基于决策属性支持度的知识约简方法

提出了一种基于决策属性支持度的属性相对约简算法·该算法利用粗糙集理论分析的方法,通过在知识表达系统中引入决策属性支持度的概念,来描述由条件属性所提供的知识对整体决策的支持程度,并通过决策属性支持度定义了条件属性对决策属性的相对重要性,以此作为启发式信息,可以方便地求出相对核·再以相对核作为求解最小相对约简的起点,按重要性的不同逐次选择重要属性添加到相对核中,直至其支持度达到整体条件属性支持度时为止,此时即得到知识库的最小约简·通过实例分析证明,该方法是有效的·     

基于联合信息熵和粗糙集理论的关联知识发现

研究了基于联合熵和粗糙集理论的关联规则挖掘算法,改进了基于粗糙集的属性离散化方法—连续属性联合熵差离散化算法;以联合信息熵作为属性约简的标准,提出了基于联合熵的知识约简算法;并给出了以支持度、兴趣度和准确度为阈值的有效关联规则算法.     

基于粗糙集的模糊模型辨识方法

提出了一种基于粗糙数据分析的模糊模型辨识方法·二值化数据过滤和决策表的简约算法是该方法的两个关键点·通过将传统的决策表转化成二进制决策表,并采用二值化数据过滤技术,可以同时简化决策表的属性和属性值·通过决策表的简约算法,从决策表中提取出重要的属性和关键的属性值,从而得到了输入空间的模糊最优化分,进一步得到模糊模型的前提结构和参数·利用这种方法以一组经典数据为背景建立了岩石边坡工程中边坡稳定性分析的模糊模型,仿真结果说明了该方法的有效性     

带有Fuzzy偏好关系的多属性决策方法

带有方案偏好信息的多属性决策问题是多属性决策分析中一类常见的问题·根据决策者给出关于方案的Ｆｕｚｚｙ偏好关系,提出了一种新的多属性决策方法·该方法是通过建立一个线性目标规划模型来确定属性的权重向量,使最终决策方案的排序结果最大程度地反映决策者的偏好·最后给出了一个算例·带有Fuzzy偏好关系的多属性决策方法@樊治平@肖四汉     

基于灰色关联分析的犹豫模糊多属性决策研究

针对属性值为犹豫模糊元的决策问题,提出一种基于灰色关联分析的多属性决策方法.首先,依据犹豫模糊的交叉熵得到属性模糊熵矩阵,从而确定属性的权重,并采用灰色关联度模型对决策属性间的相互关联度进行分析,得到属性间的灰色关联矩阵;采用最小关联度原则将矩阵标准化,得到有效的无关联矩阵,然后对属性权重进行调整,得到更合理的属性权重分配;最后,基于灰色关联分析得到各方案与理想方案的关联度,与权重相乘得到方案的排序,并通过算例分析表明该方法的有效性.     

基于D数理论的不确定多属性决策方法

针对不确定多属性决策过程中信息缺失且关联时难以决策的问题,提出了一种基于D数理论的计算方法.该方法通过属性权重值的大小来决定D数融合顺序,如果权重值相等,则按照D数客观评估值大小顺序融合.该方法结合D数理论可实现属性信息缺失与关联时的不确定信息下的多属性决策,最后通过汽车引擎选择实例验证了该方法的有效性与可行性.     

图像阈值化技术的综述、分类及评价

对图像阈值化方法进行了综述,并对其性能进行了评价和比较·在全面比较和分析的基础上,对其进行综合分类,找出它们的差别和相似之处,归纳总结了阈值化技术的五个分类,它们分别是:基于聚类的方法、基于直方图的方法、基于熵的方法、基于空间方法和基于局部自适应方法·     

带有Fuzzy偏好关系的多属性决策方法

针对多属性决策分析中决策者给出关于方案的Fuzzy偏好关系,提出了一种新的多属性决策方法·该方法是通过建立一个线性目标规划模型来确定属性的权重向量并相应地进行方案的排序,得到的方案排序结果体现了决策者给出的方案偏好信息与决策矩阵的集成,并最大程度地反映了决策者的偏好·最后给出了一个算例·     

基于聚类思想的加权条件熵及属性约简

通过聚类分析的方法得到信息粒与对象权重的确定方法,同时将对象权重与熵理论知识相结合定义了一种加权条件熵.最后基于新定义的加权条件熵得到一种改进的属性重要度确定方法和相应的属性约简算法,并且用UCI中的几组数据集验证了该算法的可行性和合理性.     

一种基于条件熵的粗糙集连续属性离散化方法

连续属性离散化是粗糙集应用研究的重点内容之一.基于条件熵可以反应属性依赖度的性质,将决策属性对条件属性的条件熵作为离散化标准,提出了一种粗糙集连续属性离散化方法,并通过实例证明了该方法的正确性.     

考虑价格因素的 并行模糊多准则时 变权重云服务决策

网络中云服务存储量的几何式快速增长使得云服务决策越加困难,为满足用户特殊需要并提供充足的决策依据,提出并行TOPSIS时变权重模糊云服务多准则决策算法.在并行TOPSIS改进中采用熵权重赋值形式赋予云服务相应的准则权重,使得权重的选择变得简单易行,并由此发展出时变权重提出改进TOPSIS评估机制,使用时变权重能够更好的对不同时间段的云服务质量（QoS）信息进行重要性区分,使得决策机制更加合理可信.然后基于分时模糊TOPSIS多准则决策机制,设计云服务选择的并行化融合决策框架,使得算法更趋近于工程应用.仿真结果显示,所提云服务决策算法可更有效的对QoS信息影响进行抑制,从而有效提高云服务调用的成功率.     

