基于二元语义信息处理的软件质量综合评价方法

针对具有层次结构和语言评价信息的软件质量综合评价问题,提出了一种基于二元语义信息处理的综合评价方法。首先给出了一种软件质量评价指标体系,然后在简要介绍二元语义概念的基础上,给出了基于二元语义信息处理的软件质量综合评价方法的计算步骤,通过该方法可以得到以二元语义形式给出的软件质量综合评价值。最后通过一个算例说明了该评价方法的有效性。     

一种基于群体语言相似矩阵的聚类方法

针对多个专家给出语言相似矩阵的聚类分析问题，提出一种新的编网聚类分析方法。首先描述具有群体语言相似矩阵的聚类问题并介绍近年来国际上最新发展的二元语义概念及其算子；其次。基于二元语义信息处理的方法，将每个专家给出的语言相似矩阵转化为二元语义形式，再采用二元语义集结算子进行群的集结；然后依据传统的编网聚类方法的基本思路。给出基于群体语言相似矩阵的聚类分析方法的计算步骤。最后通过一个算例说明了本文给出的方法。     

基于二元语义的项目成功度群体综合评价方法

成功度评价是项目后评价中一种常用的定性综合评价方法.本文采用二元语义来对语言信息进行表示和运算,提出了一种对项目总成功度进行定量评价的方法.首先将专家给出的语言评价信息用二元语义的形式来表示,然后计算专家在各指标上的权重,建立基于最小二乘法的优化模型,对专家评价意见进行集结,得到各指标成功度和权重的群体评价结果.在此基础上,采用拓展的二元语义几何加权平均算子对群体评价信息进行集成,得到二元语义形式的项目成功度综合评价结果.本文提出的方法可有效避免语言评价信息集结和运算中出现的信息损失和扭曲,可以对项目的综合成功度等级作出精确的评定.最后给出了一个算例.     

考虑语义灰度的二元语义群决策方法

针对传统二元语义方法能较好地处理关于决策对象的语言评价信息,但无法反映决策者自身对决策对象信息掌握程度的情况,结合灰色系统中灰度的思想,提出了语义灰度的概念和度量方法,设计了考虑语义灰度的二元语义算子,构建了考虑语义灰度的二元语义群决策模型并给出求解方法。该方法利用决策者给出的信息,通过计算语义灰度调整群决策中决策者的权重,并依据综合灰度计算评价结果的可信度,提出基于二次函数对决策对象进行排序的方法。最后通过实例验证了该方法的实用性、合理性和有效性。     

一种基于三角模糊数多指标信息的聚类方法

针对一类特征指标值及指标权重均为三角模糊数的多指标信息聚类问题,提出了一种新的最大树聚类分析方法。首先对三角模糊数多指标信息聚类问题进行了描述;然后依据传统的基于数值信息的最大树模糊聚类分析方法的基本思路,给出了解决三角模糊数多指标信息聚类问题的计算步骤。最后,通过算例说明了本文给出的聚类方法。     

权重信息不完全的二元语义多属性群决策方法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于最大偏差和二元语义信息处理的群决策方法。该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算。对于属性权重完全未知或属性权重信息不完全的情形,分别给出了一个求解属性权重的简洁公式和一个基于最大偏差的目标规划模型,分别获得相应的属性权重,然后利用二元语义加权算术平均(T-WAA)算子,对二元语义决策信息进行加权集成,继而对决策方案进行排序和择优。该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失。最后给出了一个实例分析。结果表明该方法简单,有效和易于计算。     

基于二元语义多属性群决策的灰色关联分析法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于二元语义信息处理的群决策方法,该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算,它是依据传统灰色关联分析方法的基本思想,通过计算每个方案对正、负理想方案的语义灰色关联度,最终确定最优方案,使该方案对正理想方案具有最大的灰色关联度和对负理想方案具有最小的灰色关联度.该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失.最后给出了一个实例分析.结果表明方法简单、有效和易于计算.     

基于二元语义的八类偏好信息的群决策方法

利用模糊数与二元语义之间的转化方法,研究模糊互补判断矩阵与二元语义判断矩阵之间的内在联系,得到了模糊互补判断矩阵的二元语义转化方法保持原判断矩阵的互补性,满意、完全加性、乘性一致性和方案优先顺序等结论.扩展了该转化方法,给出了八类不同形式偏好信息的一致化和集结方法.最后,通过算例表明了该方法是有效的.     

