用VBA程序在Excel电子表格中列出AutoOAD块属性

通过实例介绍了如何在AutoCAD中利用VBA程序，从图形中查找、提取附着到块中的属性参照信息，并将这些属性参照信息导入到Excel电子表格中。     

国土一致性调查监测地块属性信息快速录入方法的研究

本文主要介绍了在辽宁省2011年度国土一致性调查项目中,如何参照已有资料快速为监测图斑匹配属性信息,包括如何将相匹配的多条属性信息组合赋给监测图斑。     

基于属性关联的犹豫模糊TODIM多属性决策方法

针对属性值为犹豫模糊信息,且已知属性关联的多属性决策问题进行了研究;首先引入测度函数,参照依赖和损失规避心理行为,对每个属性下相对参照点进行方案两两之间的优势-劣势比较,构建在每个属性下方案的收益-损失矩阵;依据Choquet积分和TODIM方法的基本思想,计算方案的个体感知优势度,在此基础上,计算备选方案的总体感知优势度,进而对方案进行排序;最后通过一个算例分析表明所提出方法的可行性和有效性.     

基于动态异质性参照点的地铁应急疏散出口选择行为

鉴于地铁应急疏散中决策者的有限理性、决策者的异质性以及所面临决策环境的差异性,本研究通过将决策者的个人属性和备选方案的方案属性引入参照点,建立了基于动态异质性参照点的地铁应急疏散出口选择模型。通过将该模型应用到上海世纪大道地铁站的调查数据,并将不同情景和不同决策者类别的模型结果分别与基于静态同质性参照点的模型结果进行对比,表明基于动态异质性参照点的模型预测结果与实际选择结果之间的误差更小,能更准确的描述决策者的决策行为。     

P-集合的属性函数与P-信息融合的属性合取特征及应用

利用P-集合的结构,给出P-集合中元素的属性及属性函数的概念,讨论P-集合与属性函数的关系以及单属性函数和满属性函数的计数问题。给出P-信息融合的属性合取扩展-收缩特征、内P-信息融合的属性合取扩展定理、外P-信息融合的属性合取收缩定理、具有属性合取扩展特征的内P-信息融合发现定理、具有属性合取收缩特征的外P-信息融合发现定理。最后,给出具有属性合取扩展特征的内P-信息融合生成-发现的应用实例。     

面向信息应用的ITS信息模型及交换模式

智能交通系统 (ITS)的各种功能是以信息为中心展开的 ,因而信息应用是 ITS最为核心的研究内容之一。该文依托具有层次化特征的面向信息应用的 ITS体系结构 ,基于对 ITS的时空属性、媒介属性、层次属性、质量属性、存储属性、通讯属性、安全属性和主题属性等各种信息特征的分析 ,借鉴面向对象思想 ,提出了适用于 ITS信息交换的信息模型 ,该模型具有面向对象、自描述、自操作等特征 ,能有效地满足 ITS中不同层次信息交换的需求 ;另外还结合 ITS信息应用系统阐述了常规的信息交换模式     

基于约束线路群的铁路枢纽数字化关联选线方法

针对枢纽区域线路种类和数目繁多、线路间约束关系复杂的特点,提出一种关联选线设计方法.首先,分析并总结线路间各种参照关系,建立线路参照关系矩阵和交点信息矩阵,基于两矩阵构建复合参照线型模型;然后,将线路间的约束关系分为引出、接入、参照、最小线间距和交叉约束,并给出相应的表达式;在此基础上,设计线路关联图的数据结构,将各线路的几何属性及相互间的约束关系集成为整体,从而建立枢纽约束线路群,并研制枢纽约束线路群的构建与关联选线的实现算法;最后,基于上述方法,开发枢纽选线系统,并在多个铁路枢纽选线中应用.研究结果表明:枢纽中各线路均可贯通设计,几何线位里程及约束关系可自动实时动态解算,显著提高工效.     

