区间数多属性决策中决策矩阵的规范化方法

决策矩阵的规范化是多属性决策分析中的一个重要组成部分,针对具有不确定性区间数的决策矩阵的规范化问题,给出了两类实用的规范化方法,即基于区间数运算的规范化方法和基于误差传递的规范化方法·最后,给出了算例并说明了两类方法各自的特点·     

模糊环的再定义

利用模糊空间理论定义模糊环和模糊子环 ,并研究了它的基本性质 ,建立了研究模糊环的新的理论体系 ,弥补了传统模糊环定义中无模糊泛集和模糊运算的不足 ,是传统模糊环概念的规范化和一般化     

一种梯形模糊偏好的多属性群决策方法

针对多属性群决策问题,以梯形模糊数为基础,给出了一种群决策方法.该方法采用梯形模糊数表示决策者偏好和决策者权重,由偏好矩阵和权重向量构造出加权决策矩阵,通过期望值计算和归一化处理得到规范化的决策矩阵,采用OWA算子进行集结,结合属性权重得出决策结果.最后通过算例表明了该方法的有效性和实用性.     

基于区间值模糊集上的模糊聚类

研究了基于区间值模糊集上的模糊聚类.先讨论了基于∨-t关系合成基础上的一种n次幂运算,是Yang和Shih的n次幂运算的推广.通过运算,由模糊相似关系矩阵得到模糊等价关系矩阵,并提出了一种基于模糊等价矩阵的聚类算法.针对非完备模糊相似矩阵中的数据信息可能会缺失的情况,最后讨论了一种由∨-t合成运算来推算缺失值的简单方法.     

基于FOWA算子的不同模糊偏好信息的群决策法

研究决策者以不同形式给出其模糊偏好信息的群决策问题.首先,利用三角模糊运算的一些拓展法则和不同模糊偏好信息之间的转换公式将模糊效用值型、模糊互反判断矩阵型的偏好信息形式一致化为模糊互补判断矩阵型.其次,以三角模糊数的期望值为排序工具,利用FOWA算子对一致化的决策信息和方案的优势程度进行集结,依据综合优势度的期望值对方案进行排序,提出一种新的模糊群决策方法.最后,通过实例说明方法的可行性和有效性.     

相依概率性序列运算的数字特征

相依概率性序列运算对基本序列运算进行了发展,使非独立的随机变量间的建模、分析以及运算成为可能。该文证明了非独立的概率性序列进行各种序列运算后的派生序列仍然是概率性序列。研究了序列独立与非独立情形下各种运算结果序列期望值的异同,同时论证了在序列非独立情形下序列运算期望值的性质:一部分基本序列运算期望值性质在相依概率性序列运算中仍然成立,而另一部分则不再成立。利用简单算例验证了上述数字特征,并阐述了相依概率性序列运算的物理意义。     

模糊信息下的不确定性决策问题

讨论了一类具有模糊概率和模糊属性评价值的不确定性决策问题。分析了模糊概率评价的一致性，给出了一种在模糊信息下求各策略模糊期望值的方法，并通过对各模糊期望值的比较来确定最优策略。最后，给出了一个数值计算的例子，结果表明，方法简单、合理，易于实现，具有实际应用价值。     

基于方差最小化的直觉模糊语言多属性决策方法

针对语言型决策存在运算越界和不符合人们直觉等问题,采用直觉模糊语言距离测度,构建个体评价信息与集成结果之间的方差最小化模型,并通过求解该模型给出直觉模糊语言运算新方法,通过给出直觉模糊语言期望值、精确值和直觉模糊语言的序关系,进而给出一种属性权重已知或完全未知且属性值为直觉模糊语言的多属性决策方法.最后,将所获得的决策...     

模糊聚类分析的传递方法

针对常规模糊聚类分析在履行模糊相似关系时存在的复杂矩阵害虫乘运算问题,提出了模糊聚类递算法,通过设置主水平λ,直接从模糊相似关系获得聚类结果,并证明该方法与传递闭包法等价,但时间复杂度和空间复杂度都要远远小于传递闭法。     

基于结构元理论的模糊多属性群决策

 将结构元理论引入到模糊多属性决策中,利用同序标准单调函数类与有界实模糊数同胚的性质,将模糊数的复杂运算转化为同序单调函数的运算,通过单调函数间的序关系描述模糊数之间的序关系,简化传统决策的复杂运算。将模糊结构元理论同经典的ELECTRE方法结合,用来解决模糊多属性群决策问题,克服了以往应用ELECTRE方法遇到模糊数难以排序或直接转化为确定系统的缺点,这种方法以结构元理伦为基础,运算简便,易于理解,对于进一步研究模糊多属性群决策问题有很好的参考作用。给出的实例验证了该方法的有效性和可行性。     

Expected Value Method for Fuzzy Multiple Attribute Decision Making

Introduction Multiple attribute decision making (MADM), which entails decision making problems with multi- alternatives and multi-attributes, is widely applied in engineering, economics, management, military affairs society, and so on. In many real-world …     

基于信息熵的模糊多属性决策方法

针对属性值为梯形模糊数的模糊多属性决策问题,给出一种基于信息熵的模糊多属性决策方法,并用实例进行检验.该方法利用信息熵求出各属性权重,利用简单加权法来计算方案的模糊效用值,根据梯形模糊数的期望值排序方法对方案进行排序和择优.用该方法选出的方案有效、可行而且计算简单,为解决模糊多属性决策问题提供了新途径.     

