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。     

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。     

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.     

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。     

基于不同粒度语言判断矩阵的群决策方法

针对具有不同粒度语言判断矩阵形式偏好信息的群决策问题,提出了一种基于二元语义信息处理的群集结与方案优选方法.在该方法中,首先给出了不同粒度语言判断矩阵一致化为由基本语言评价集表示的二元语义形式的方法;然后基于二元语义的T-OWA算子,将各决策者给出的偏好信息集结为群的偏好并进行方案的优选.最后给出了一个算例.     

具有语言评价信息的指派问题的求解方法

针对解决具有语言评价信息的多目标指派问题，提出了一种新的求解方法．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．首先，将专家给出的具有语言评价信息的效率矩阵转化为二元语义形式，然后采用二元语义集结算子计算得到综合效率矩阵，通过建立指派问题数学模型并根据二元语义自身特点借助传统指派问题的求解方法得到最优解．该方法具有计算简单和语言信息处理结果准确等特点．最后给出了一个算例．     

不完全指标权重信息下的语言多指标决策方法

研究了不完全指标权重信息下且指标值为语言评价信息的多指标决策问题,给出了一种基于二元语义信息处理和TOPSIS的决策分析方法.首先将规范化的语言评价信息转化为二元语义形式,然后应用TOPSIS方法和二元语义集成算子建立并求解线性规划模型,得到未知的指标权重值,再通过二元语义加权平均算子计算得到各方案的综合评价值.最后通过算例说明了该方法的有效性和实用性.     

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。     

农产品质量安全中的感官质量评价和聚类分析

针对农产品质量安全中的感官质量评价和分析问题,提出了一种基于语言信息和面板数据相结合的感官质量评价和聚类分析方法。首先将语言评价信息转换成二元语义,再对面板数据信息进行加权集结,得到综合评价结果,在此基础上进行样本和指标凝聚分层聚类分析。以山东省12个备案蔬菜种植基地的GAP推广为例进行了实证分析。研究表明以上方法可以针对农产品质量安全管理的特点,有效地将语言评价信息进行集结和利用,避免信息损失。该方法将促进良好农业规范GAP标准的推广和应用,实现农产品安全管理的目标。图2,表1,参15。     

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。     

基于区间二型模糊集的模糊等价关系聚类分析

传统聚类算法在解决含有不确定性的聚类问题时具有很大的局限性,为了更好地解决聚类问题中的不确定性,论文基于区间二型模糊集理论,提出了基于二型模糊等价关系的聚类分析算法.论文首先将语言变量信息完整地转化为区间二型模糊集,接着把语言变量和区间二型模糊集的优势相结合,通过区间二型模糊集的Jaccard相似度,提出了基于区间二型模糊语言变量的模糊等价关系聚类分析新方法,并设计了具体的算法流程.新聚类算法相对于传统的模糊等价关系的聚类算法,具有更好地处理不确定性问题的能力,避免了聚类计算过程中的信息丢失.同时新聚类算法可以灵活给出随聚类相似性参数变化的动态聚类结果.论文最后以电商平台的手机品牌聚类为例,验证了新算法的可行性和合理性.     

基于核主元聚类的股票分类

为了正确区分不同的股票类别, 降低分类的复杂度,论文结合核主元分析和K均值聚类构造核主元聚类方法对上市公司股票进行了分类处理.在核主元聚类方法中, 首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,再利用K均值聚类方法对降维后数据进行聚类,并最终得到不同的股票分类情况.选择了沪深股市中20支上市公司股票来进行实证分析.实证结果表明：核主元聚类方法取得了较好的分类结果,为上市公司股票分类和评估提供了很好的依据, 具有较好的适用性.     

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．     

一种基于群体语言判断矩阵的群决策问题的二元语义解法

针对群决策中专家给出的关于方案两两比较的语言判断矩阵，给出一种基于二元语义的群决策方法。在该方法中，首先将原始语言评价信息转化为二元语义形式；然后采用二元语义集结算子将每个专家给出的语言判断矩阵集结为群的评价矩阵，并利用计算二元语义非优势度的方法，给出最优方案的选择过程。最后通过一个算例说明给出的方法。     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。