基于决策偏好距离的多阶段群决策快速集结方法

针对具有互反判断矩阵偏好信息的多阶段群决策问题,文章提出了一种基于决策偏好距离的快速集结方法。首先对决策偏好距离相关概念进行定义,阐述了基于决策偏好距离的多阶段群决策集结过程;其次,利用决策偏好距离算法对单一专家的阶段内权重和阶段间权重进行测度,得出最优的专家权重;然后,通过加权几何平均算子拟合出最优的专家判断矩阵和最优的群体决策偏好;最后,给出算例,分析结果表明该方法具有合理性。     

基于特征相关的改进加权朴素贝叶斯分类算法

朴素贝叶斯分类算法的特征项间强独立性的假设在现实中是很难满足的.为了在一定程度上放松这一假设,提出了基于特征相关的改进加权朴素贝叶斯分类算法,该算法采用一种新的权重计算方法,这种权重计算方法是在传统词频反文档频率(TF-IDF)权重计算基础上,考虑到特征项在类内和类间的分布情况,另外还结合特征项间的相关度,调整权重计算值,加大最能代表所属类的特征项的权重,将它称之为TF-IDF-FC权重计算.与基于传统TF-IDF权重的加权朴素贝叶斯分类算法和其他常用加权朴素贝叶斯分类算法比较,如基于属性加权的朴素贝叶斯分类算法,这种算法的分类效果均有一定的提高.     

一种基于变结构加权的时间序列预测模型研究?

基于文献提出的优化权重方法,针对存在单个离散变结构下的时间序列预测问题,提出了一种变结构加权的ARMA模型.该方法利用优化权重对时间序列变结构前的数据进行调整,形成了新的时间序列,然后再对这个新的时间序列建立ARMA模型进行预测.蒙特卡罗模拟显示,该方法对存在单个离散变结构的时间序列具有较好的预测效果.实证结果表明中国股票市场的日收益率存在明显的变结构现象,并且在预测中运用加权ARMA模型能够明显改善预测效果.     

加权的概率犹豫模糊集的三维向量测度法与决策应用

为了更加精细化地描述概率犹豫模糊集,将概率犹豫模糊元中的隶属度添加相应的决策专家权重,并由此提出了加权的概率犹豫模糊集概念.用三维向量表示加权的概率犹豫模糊数,在此基础上建立了加权的概率犹豫模糊元的三维向量得分函数模型、三维向量离差函数模型、2个加权的概率犹豫模糊元的大小比较规则与距离测度模型.分别给出了属性的外部权重、内部权重以及综合权重的计算方法.在属性的3种权重条件下,运用方案的整体得分值与内部决策专家评价差异值2个因素计算方案的综合属性值,进而对各个方案排序.决策结果表明,在利用三维向量刻画加权的概率犹豫模糊集的基础上建立的决策算法不但有效可行,而且提供了一种多元化的决策方法.     

基于灰色关联分析的区域热带气旋灾情评估

基于灰色关联分析方法,考虑灾情因子指标之间的影响,将加权灰色关联度作为评价准则建立灾情评估模型.利用1990-2007年(除2004年)17年对华南影响较大的热带气旋灾害资料,选取死亡人数、受灾人数、农田受灾面积、房屋倒塌间数和直接经济损失5个指标对灾情进行评估.计算结果表明:基于灰色关联度确定灾情因子指标权重的方法可行有效;使用该方法所得的评价结果与实际情况基本吻合.     

基于权重的软件可靠性混合模型研究

基于多种现有软件可靠性模型,提出了一种使用静态权重和动态权重加权的软件可靠性混合模型,以提高软件可靠性模型的精度和稳健性.     

中文文本分类相关算法的研究与实现

通过对分词歧义处理情况的分析, 提出一种基于上下文的双向扫描分词算法, 对分词词典进行改进, 将词组短语的固定搭配引入词典中. 讨论了特征项的选择及权重的设定, 并引进χ²统计量参与项的权值计算, 解决了目前通用TF-IDF加权法的不足, 同时提出了项打分分类算法, 提高了特征项对于文本分类的有效性.
 实验结果表明, 改进后的权重计算方法性能更优越.     

一种有效的特征权重计算方法

研究了典型的特征加权方法,分析了词频权重以及tf*idf权重等特征加权方法在表现特征重要性上的不足,提出了一种新的特征权重计算方法tf*idf*cf.该方法综合考虑了特征频率、文档频率以及特征类别信息,更为全面准确地描述了特征在文本中的重要程度.实验结果表明,该方法可以有效地改善分类性能.     

基于主客观加权属性值一致化的组合赋权法

针对多属性决策中属性权重确定的问题,提出基于主客观信息一致的主客观赋权方法.该方法将主观权重与客观权重加权综合,其加权系数由数学规划模型求出.该方法得出的结果较好地反映了主观程度和客观程度,实例证明有效可行.     

实时混合模拟频域评价方法的物理意义

为研究实时混合模拟频域评价方法的物理意义,通过数值模拟和实验室试验,分别计算了线性结构和非线性结构在整个试验以及各个频率下的幅值、相位(时滞)和权重.研究发现,各频率上的幅值、等效时滞按照权重加权可以得到整个试验的幅值、等效时滞.因此,实时混合模拟频域评价方法的物理意义实际上是计算各个频率上的幅值和相位(时滞),并根据输入信号各个频率幅值平方的权重进行加权得到试验的幅值和相位(时滞).由于权重的影响,频域评价结果受输入中低频成分的控制;对于非线性结构,需注意虚假时滞对计算结果的影响.