基于粗糙集属性重要性的模糊聚类决策及应用

考虑到不同属性之间的重要性,利用粗糙集理论对模糊信息表或信息表中的不同属性之间(特别是定量属性与定性属性之间)进行耦合,提出一种计算不同属性间相似度的计算方法,即基于粗糙集属性重要性的模糊聚类方法,解决模糊信息表或信息表中属性值定量与定性描述并存情况下的聚类问题,并根据原类结果建立决策表.     

动态交通信息建模中多维时空参照系统研究

由于动态交通信息数据具有很强的时间性和空间性,通过分析研究绝对空间参照系统、线性参照系统和时间参照系统的特点,认为交通信息是交通系统表现出来的各种交通现象的组成成分的抽象,由空间对象、时态对象、专题对象和事件对象聚合构成。提出动态交通信息建模应建立在多维时空参照系统中,有主次之分,运用在不同的数据层次中,以二维空间参照系为基本基准,线性参照系作为建立在二维空间参照系之上的应用,以三维数据作补充。多维时空参照系统中更有利于交通信息数据的共享与维护。     

基于可比较语言多属性决策的扩展TOPSIS方法

针对偏好信息是可比较语言的多属性决策,提出了一种新的决策方法——基于可能度分布距离测度的TOPSIS方法;该方法首先将可比较语言转化为犹豫模糊语言信息,通过定义可能度分布距离公式,避免了传统犹豫模糊语言评价信息在距离计算过程中的误差;然后建立了基于可能度分布距离测度的TOPSIS决策模型,通过计算正负理想点得到最优参照方案,根据各方案与最优参照方案间的距离进行排序并择优,相比于传统TOPSIS方法更能体现各方案与理想方案的贴近程度;最后,以快递服务公司的测评案例验证了所提方法的可行性和有效性。     

时间压力和属性权重对决策中信息加工的影响

采用决策过程研究方法中的信息板技术,以模拟现实生活中的购车事件为实验任务,探讨时间压力和属性权重变化对个体决策中信息加工的影响.结果表明,时间压力和属性权重两者在信息搜索模式上有显著交互作用.属性权重对决策行为的主效应显著,在呈现属性权重的情形下,被试增加了信息的搜索深度,更多地采用了基于属性的信息搜索策略.     

融合属性信息的知识表示方法

现有的联合知识表示学习模型使用实体描述作为辅助信息来提升表示效果,忽略了互联网中大量有价值的信息。为此,提出一种融合属性信息的知识表示学习方法(AIKR)。首先抓取实体的不同属性,并通过莱文斯坦距离从语料库中匹配属性对应的说明文本;然后利用卷积神经网络对说明文本进行编码;最后将得到的实体属性表示与翻译模型生成的结构表示相结合进行联合学习。实验结果表明,相比仅利用实体描述的方法,融合属性信息的知识表示方法可以学习到更多的语义信息,取得了更好的表示效果。     

基于信息粒度与交互信息的属性约简改进算法

经典粗糙集的前向启发式正域约简算法没有考虑到存在多个重要度最大的条件属性时如何合理地去选择候选属性;同时在度量条件属性间相关性时忽略了决策属性的影响程度,由此得到的约简集合泛化能力较弱.针对这些问题,首先引入信息粒度,提出一种候选属性选择的优化策略;其次引入信息论中交互信息的概念,通过计算属性之间的交互信息来剔除冗余属...     

基于维基百科信息框的本体信息提取

针对传统方法在维基百科信息框中提取本体信息精准率较低的问题, 研究维基百科信息框中的属性结构化信息. 首先定义一组候选特征判定信息框属性之间的关系, 建立与类别、 列表、 文章及维基百科信息框模板之间的关联； 然后借鉴本体匹配方法提取维基百科信息框结构化信息, 计算属性对的相似度, 设置边界限制条件, 在达到一定精确度下构建本体结构描述属性之间的关系, 并构建类层次结构. 结果表明, 所给方法解决了提取本体信息精准率较低的问题, 能高效、 正确地在给定主题文章中将可能的属性结构提取出来, 并发现合理的类关系.     

