模糊多属性决策方法及其在投资决策中的应用

根据模糊多属性决策基本原理，结合投资决策的特点，运用三角模糊数，提出一种模糊多属性决策方法，建立了决策模型。该模型具有良好的通用性和可操作性。     

基于不确定性多属性决策方法的网络论坛危机信息传播决策研究

摘要：
网络论坛危机信息传播决策作为应急管理的重要分支，其决策方法的研究具备重要的理论与现实价值.目前国内对于其决策方法的研究上缺乏有效的定量研究手段.提出了基于多属性不确定性决策的论坛危机信息传播决策的定量研究方法，并利用算例数据对于多决策者主体、决策属性权重完全未知的多属性研究算例进行了评估.研究结论表明本文的研究方法可以有效的作用于论坛危机信息传播的决策过程. 关键词：
网络论坛； 应急管理； 不确定多属性决策 中图分类号： G 206.3
文献标志码： A     

多属性决策方法在特种承载平台多样机竞标选型决策中的运用

论文提出利用多属性决策方法，可对特种承栽平台多样机竞标选型决策进行问题描述、评价数据预处理、评价属性加权和样机方案排序，从而以更加合理的备选方案评估结果，为决策人员最终择优选型提供辅助决策依据。论文分析了方案择优过程中多属性决策的适用算法和需要注意的事项，并强调定量方法应该也只能在充分的定性分析的前提之下。     

一种基于联系数的多属性混合决策模型研究

通过对定性指标和定量指标实现程度的联系数表示，建立了一种基于联系数的多属性混合决策模型，这种模型不仅可以用于方案是否被接受的决策，还可分辨被决策的方案在总体上处于何种水平。文中用一个多指标多属性混合决策的多方案排序问题说明这种模型的具体应用。     

多属性决策中一种模糊度量排序方法

针对多属性决策的排序问题,在模糊集的基础上重新建立了一种优势关系,定义了新的优势类,利用优势度及综合优势度,基于优势度的多属性决策方法,得到一种多属性决策排序的新方法.给出了此优势关系性质及此方法的可行性.具体实例的应用和验证表明该方法在多种条件下,对多属性排序具有适应性和方便应用的特点,丰富了多属性决策中的排序方法.     

一种求解MADM问题的模糊算法

提出了种解模糊算法，产针模糊数据转换成数值数据，以运用经典的多属性决策方法来解决模糊多属性决策问题，给出了模糊多属性决策问题的描述，算法的计算步骤和计算公式。本算法可使编程和数据处理更加容易，还给出了一个实际算例，。     

基于灰色关联度的混合型多属性决策问题

在包含精确数,区间数,模糊数的混合型多属性决策问题的基础上,研究了同时包含随机变量的混合型多属性决策,并提出用概率统计中的3σ原理对随机变量进行处理,给出了包含随机变量的混合型多属性决策的灰色关联度计算方法,一定程度上扩展了混合型多属性决策的使用范围,具有一定的科学性和实用性.     

具有多尺度决策的信息系统的最优全局剪枝选择

作为人工智能领域的一个重要方向，粒计算在数据挖掘和知识发现方面的研究呈现较大的优势.针对具有多尺度决策的信息系统的知识获取问题，利用粒度树与剪枝来研究具有多尺度决策的信息系统的最优尺度选择问题.首先介绍了粒度树与剪枝的概念，每个属性和决策都有一个粒度树，每个粒度树都有许多不同的局部剪枝，代表特定属性下的尺度选择.不同属性和决策的一个局部剪枝组合形成全局剪枝，从而产生一个混合尺度决策表.其次，给出具有多尺度决策的信息系统基于粒度树与剪枝的最优全局剪枝选择的概念.最后将全局剪枝选择与最优尺度选择进行比较研究，还设计了一个算法来验证该方法的有效性.     

基于分辨矩阵与层次分析法的组合属性权重决策方法

针对基于粗糙集理论与层次分析法结合的决策方法在某些决策表中会出现非核属性权重为0,导致决策精度下降等问题，以属性分辨对象的次数及占比为依据，给出了一种分辨矩阵的属性重要度定义方法，进而提出了分辨矩阵与层次分析法相结合的属性权重决策方法，其不仅避免了非核属性权重为0,而且突出了核属性分辨对象的能力，客观反映了各属性在决策时所起的作用.实例表明组合权重法得到的决策结果更为合理，提高了决策的准确性.     

一种求解MADM问题的模糊算法

提出一种解模糊算法，将模糊数据转换成数值数据，以运用经典的多属性决策方法来解决模糊多属性决策问题.给出了模糊多属性决策问题的描述、算法的计算步骤和计算公式.本算法可使编程和数据处理更加容易.还给出了一个实际算例.     