信息不完全确定的群体多准则语言聚类方法

针对决策者权重和准则权重信息不完全确定,且评价信息为语言值的多准则聚类问题,提出了一种新的求解方法。首先通过证据推理算法,将方案集的群体多准则语言评价信息转化为方案集模式样本,该模式样本是决策者权重和准则权重的不确定信息的非线性函数,然后根据K-均值方法,利用惯性粒子群算子对模式样本集进行聚类,得到最优聚类中心和方案集的最优聚类。最后实例说明该方法的可行性和有效性。     

一种基于大规模标注语料库的词语聚类方法

提出了一种基于大规模标注语料库的词语聚类方法。文中根据专家群体对某一具体问题进行决策的需要，回顾了国内外几种基于分布的词语聚类方法，并给出我们的算法原理及实现步骤。首先人工抽取某一类词语中的几个，从语料库找到这些词的修饰词，组成修饰词向量，然后对于每一个词语，统计修饰词向量中的每个修饰词和该词语在语料库中同现的频率，组成特征向量，最后进行聚类分析，支持宏观经济决策的试验表明该算法能有效地实现词语的聚类。     

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。     

基于进化规划的FCMBP模糊聚类改进方法

分析了基于摄动的模糊聚类方法(fuzzyclustering method based on perturbation, FCMBP),指出指数复杂度的遍历过程是目前PC计算环境下难以处理十阶以上较高阶数模糊相似矩阵的原因.把寻求具有最小"失真"的最优模糊等价矩阵看作优化问题 来求解,提出了一种基于进化规划的FCMBP模糊聚类改进方法. 与FCMBP相比,该方法通过引入基于进化规划的优化技术避免了遍历过程,使其能够对高阶模糊相似矩阵进行处理. 得到的等价矩阵"失真"小于传递闭包法所得结果,从而获得更为精确可靠的聚类效果, 将FCMBP模糊聚类方法推广到能够处理高阶模糊相似矩阵的情形, 满足应用需要.     

Kernel method-based fuzzy clustering algorithm

1.INTRODUCTION Clusteranalysisdividesdataintoclustersinorderto facilitateunderstandingortofindstructurehiddenin dataset.Clusteringalgorithmspartitionasetofdata objectsintoclustersorclasses,wheresimilardataob jectsareassignedtothesameclusterwhereasdissimi lardataobjectsshouldbelongtodifferentclusters. SinceZadeh(1965)presentedthefuzzysettheory, thefuzzymethodisfirstlyintroducedinclustering problems,whichiscalledthefuzzyclusteringanaly sis.Fuzzyclusteringisawidelyappliedmethodfor acquiri…     

基于模糊C均值面板数据聚类的中国省域专利产出分析

本文首先对三维空间中面板数据的曲面几何特征进行了描述,并从"绝对数量"、"增长速度"、"几何相似性"和"空间绝对距离"等几个方面对曲面相似性指标进行了定义和构建,对模糊C均值聚类方法进行了优化.在此基础上,对2000-2010年中国31个省市专利产出活动的类型特征及其地域分异规律进行了探索.实证研究结果表明聚类效果良好,中国专利产出无论数量、绩效还是增速在总体上均呈上升趋势并存在空间异质性和自相关性.创新能力较强的省区虽集中在东部,但正在向中西部地区扩散.同时,创新总体上仍主要来自于政府推动尤其是研发资金投入,并且研发资源投入总量以及研发人员可支配资金的区域配置极不均衡.此外,财政拨款对于东、西部地区创新效率的作用也存在很大差异.因此,政府可根据区域研发能力和资源现状的不同,制定合理的区域科技发展战略与相关政策工具,从而挖掘区域创新动力,提升区域专利创新能力.     

基于模糊核聚类的SVM多类分类方法

针对SVM在大类别模式分类中存在的问题,提出了一种基于模糊核聚类的SVM多类分类方法,并给出了一种高效的半模糊核聚类算法。该方法基于模糊核聚类方法生成模糊类,并采用树结构将多个SVM组合起来实现多类分类。模糊核聚类方法不但能够实现更为准确的聚类,而且能够挖掘模糊类的外围、不同模糊类之间的交叠情况等信息,利用这些信息能有效提高分类器的性能。实验表明,所提方法比传统方法具有更高的速度和精度。     

Improved fuzzy identification method based on Hough transformation and fuzzy clustering

This paper presents an approach that is useful for the identification of a fuzzy model in SISO system. The initial values of cluster centers are identified by the Hough transformation, which considers the linearity and continuity of given input-output data, respectively. For the premise parts parameters identification, we use fuzzy-C-means clustering method. The consequent parameters are identified based on recursive least square. This method not only makes approximation more accurate, but also let computation be simpler and the procedure is realized more easily. Finally, it is shown that this method is useful for the identification of a fuzzy model by simulation.     

一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，基于传统的数值信息FCM(fuzzy c-means)聚类算法，提出了一种新的聚类分析算法．首先描述了具有区间数多指标信息的聚类分析问题，其次提出并证明了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理．然后根据提出的两个定理，进一步给出了基于区间数信息的FCM聚类算法的迭代步骤．最后，通过一个算例说明了给出的聚类算法．