样本信息处理中一种属性约简方法的研究

为了剔除样本信息中存在的冗余成分和不相容性,同时提取关键信息等,根据样本信息的特点和信息具有粒度的思想,基于粗糙集的2个近似精度科学地定义了条件属性重要性,进而提出一种对样本信息进行属性约简的有效、简便方法.该方法主要包括信息核的求取、可省条件属性的重要性计算和相对属性约简集的确定.其中,为连续属性的离散化处理提供了一种基于模糊相似比原理的快速离散化算法,它能起到剔除模糊噪声的作用.典型实例计算和在油水层识别系统中的实际应用表明,这种属性约简方法的识别准确率可达90%以上,应用效果显著.     

P-信息的属性合取扩展-收缩特征与P-信息的智能发现

利用P-集合与P-推理,给出P-信息的属性合取扩展-属性合取收缩概念、特征、定理;属性合取扩展-属性合取收缩是P-集合的一个重要应用特性。利用内P-推理与属性合取扩展,给出内P-信息智能发现定理;利用外P-推理与属性合取收缩,给出外P-信息智能发现定理和准则。最后给出具有属性合取扩展特征的内P-信息智能发现在信息辨识中的应用。     

面向多敏感属性的匿名隐私保护方法

在数据发布过程中,如果对发布的敏感属性信息不进行任何保护处理而直接发布,容易遭受攻击导致隐私信息泄露.针对传统的单敏感属性隐私保护方法在多敏感属性中不能得到很好的隐私保护效果,提出了一种基于多敏感属性相关性划分的(m,l)-匿名隐私保护模型.利用信息增益法对多敏感属性的相关性进行计算并划分,降低敏感属性维度;根据(m,l)-diversity原则对敏感属性分组,保证发布的数据能防止偏斜性攻击,并且在一定程度上降低背景知识攻击的风险;采用聚类技术实现该模型,减小该模型产生的附加信息损失和隐匿率,确保发布的数据具有较高的可用性.实验结果表明,基于多敏感属性相关性划分的(p,l)-匿名隐私保护模型具有较小的附加信息损失和隐匿率,保证了发布数据的可用性.     

基于位差的属性选择算法

针对高维数据的数据分析或数据挖掘算法的时间复杂度随着维数增长,时间开销呈指数上升的问题,采用恰当的特征选择方法可以降低数据的维数,并且可以保持原有的数据分辨能力。使用卡方统计量为属性相关性的量化结果,根据卡方表查出独立性置信水平α。对于某属性子集,根据α给出两个有序序列,一个序列是所有属性与分类属性的α有序序列,另一个序列是所有属性与参照属性的α有序序列。利用各个属性在两个序列中位差(位置差异)选择属性。最后给出算法的理论分析,并且给出实验结果和分析。     

基于扫描向量的属性约简方法

针对粗糙集理论中属性约简问题,提出了一种基于扫描向量的属性约简方法.根据粗糙集理论知识,定义了一个新概念--差别向量,利用差别向量将信息表转换成差别向量组;根据差别向量的结构特征,定义了差别向量加法法则;运用这个加法法则仅需对差别向量组扫描一次,就可以形成结构简洁却能代表原信息表属性特征的扫描向量.以扫描向量中的属性频率项作为属性约简搜索的启发信息,提高了属性约简效率.数值实例及数据库测试的结果表明该属性约简算法是有效可行的.     

考虑决策者心理行为的区间数多属性决策方法

针对考虑决策者心理行为的区间数多属性决策问题,提出一种决策分析方法.首先,针对决策者参照依赖的心理行为特征,依据前景理论计算每个方案在各属性下的评价值相对于参照点的益损值,并构建益损决策矩阵;然后,考虑决策者损失规避的心理行为特征,基于TODIM方法的基本思想,计算决策者对每个方案的益损值的总体感知价值,并依据总体感知...