融合启发式搜索的改进极快决策树算法在多规格货物智能混合装载中的应用

针对多规格货物装载效率较低问题,提出了一种融合启发式搜索的改进极快决策树智能装箱算法,该算法首先计算并择优选取样本信息熵,然后构建生成货物装箱决策树模型,最后基于启发式搜索方法对货物装载后的剩余空间进行合并再利用。通过保证决策树每个节点装入货物体积最大,对待装货物进行快速决策。最后,基于七组异构性逐渐增强的货物数据对算法进行仿真实验,结果表明：本算法在保证较高集装箱利用率的情况下实现了快速装箱。     

基于熵理论的质量问题追溯

质量是企业的命脉,而质量问题追溯是质量管理的重要环节;在质量追溯实际操作过程中存在信息源繁多,信息处理量巨大的问题,使得决策难度很大。文章通过熵融合模型来对烦琐的信息源进行筛选,选择最小条件熵,找出最佳信息源组合,并进行决策;在此基础上提出熵调准聚合算法,简化计算的复杂性。     

基于威胁博弈理论的决策级融合模型

针对多传感器信息融合系统中普遍存在的冲突信息环境下的融合系统决策问题,提出了一种新的基于威胁博弈的决策级信息融合模型·该模型将冲突环境下的融合过程视为局部决策空间、策略空间和全局决策空间上的变换过程,并以此构建融合中心的一种结构模型·在融合算法的研究中,以威胁博弈的算法实现融合中心的多传感器交互决策·在应用中将该模型用于丰满水电仿真系统调速器PID模型的参数在线调整·经现场应用表明,该模型可以有效地解决原PID模型参数整定困难而导致的系统转速和频率振荡等问题·     

基于证据理论的信息融合储层损害诊断技术研究

在分析了储层损害多源信息的特征后,构造了基于决策层融合与证据理论、针对储层损害诊断识别的信息融合数学模型,给出了决策层融合的实现算法。通过对储层水敏损害程度的诊断识别,融合模型从多方面将反映储层损害类型的多源信息进行综合分析和决策融合处理,系统地对储层损害类型进行了识别和特征判断,有效地提高了储层损害诊断的准确性和可靠性。     

D-S证据理论在组合导航中的决策判断

在组合导航融合算法中引入证据理论对导航信息进行决策应用,推导出2个传感器信息融合后的结论,并且通过仿真实验得出计算结果。证据理论判断公式在处理具有证据冲突的相关信息时引入不确定熵的概念。证据理论算法通过不确定熵在加权合成算法和乘权合成算法之间作适度的折中判断。这种改进的证据理论方法可以分析组合导航信息融合算法中存在的问题,并给出最后的决策执行命令。     

基于多特征融合的遥感图像河流目标检测算法

针对近似河流无法准确检测出来的问题,提出了一种基于多特征融合的遥感图像河流目标检测算法.首先根据提取样本图像的局部熵、纹理和角点信息特征构建了有效区分河流区域和背景区域的特征向量,利用支持向量机进行训练获得决策函数,通过决策函数判断测试图像的河流区域,完成河流区域的粗检测;然后结合粗检测的结果,应用测地线活动轮廓模型提取完整准确的河流区域.实验结果证明该算法对河流目标定位准确,获得的河流检测结果具有良好的连通性,可以准确地检测复杂背景下的河流区域.     

Pythagorean犹豫模糊熵及其多属性群决策方法

针对模糊信息下的群决策问题,提出了一种基于Pythagorean犹豫模糊熵的多属性群决策方法;给出了Pythagorean犹豫模糊熵的公理化定义及计算公式;为克服传统Pythagorean犹豫模糊集规范化方法导致原始决策信息流失的不足,完善了基于Pythagorean犹豫模糊环境下的最小公倍数扩充方法,方法能有效地保持原始决策信息;又以Pythagorean犹豫模糊熵作为决策信息差异程度的度量,给出属性权重完全未知或部分已知情况下权重的确定方法,并定义了基于最小公倍数的Pythagorean犹豫模糊距离测度和Pythagorean犹豫模糊熵测度;构造了一种基于Pythagorean犹豫模糊熵的TOPSIS方法,并通过精准扶贫补贴项目案例说明了方法的可行性和有效性.     

一种新的基于决策熵的决策表约简方法

分析了在知识约简过程中经典粗糙集理论决策表知识约简方法的不足.以知识粗糙熵为基础,将一致和不一致对象分开,提出决策熵的概念及其属性重要性,在此基础上给出约简的判定定理;然后以条件属性子集的决策熵来度量其对决策分类的重要性,提出一种新的知识约简启发式方法.理论分析和实验结果表明,基于决策熵的属性重要性是一种更有效的启发式信息,该方法时间复杂度较低,有助于搜索最小或次优约简.     

基于PCNN的RLNSW-NSCT卫星云图融合算法研究

提出了一种基于PCNN的RLNSW-NSCT卫星云图融合新方法。首先采用基于冗余提升不可分离小波的NSCT变换对卫星云图进行变换。对带通方向子带系数的融合设计了基于PCNN的融合规则,而低通子带系数的融合则采用基于图像区域信息熵的系数加权融合规则。为验证算法的有效性,对不同多尺度变换算法和不同融合规则分别进行了融合实验。结果表明该方法在较多地保留云图红外信息的同时,具有更好图像细节表达能力,融合云图的云层特征更为分明。