基于灰色关联度的改进TOPSIS模型在水质评价中的应用

将欧几里得距离分析法、灰色关联度嵌入到TOPSIS模型中,建立基于灰色关联度的改进TOPSIS模型,提出一种新的相对贴近度改进算法,不仅能反映方案与理想解距离上的接近程度而且还考虑形状上的相似关系;同时采用组合赋权法计算评价指标的权重,克服了主、客观单独赋权的不足.将建立的改进TOPSIS模型应用到黄河下游水质综合评价中,结果表明该模型具有良好的实用性和有效性.     

基于组合赋权-VIKOR法的山区施工便道方案优选模型

为对山岭地区施工便道方案进行客观、全面、精准评价,结合行业设计规范和相关研究成果,构建山区施工便道方案指标评价体系,提出一种山区施工便道方案优选模型。该模型采用三标度层次分析法和熵权法分别计算评价指标的主、客观权重,基于博弈论思想对主、客观权重进行赋权确定综合权重,并运用VIKOR法(多准则妥协解排序法)对山区施工便道方案进行优选。以某高速公路山区施工便道方案比选为工程实例,针对4种施工便道方案进行综合比选,并将本文模型与加权TOPSIS法(优劣解距离法)、灰色加权关联分析法进行对比分析。研究结果表明：3种计算模型得出的最优方案一致,组合赋权的方法克服了单一赋权的缺陷,使指标评价更客观。相比于加权TOPSIS法和灰色加权关联分析法,本文模型能抵御外部因素的干扰,明显地辨别方案之间的差距,得到准确清晰的方案排序,且当评价方案众多时,本文模型能够提供更多方案选择,得到最优化方案。     

基于熵权法的小样本灰色置信区间估计

针对小样本数据的灰色点估计和灰色区间估计问题,将样本误差均值、样本误差标准差引入到灰色距离测度中,改进了已有灰色估计算法.在对小样本数据进行密集扩充过程中,可以提高灰色估计的区分度.该算法利用数据本身分布特点,设计了数据间的灰色距离矩阵,提出了基于熵权法的灰色点估计权重计算方法.最后结合小样本数据进行了参数估计的仿真实例验证,在对小样本数据进行Bootstrap重抽样法作用下进行了不同灰色点估计和区间估计的比较,突出了所提算法的有效性,验证了理论分析结果的正确性.     

一种多粒度语言的多属性群决策方法

针对多粒度语言的多属性群决策问题,文章提出了一种基于二元语义及改进多准则妥协解排序(VIKOR)的群决策方法。首先将不同粒度语言的偏好信息一致化为由基本语言评价集表示的相同粒度二元语义信息;在专家属性未知且方案属性不完全的情形下,分别运用有序加权平均算子(2-tuple ordered weighted averaging,T-OWA)与相对熵从客观角度计算权重;为进一步挖掘决策数据的内在规律,引入灰色关联系数改进评判矩阵,结合该矩阵利用VIKOR方法刻画最优方案。算例结果验证了该方法的有效性和可行性。     

基于SEM赋权与灰色关联理论的深基坑支护方案优选

科学合理地选择基坑支护方案是工程安全实施的基础。考虑深基坑实际情况及其灰色关联性,建立基于SEM赋权与灰色关联理论的深基坑支护方案优选决策模型。首先,将深基坑支护方案优选指标分为环境、方案技术、施工、工程造价4个一级指标和其余14个二级指标,运用结构方程模型验证方案优选评价指标体系有效性并确定指标权重;再利用灰色关联理论模型进行深基坑支护方案优选,最后结合工程实例进行验证。结果表明:运用SEM赋权与灰色关联理论模型优选得出的方案,与工程实际采取方案一致。表明了该模型具有一定实际应用价值,为相关工程提供借鉴参考。     

大型水电工程土石方调配系统分析及其优化调配模型

在分析了众多大型水电工程建设中土石方调配平衡问题的基础上，利用系统的观点分析了土石方调配系统的系统组成，系统各要素之间的相互关系，建立了系统的线性规划优化模型，并在实践中检验模型计算结果，表明该模型经济可行。     

基于灰色关联-改进TOPSIS法的EPC项目承包商优选研究

随着EPC承包模式的推广,为了选择最符合要求的EPC工程项目承包商的,提出了基于C-OWA算子赋权灰色关联-改进TOPSIS的EPC总承包商优选方法.通过分析相关文献的基础上,构建了EPC工程项目承包商的综合评价体系,用C-OWA算子进行赋权,确定各指标权重,并将灰色关联和改进的TOPSIS模型相结合,计算各承包商与正负理想解之间的相对贴近度,对招标的承包商进行排序及择优选择.通过实际工程验证,证明了该模型的可行性、适用性,研究结果表明,基于C-OWA算子赋权灰色关联-改进TOPSIS法能达到对EPC工程项目的优选的目的.     