基于ROUGH集的决策树测试属性选择方法

测试属性的选择直接影响到决策树中结点的个数甚至是深度,因此如何选择测试属性是研究的一个热点。本文主要介绍了粗集理论的方法。通过比较我们会发现,在单变量决策树的构造上,粗集理论中属性重要性的方法计算量较小,而多变量决策树充分考虑了条件属性间的相关性,因此通过求解信息系统的相对核从而减少决策树结点的个数。     

一种新型决策树属性选择标准

讨论传统决策树算法中三种常用的基于熵的属性选择标准，提出一种基于属性重要性排序的建立决策树的新方法。该方法在决策树的每个内结点首先依据属性重要性将属性进行排序，然后选择最重要的属性作为分类属性生成决策树，并抽取出规则。与传统的决策树数据分类方法相比，此方法可有效地选择出对于分类最重要的分类属性，增强决策树的抗干扰能力，并提高规则的预测精度。     

自动生成决策树的通用算法模板

目的 提供自动生成决策树的通用算法模板,从而使算法的设计能够快速验证为解决特定决策问题而设计的新算法。方法 提供智能编辑器供算法设计定义自己的公式,并利用该公式或内置算示来初始化通用算法模板,从而实现连续属性的离散化、采用基于概率分布的方法处理未知属性和噪声数据,利用预剪枝和后剪枝算法进行剪枝。结果与结论 用户能够利用该模板,在系统提供的交互式图形环境中,针对不同的决策问题测试决策树生成算法。     

一致完备决策系统中属性重要性定义的改进

在一致完备决策表中利用代数(信息熵)定义比较属性之间的重要性时往往会得到一些与实际不相吻合的结论,这种问题产生的主要根源是其定义本身的不完善所造成的.该文从产生问题的根源出发,从约简的角度重新定义了决策表中的各个属性(属性子集)的重要性,同时还给出了体现2个不同属性之间相互关系的相关系数的定义.最后通过对2个不同的例子来说明新定义的重要性比代数(信息熵)定义更具有合理性.     

一种分类挖掘算法及其应用

提出一种增量式混合型分类挖掘算法,将基于概率论的符号学习与神经网络学习相结合,能够对既包含离散属性又包含连续属性的多个概念进行有效的分类处理,且具有较强的增量挖掘能力。该算法在法院决策支持系统中得到了运用,取得了较好的效果。     

基于交互信息的连续值属性决策树学习算法

Fayyad连续值属性决策树学习算法使用信息熵的下降速度作为选取扩展属性标准的启发式,本文针对其易选取重复的条件属性等不足之处,引入属性间的交互信息,提出了一种改进算法--基于交互信息的连续值属性决策树学习算法,它的核心是使用信息熵和交互信息的下降速度作为选取扩展属性标准的启发式.实验结果表明,与Fayyad决策树学习算法相比,该算法降低了决策树中同一扩展属性的重复选取率,实现了信息熵的真正减少,提高了训练精度和测试精度,能构造出更优的决策树.     

多属性决策中属性值大小对其权重的影响

研究属性值大小对其属性权重的影响. 在常用权重分配方法的基础上,通过引入模糊集合的方法,提出了适合该情况下的属性分配方法.实例研究结果表明,考虑属性值大小的决策方法比传统的决策方法更为合理.     

多支持度关联规则在库存管理中的应用

传统库存管理方法只考虑产品自身特点,按产品的某种属性进行分类,然后分类管理.然而,产品的库存重要程度不仅取决于产品自身的特点,同时还应考虑其他产品的关联影响.可以采用多支持度的关联规则模型来发现这种产品间的关联模式.在规则生成过程中结合“ABC”分类法,并且为了简化规则的生成过程,定义了基于约束的规则生成法.利用这种方法形成“A”类产品相关的关联规则,辅助制定库存管理决策.     

一种基于连续属性离散化的知识分类方法

提出一种基于连续属性离散化的知识分类方法.将条件属性按照重要度由高到低排序,并依照此排序将决策表中各条件属性依次离散化.在对决策表中条件属性的离散化过程中充分考虑已离散化的条件属性及决策属性,离散后的决策表不需要进一步约简.使用了模拟数据和UCI机器学习数据集中的数据进行算法测试,而且与其他离散化算法进行了对比,结果充分证明了新方法的有效性.     

一种面向噪声数据的决策树优化算法研究

针对ID3算法构造的决策树结构复杂、对噪声数据比较敏感等局限性,提出一种新的面向噪声数据的决策树构造算法。算法借鉴变精度粗糙集和尺度函数概念,采用不同尺度下近似分类精度选择测试属性构造决策树,在算法形成过程中利用决策规则的可信度对决策树进行修剪,避免了生成的决策树过于庞大。结果表明,该方法是有效的,能够克服部分噪声数据对决策树的影响,且能满足不同用户对决策精度的要求。