基于模糊贴近关系的模糊聚类及其有效性

讨论了模糊聚类的两个基本问题：聚类方法和有效性评价，作为通常模糊等价关系聚类方法的扩展，给出了一种用三角算子和模糊贴近关系进行模糊聚类的方法，同时以样本原始信息和聚类结果为基准，提出了一种度量聚类有效性的方法。最后的例子表明该方法是有效的。     

一种基于多指标语言评价信息的聚类方法

针对一类特征指标值和指标权重均为语言评价信息的聚类问题,提出了一种新的聚类分析方法.首先对基于多指标语言评价信息的聚类问题进行了描述;然后依据传统的基于数值信息的编网模糊聚类分析方法的基本思路,在将语言短语转换成三角模糊数的基础上,给出了解决多指标语言评价信息聚类问题的计算步骤.最后,通过给出一个算例说明了所提出的聚类分析方法.该聚类方法拓宽了编网聚类分析方法在解决基于多指标语言评价信息聚类方面的应用.     

区间值q阶犹豫模糊Frank集成算子及其决策应用

将q阶犹豫模糊集进行了拓展,提出了区间值q阶犹豫模糊集;并将Frank算子与区间值q阶犹豫模糊集相结合,提出了区间值q阶犹豫模糊Frank集成算子.首先,基于Frank算子定义了区间值q阶犹豫模糊元的运算性质,提出了区间值q阶犹豫模糊元的得分函数、精确函数及其排序方法;其次,定义了区间值q阶犹豫模糊Frank算术平均算...     

基于可能度的犹豫模糊PROMETHEE方法

 针对犹豫模糊多属性决策问题, 引入犹豫模糊可能度概念, 提出了基于可能度的PROMETHEE 方法。首先, 基于均匀分布的概率准则给出了犹豫模糊元比较的可能度公式, 并证明其性质;在其基础上结合PROMETHEE 法, 给出犹豫模糊多属性决策方法。本方法将传统PROMETHEE 的多步骤整合为一个公式, 简化了计算过程。最后, 通过实例验证了该方法的合理性和可行性。     

基于区间犹豫模糊TOPSIS法的多属性群决策

基于区间犹豫模糊元,定义广义区间犹豫模糊元的距离公式,提出区间犹豫模糊逼近理想解排序(IVHF-TOPSIS)法,用于处理属性评价值为区间犹豫模糊元的多属性群决策问题.在权重向量未知的情况下,根据给定的属性评价值和最大化离差度方法确定权重,用IVHF-TOPSIS法得到所有方案的贴进度系数,再结合贴近度系数的大小对所有方案排序并选出最优方案,并将所提方法用于解决某网络企业的仓库选址问题.     

基于包含度的犹豫模糊属性约简

将模糊集的包含度拓展到犹豫模糊集中,针对属性值为犹豫模糊元的决策问题,提出了一种犹豫模糊信息系统的属性约简方法。首先,给出了犹豫模糊包含度的公理化定义和不同形式的计算公式;然后,计算决策条件选择,得到条件属性重新组合后的犹豫模糊信息系统,再计算组合的条件属性在决策中的包含度,得到相应的决策规则;最后通过逐项删减条件属性,得到最大决策约简集,并通过实例表明了该方法的有效性和可行性。     

模糊等价关系下的犹豫模糊粗糙集及其应用

首先通过对长度不同的犹豫模糊元进行补齐来定义犹豫模糊集新的交并运算,在Pawlak近似空间中利用新的运算建立粗糙犹豫模糊集模型;然后将Pawlak近似空间推广到一般犹豫模糊近似空间,利用犹豫模糊元间的相似度获得犹豫模糊近似空间中对象间的模糊关系矩阵,再利用模糊集的传递闭包法将模糊相似矩阵转化成模糊等价矩阵,在此基础上建立犹豫模糊信息系统中的粗糙集模型,研究犹豫模糊信息系统的属性约简。最后通过一个算例来说明犹豫模糊信息系统的属性约简方法。     

一类带最小约束的模糊聚类问题

考虑到模糊聚类中引入传递性可能使问题失真，提出了一类带最小约束的模糊聚类问题．给出了解决这类问题的两类方法：直接聚类法与基于无约束聚类的方法．并将这些方法与一般模糊聚类的方法进行了比较．     