基坑支护方案灰色多目标决策优选模型的建立与应用

针对基坑支护方案影响因素的信息不完全性、模糊性以及影响因素与评价指标之间灰色关联性特点,综合应用灰色系统理论和多目标决策理论,以及无限方案多目标决策方法,确定有限方案多目标决策权系数的客观赋权法,建立基坑支护方案的灰色多目标决策优选模型.结合工程实例,对3种不同基坑支护方案进行优选.研究结果表明:拱型水泥土加刚架式钻孔桩空间组合支护方案为最优方案,实际工程采纳及实施效果良好;该决策模型科学、实用,可避免指标权重确定的主观随意性,可为类似工程提供参考.     

基于组合加权的灰色聚类方法研究

利用方差最大化原理,结合灰色理论提出了一种基于指标白化权函数值的方差最大化的灰色聚类指标客观权重确定方法,反映了指标信息的重要性由聚类指标的差异程度体现.综合主观权重确定的最小平方法,建立了基于线性组合赋权模型,并通过实例对模型进行求解,验证了该模型的客观性与有效性.     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络 的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数, 并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该 方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的 灰色神经网络等方法.     

基于双重选举机制的无线传感器网络分簇算法

为了高效地利用无线传感器网络的能量,提出一种基于双重选举机制的分簇算法(DSMCA).DSMCA有效地结合了投票选举机制和定时驱动机制.在投票过程中,节点给每个比自己剩余能量大的邻居节点投票,所投票数取决于邻居节点的多属性综合评价值,其中属性权重系数的确定采用熵权系数法.投票结束后,节点利用一个转换函数将所得票数转换为...     

对称加权算法对数据矩阵补全的优化研究

数据分析中存在数据集矩阵缺失,可用数据矩阵补全缺失数据元素,高效的补全数据矩阵算法可从算法精度等方面优化提升.为此提出对称加权(SW)算法,首先,根据通用的矩阵补全模型,用正则化方法进行低秩矩阵分解补全;其次,对分解后的矩阵因子用共同的对称矩阵加权,得到新的矩阵补全模型和正则化加权函数;最后,结合块坐标下降和交替最小二乘法优化算法,迭代得到目标函数最优解,获得数据补全的最优补全矩阵.仿真结果表明,与APALM,IRSVF和IRNN算法相比,对称加权算法在数据矩阵补全的精度和算法收敛速度方面均有较好提升.     

改进加权矩阵的双图像可逆数据隐藏算法

针对插值灰度图像嵌入容量有限和视觉质量较差的问题,提出了改进加权矩阵的双图像可逆数据隐藏算法,通过仅增加或减少载体图像的插值像素来嵌入多个机密数据位,进一步提高图像嵌入容量和视觉质量。该算法通过插值放大原始图像的大小生成载体图像,使用具有相同大小的共享预定义加权矩阵对原始像素块进行逐项相乘模和,将机密信息根据块的数量交替地嵌入2幅图像中,在每次迭代前,使用共享密钥修改加权矩阵以保护隐藏信息,加权矩阵有助于在较小失真的情况下嵌入更多的数据位,有效实现了安全性和嵌入容量。实验结果表明,该算法可以抵抗剪切、噪声、不透明修改等隐写攻击。相对于其他方法,该算法在嵌入容量和PSNR方面都有明显的提高。     

多方面属性归一化三维张量模型在区域旅游酒店的推荐应用

为游客个性化推荐理想酒店是旅游质量得以保障的手段之一。首先运用形式化方法将游客、酒店以及游客对酒店的评分从多方面属性综合进行量化与归ー化,得到归一化的酒店因子、游客因子和评分因子;然后,采用一种有偏加权函数计算出一种有偏推荐度,与酒店、游客和评分等因子一起构建了一种以"酒店辟客4平分荐度"四元关系的三维张量模型,有偏推荐度作为张量元素值;最后,采用基于Tucker分解法的算法实现了在高度稀疏的四元关系数据集上按游客分类的有偏性旅游酒店推荐。实验结果表明,采用三维张量模型及算法能实现对高度稀疏的区域旅游酒店数据进行精准旅游酒店推荐,为游客根据个人偏好获得个性化的酒店推荐找出了一种新的方法,有效提高了旅游质量。     

