开放式团队创新研讨主题识别方法及其可视化

当前全球创新方向正在向开放式团队创新转变。开放式团队创新环境中,基于网络的电子研讨成为最基本、最重要的创新活动,及时准确地识别海量电子研讨信息的研讨主题,并通过可视化形象地展示给创新团队成员,对提高开放式团队创新的效率和质量至关重要。针对传统主题挖掘研究中存在的主要问题,提出了开放式团队创新研讨主题识别方法。该方法在文档建模阶段提出并建立了基于团队创新研讨信息本体和研讨树结构的研讨文本语义计算方法;在研讨主题聚类阶段,针对开放式团队创新研讨的短文本特征,运用AntSA算法对研讨文本进行聚类分析;并通过计算聚类结果中每个节点名词的研讨主题标签贡献率,识别每个类别的研讨主题。最后,根据所提出的开放式团队创新研讨主题识别方法,设计和开发了开放式团队创新研讨主题可视化系统,识别并直观显示各研讨主题间的语义关系和结构关系,并对其进行了实验研究。     

基于矢量空间的群体聚类方法研究

通过对群体成员的思维模式进行分析,基于矢量空间提出了群体中任意两个成员偏好矢量相关性度量的一般范数以及基于该矢量相关度的启发式算法,通过执行该使算法使群体中的成员形成若干个不同的聚集。在此基础上,定义并计算群体中各个聚集的偏好和整个群体的偏好,定义并计算群体中各个聚集的一致性指标和整个群体的一致性指标,为群体决策提供依据。最后通过一个实例对算法和一致性指标等进行验证。     

一种基于自组织特征映射网络的聚类方法

针对传统聚类算法不能有效地处理大数据集和高维数据集的问题,提出了一种基于自组织特征映射网络的聚类方法。该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,能自动对输入模式进行聚类。给出了应用该方法的具体步骤和加速自组织过程的若干改进方法,通过仿真实验证明该算法的有效性。     

基于聚类融合的三维流线可视化方法

为解决使用聚类方法实现三维流线可视化时,存在特征提取不全面、可视结果破坏流场连续性、聚类簇划分不稳定导致流线代表性差等问题,提出了基于聚类融合的三维流线可视化方法。该方法由特征间距离度量方法和聚类融合方法两部分组成,将特征间距离和空间距离分别作为流线间的相似度进行聚类,对得到的聚类结果进行加权合并后再划分。将该方法在具有多个不同特征的数据集上进行了实验,并与现有方法进行了定性、定量比较。结果表明,与现有方法相比,该方法能够较好地平衡特征提取和流线分布之间的关系,聚类簇划分的稳定性提高了2%～5%,矢量场重构的精度提高了3%～5%。     

研讨群体创新及其绩效的研究评述与展望

群体研讨和群体创新是现代企业组织解决复杂问题、保持竞争优势的重要保证.回顾了目前国内外在研讨群体创新及其绩效的影响因素方面的研究,从群体特征、技术特征、环境特征、研讨组织方式、任务特征及其要素组合方面进行了归纳和总结,并进行了具体评述和展望.     

基于多阶段转换学习的群体研讨文本言语行为分类

在群体支持系统(Group Support Systems,GSS)的环境下,群体能够在很短时间内产生大量研讨文本,远远超过了人们对信息处理的能力。因此,迫切需要一种能够自动分析和处理群体研讨文本的方法,言语行为分类就是这类方法中有可能实现并且具有应用价值的一个。在分析Zeno研讨模型的基础上,提出了适合群体研讨语料的言语行为分类体系。采用基于转换学习的办法,通过引入多阶段转换学习的概念,初步解决了群体研讨文本言语行为分类的问题,并且在议题类别和一些表达主张的类别(如支持和反对)上取得了较好的识别效果。研究群体研讨文本的言语行为分类对于拓展GSS,进而研究和开发自动主持人系统具有重要意义。同时,也为在中文环境下解决其他类型研讨(如网络聊天室、即时聊天工具等)文本的言语行为分类问题提供了参考依据。     

基于Web的群体决策研讨信息自主可视化模型

在开放式群体决策研讨过程中,为了有效克服简单的文本记录方法和信息显示方式给群体交流带来的不便,克服在研讨过程中存在的“知识断层”和“信息过载”,改善交流效果并最终有效地辅助决策,需要探索集文本、音频和视频等多媒体为一体的研讨信息可视化显示方式。在分析群体成员对研讨信息可视化需求的基础上,提出了研讨信息自主可视化的概念,建立了基于UM L的群体研讨信息自主可视化模型。最后,给出了相应的实现模式和一个简单的群体研讨信息自主可视化平台示例。     

改进的基于矢量空间的群体聚类算法

针对群体聚类算法中,一般以群体成员偏好矢量的相似度作为相聚依据,但这类方法通常不能保证群体聚类后聚集的一致性的问题。提出了成员与成员集的相似度概念,给出了基于聚集一致性的成员与聚集相聚的条件,描述了一个改进的群体聚类启发式算法。同时,还定义了群体及聚集一致性的偏差指标和相对偏差指标,用以评估聚类结果。实例测试表明,该算法有较好的聚类性能和较低的一致性偏差指标。     

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。     

改进的蚁群聚类算法及在多属性大群体决策中的应用

多属性复杂大群体决策中,对决策人员的决策结果进行有效地聚类,是分析以及完成群体决策的基础。针对蚁群聚类算法参数选取复杂、自适应性差以及随机性等缺点,提出了一种改进的蚁群聚类算法,该算法将决策群体成员对决策问题的若干个评价准则值转化成偏好矢量,以偏好矢量相聚度作为邻域相似度的计算公式,形成一个启发式聚类算法。通过一个算例计算说明该算法具有聚类质量高、自组织和鲁棒性的特点,适用于解决多属性复杂大群体聚类与决策问题。     

