效减少信息的损失．     

关于ID3算法的最优性证明

研究了一个属性的某几个属性值并的权熵之和与该属性单个属性值的权熵之和的关系.通过构建模型,从理论上证明了以信息熵作为度量标准,ID3算法是最优的,生成的树是最小的,产生的规则数是最少的.