基于两阶段的物流系统综合评价DEA/AHP法

物流系统具有多个属性指标 ,对物流系统进行综合评价 ,往往要求事先设定这些属性的权重。为了减少人为因素的主观影响 ,提高评价的客观性 ,在构建物流系统评价指标体系的基础上 ,将DEA和 AHP算法融合 ,建立两阶段评估模型。第一阶段计算两两实体构成的输入输出系统有效系数 ;第二阶段对这些有效系数构成的 AHP判断矩阵 ,计算各个实体的全排序值。这种综合评价方法充分利用了 AHP方法和 DEA方法的优点 ,避免了人为设定 AHP判断矩阵的主观性和随意性 ,DEA不能在一个尺度上全排序的缺点 ,最后设计了一个算例 ,验证了评价方法的可行性和一致性。     

基于前景理论和VIKOR法的空战威胁评估

针对当前空战威胁评估中未考虑决策者的认知局限、决策偏好难以确定,以及没有综合考虑个体遗憾和群体价值的问题,构建基于三参考点的前景理论和多准则折衷排序法的威胁评估模型。首先,根据待评方案之间的独立性,建立前景价值最大化规划模型,计算指标权重,避免主观赋权法带来的不确定性;为了克服单纯采用指标平均值参考点带来的信息丢失和结果分辨率下降的问题,借鉴逼近理想解排序法,引入正负理想点作为参考点,采用模糊分析法确定决策者对不同参考点的偏好权重;最后为了平衡群体价值和个体遗憾,反映决策者主观偏好,结合前景价值,采用VIKOR法对目标进行威胁排序。威胁评估算例仿真验证了方法的可行性和有效性。     

基于特征向量的线性约束最小方差自适应方向图控制

针对自适应波束形成中副瓣电平较高的问题,该文提出一种基于特征向量的线性约束最小方差(E-LCMV)自适应方向图控制算法。该算法通过对输入数据协方差矩阵进行特征分解,得到干扰子空间与噪声子空间,利用子空间之间的正交性,在静态加权矢量中修正约束矩阵和约束响应矢量,可在小快拍数条件下有效地抑制干扰,并同时保持静态方向图的副瓣特征。计算机仿真结果表明该算法具有良好的副瓣特性,并提高了低快拍数下输出的信干噪比(SINR),验证了该算法的有效性和优越性。     

基于多维缩放和KICIC的电力负荷聚类

电力负荷曲线聚类在电力大数据研究中有重要的应用。针对传统负荷聚类方法难以有效处理海量化的高维负荷数据,以及存在簇间样本模糊导致算法聚类质量不高、聚类效率低下等问题,提出一种结合多维缩放(multi-dimensional scaling, MDS)和一种新的集成簇间、簇内欧式距离的加权K-means方法(weighting k-means clustering approach by integrating intra-cluster and inter-cluster distances, KICIC)的聚类算法(MDS-KICIC)。该方法首先采用MDS算法对高维负荷数据进行数据降维处理,得到降维后的低维矩阵和归一化的特征值向量作为KICIC算法的输入矩阵和权重向量,KICIC通过在子空间内最大化簇中心与其他簇数据对象的距离来融合簇内和簇间的距离进行聚类,得到最终聚类结果。通过算例表明该方法运算时间短、聚类质量高,进一步提高了负荷曲线的聚类性能。     

基于时间窗口权值的数据流分类算法

针对不同时间段的数据流对当前数据流分类影响程度不同,在滑动窗口技术基础上提出了时间窗口权值的频繁模式(TWWFP)分类算法.首先,对滑动窗口中的每个基本窗口赋予一个与时间有关的窗口权值;然后,采用TWWFP-Tree结构存储当前滑动窗口中每个基本窗口中的频繁数据属性,实时更新TWWFP-Tree结构;最后,检测相邻3个滑动窗口中权值属性的平均分类误差,发现突变后及时减少下一个滑动窗口的长度可适应数据流的变化.实验证明该分类算法比没有时间窗口权值分类算法的精确度最大提高3%.     

基于遗传算法的组合评价模型

基于主观赋权法和客观赋权法有各自的优点和缺点,文章提出一种基于遗传算法的组合评价模型,通过该模型将多种评价方法进行组合,并利用遗传算法优化各评价方法的权重,根据评价指标函数值评价出各样本的优劣。评价实例的对比分析说明,该组合评价模型的评价结果更符合实际。