群体研讨评价观点的认知效果

探讨了信息共享的群体研讨中不同类型的评价观点对认知过程和群体绩效的影响.研讨人员提出自己的观点,允许和鼓励对他人观点发表肯定和否定的评价.和禁止评价相比,同时允许发表正反两方面评价的群体产生更少的主意,因为认知激励的效果不明显;仅允许和鼓励发表肯定评价的群体产生更少的主意类剐,而同一语义类剐下的主意数量多;仅允许和鼓励批判的研讨人员产生的主意语义类剐多,但同一语义类别下的主意数量少.进一步讨论了评价观点的认知效果和实际应用价值.     

基于智能Agent的群组决策支持系统及其在经营过程管理中的应用

信息时代 ,面向企业经营过程管理的决策活动具有广泛的分布性和重要的协同性 .本文旨在运用分布式人工智能的方法研究群组决策支持系统 ,以支持企业经营过程管理 ,特别是支持对市场环境的灵活应变、新产品的快速开发以及经营过程的动态重组 .该系统采用基于智能 Agent的层次分布式体系结构 ,应用多种信息技术和基于模型的协同技术 .     

基于INTERNET的群体决策支持系统研究与应用

在群体决策支持系统 GDSS研究成果的基础上 ,提出了基于 INTERNET环境的群体决策流程、群决策模型系统、群决策中间服务器 MTS的构成、专家端和经理端信息交换实现技术等解决方案、关键技术等 ,并给出一个商业销售群决策实例.     

运用体系工程研究装备保障问题的思考

首先界定了体系及体系工程的基本内涵,剖析了体系与系统、体系工程与系统工程的区别与联系;其次,分析了运用体系工程研究装备保障问题的必要性;最后,阐述了体系工程能够解决的装备保障领域的几个基本问题。     

DSS信息组织技术的现状与未来

DSS是一种为管理服务的信息系统。在现代社会, 决策任务、决策环境及决策过程是复杂多变的, 因此, 在这种信息系统中, 信息组织的结构、形态及加工处理方法, 都要与复杂多变的决策任务、决策环境及决策过程相适应, 才能为用户提供有效的决策支持。本文在回顾DSS二十年的发展历程中, 已经取得的信息组织技术成就基础上, 阐述了需要继续研究的各种技术方法, 并对进入21世纪未来十年DSS信息组织技术研究可能取得的突破作了进一步展望。     

遗传算法在网上谈判支持系统中的应用研究

从 8 0年代后期首次出现谈判支持系统至今 ,国外许多学者从不的角度对其进行了大量的研究 ,而国内在这方面的研究尚处于起步阶段 .网上谈判支持系统不仅要为谈判人提供方便的交流媒介 ,更要为其提供合理的协调解 ,以减少冲突 ,提高谈判的成功率 .目前 ,对于网上谈判支持系统中谈判解支持的研究 ,尚未取得重大突破 ,采用的方法仅仅局限于效用函数法、对策分析法以及国内近期研究出的基于兴趣点的选择方案搜索算法等等 .但是 ,这些方法在实际应用中很难方便、及时地为谈判人提供有效的建议解或方案支持 ,无法满足网上谈判的实际需求 .本文针对遗传算法的全局收敛性快速寻优、可并行性寻优以及模拟自然进化过程解决最优问题等特点 ,尝试着将遗传算法用于网上谈判支持系统中 ,为谈判人提供对于双方而言满意的协调解 ,对此 ,文中进行了一系列的理论分析及实践检验 ,证明了这种方法的可行性及特殊的优越性 .     

Study on the System Design of Multiple Expert Systems Integrated Decision Support System

There has been an increasing interest in integrating decision support systems (DSS) and expert systems (ES) to provide decision makers a more accessible, productive and domain-independent information and computing environment. This paper is aimed at designing a multiple expert systems integrated decision support system (MESIDSS) to enhance decision makers' ability in more complex cases. The basic framework, management system of multiple ESs, and functions of MESIDSS are presented. The applications of MESIDSS in large-scale decision making processes are discussed from the following aspects of problem decomposing, dynamic combination of multiple ESs, link of multiple bases and decision coordinating. Finally, a summary and some ideas for the future are presented.     

Study on the Integration of Decision Support System with Multiple Expert Systems

ＳｔｕｄｙｏｎｔｈｅＩｎｔｅｇｒａｔｉｏｎｏｆＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍｗｉｔｈＭｕｌｔｉｐｌｅＥｘｐｅｒｔＳｙｓｔｅｍｓＷＡＮＧＺｏｎａｉｕｎ；ＦＥＮＧＳｈａｎ（ＩｎｓｉｔｕｔｅｏｆＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ，Ｈｕａｚｈｏ...     

简单巨系统自组织的一个范例——沙波自组织现象的研究

沙波的形成是典型的简单巨系统自组织现象。我们以河床沙波为例，采用确定型描述方法，针对河床沙波系统自组织是表面波的特点，用中观变量描述系统状态，并在此基础上确定系统的动力学方程。应用协同学的支配原理，找到决定形成沙波的序参量，很好地解释了河床沙波自组织现象。这项研究为简单巨系统自组织提供了一个范例，同时也为河床沙波形成理论开辟了一条新的研究途径.