基于粗糙集的实属性值约简算法

在A.Skowron关于属性值约简研究的基础上,给出截断点集的逻辑抽取方法,并基于复杂度的考虑提出一种改进的启发式算法,使属性的值集规模有实质性的约简.     

基于区间值毕达哥拉斯模糊数的多属性决策方法

针对决策信息为区间值毕达哥拉斯模糊数(IVPFN)的多属性决策问题,提出了一种基于区间值毕达哥拉斯模糊交叉熵的多属性决策方法。首先,将交叉熵的概念引入到区间值毕达哥拉斯模糊集(IVPFS)中,定义了一种新的区间值毕达哥拉斯模糊集(IVPFS)交叉熵测度,并以此来刻画两个区间值毕达哥拉斯模糊集之间的差异程度;其次根据每个区间值毕达哥拉斯模糊数(IVPFN)的得分函数,确定区间值毕达哥拉斯环境下的正、负理想解;再次在TOPSIS原理基础上,根据每个方案与正、负理想解之间的相对贴近度来获取最佳方案;最后通过一个实例对文中所提出的方法进行验证,表明了该方法的可行性与合理性。     

复合材料许用值试验数据处理方法

基于现有文献资料中对于复合材料许用值试验数据统计方法的总结,论述了复合材料许用值试验数据处理方法,包括正则化要求,异常数据的处理以及B基准统计方法,并对B基准统计过程中的批间差异检验、方差等同性检验和正态分布检验的工程判断进行了详细的介绍。重点阐述了合并法、单点法、小样本方法和最小批次B基准值方法的使用方法与限制条件,提出了B基准统计方法的选择流程。在B基准统计过程中,提出了采用修改离散系数方法补偿过低的变异性,以提高通过批间变异性和方差等同性检验的机率,并得到保守的复合材料许用值。采用所述方法对2组复合材料许用值试验数据进行了B基准值计算,结果表明：合并法与单点法得到的B基准值比较稳定且差异较小;小样本统计方法得到相对保守的B基准值,但是与母体的B基准值十分接近;最小批次B基准值方法得到的B基准值不一定保守,得到的B基准值不够稳定,需补充试验数据以得到用于设计和强度分析的许用值。     

面向中文网络百科的属性和属性值抽取

针对面向中文网络百科条目文章的属性和属性值抽取, 提出一种无监督方法。此方法将属性值看做命名实体, 利用频繁模式挖掘和关联分析, 从文本中抽取类别属性; 采用自扩展方法为属性建立触发词表; 基于属性触发词和属性值实体标注挖掘属性值抽取模式, 利用层次聚类算法获取高质量的模式。在互动百科中采集的数据集上进行实验, 结果表明所提方法行之有效。     

基于信息熵和偏差的加权概念格内涵权值获取

为有效反映数据本身隐含的客观信息,快速提取用户需求的具有一定偏差程度的重要知识,提出了一种基于信息熵和偏差分析的加权概念格的内涵权值获取方法.在缺乏先验知识时,由数据集中属性特征的信息熵来刻画加权概念格的单属性内涵权值,采用均值计算多属性内涵权值,并用标准差计算多属性内涵重要性偏差值;由用户设立加权概念格内涵的重要性阈值和内涵重要性偏差阈值,构造出一种强加权概念格.通过实例描述了该方法可有效指导正确决策,进一步拓广了概念格的理论与应用.     

一种改进的基于粗糙集的启发式值约简算法

在求得决策表中属性值核的基础上,用属性重要度指导增加后续属性值,还引入包含度和支持度统计度量,生成了不同置信度水平下的决策规则集,并设计了基于规则集的分类算法。对Monk数据集的对比实验表明,该算法是有效的。     

对方案有偏好的基于期望值的多属性决策法

目的研究权重信息完全未知情形下的模糊多属性决策问题。方法通过引入基于负理想点下和基于正理想点下的期望值决策矩阵概念，结合决策者的偏好信息，对方案进行排序。结果算例表明所给出的算法是有效的。结论对于属性值以区间数的形式给出，而对方案的偏好信息以三角模糊数的形式给出的多属性决策问题，该方法是有效的。