基于不确定性测度的犹豫模糊决策模型

针对已有犹豫模糊熵测度计算复杂、区分能力弱等问题,在综合衡量犹豫模糊元自身不确定性及其所表达信息不确定性的基础上,以凸组合的形式设计了混合型犹豫模糊熵和交叉熵测度。混合型犹豫模糊交叉熵测度用于度量两个犹豫模糊元之间的区分程度,它和混合型犹豫模糊熵测度一起统一于犹豫模糊元的不确定性测度。与已有的犹豫模糊不确定性测度相比,混合型熵测度具有结构简单、物理意义明确、区分能力强等优势;而混合型交叉熵测度则具有自然的对称性。然后,基于混合型犹豫模糊熵和交叉熵测度构建了属性权重未知条件下的多属性决策模型,并将其应用于无人机作战效能评估。     

基于2可加模糊测度的公租房退出决策模型

针对公租房退出机制不能有效运转的问题,从隐性收入评估视角,提出一种基于2可加模糊测度的公租房退出决策模型。该模型首先利用三角模糊数量化模糊等级,利用λ-截集将三角模糊数简化为区间数;然后,提出一种基于区间属性权重和相关系数的2可加模糊测度确定方法,并从理论上证明了该方法的有效性;最后,对传统Choquet模糊积分进行改进,提出一种基于优化模型的区间Choquet模糊积分算子。实例推演表明:该文提出的决策模型可以应用于社区的公租房退出管理实践中。     

区间值直觉犹豫模糊多属性决策方法研究

针对评价信息为区间值直觉犹豫模糊集的多属性决策问题,结合ELECTRE-I和TOPSIS方法,提出了一种解决区间值直觉犹豫模糊多属性决策问题的方法。基于区间值直觉犹豫模糊元得分函数,提出了一种新的确定属性权重的方法。将经典的ELECTRE-I和TOPSIS拓展到区间值直觉犹豫模糊环境下,定义了绝对和谐指标与不和谐指标,相对优势指标和综合优势指标。根据综合优势指标得到方案的排序。最后提供了一种基于区间值直觉犹豫模糊信息的多属性问题的决策步骤,并进行了算例分析与比较分析,证明了该方法的有效性。     

基于FCM的大规模群体决策方法

针对大规模多属性群体决策问题在不平衡犹豫模糊语言环境下难以确定决策者偏好权重的问 题,提出了同一模糊集群中,单个决策者偏好权重的计算方法。 首先,在不平衡犹豫模糊语言环境下,引入同一集群内单个决策者偏好权重这一概念;之后,在 FCM 算法基础上,利用算法产生的聚类中心和决策者与所 属集群的隶属度,定义了新的偏好权重计算公式以及集群的决策矩阵计算公式,由此得到一种新的大规模群 体决策方法;最后,通过实例验证了方法的可行性和有效性。     

采用不确定性度量的粗糙模糊C均值聚类参数获取方法

针对粗糙模糊C均值聚类的阈值、权重选取问题,提出了一种基于不确定性度量的参数自适应获取方法.该方法将阈值选取归结为一个最优划分寻找问题,给出一种基于方差的划分优劣评价方法;利用信息熵来度量样本归属的模糊性,基于该模糊性度量和类簇的粗糙度,提出了一种权重参数自适应计算方法.将所提方法应用于粗糙模糊C均值聚类,并将分别基于所提方法与典型参数选取方法的粗糙模糊C均值聚类算法在人工数据集和真实数据集上进行实验比较.结果表明,基于所提参数确定方法的粗糙模糊C均值聚类能获得更好的聚类有效性和准确性.     

基于模糊聚类的血液分配优先度评价

为了应对血液紧缺困境,提高血液使用效益,研究了血液分配优先度评价问题;采用二进制转换方法整合医院血液紧缺程度的特性描述因素,改进传统模糊聚类分析的相关系数计算和聚类阈值选择方法,构建了血液紧缺度模糊聚类模型,并在此基础上,引入分配优先度参数评价血液分配优先度;最后,选择24家医院的红细胞需求进行数值计算,将医院聚类为6个不同血液紧缺程度的组别,计算每组的优先度参数,并对各组医院血液分配优先度作出评价。结果表明:改进模糊聚类模型并引入分配优先度参数可以有效评价血液分配优先度,为血液紧缺情况下的血液分配提供决策借鉴。     

基于犹豫梯形模糊Bonferroni Mean算子的多属性决策

针对专家评价值为犹豫梯形模糊元的多属性决策问题,考虑专家评价值之间的关联性,结合Bonferroni均值提出了犹豫梯形模糊Bonferroni mean算子及其加权形式.利用犹豫梯形模糊元的运算法则研究算子的相关性质和一些特例,给出了基于犹豫梯形模糊加权Bonferroni mean算子的决策方法,并通过数值实例验证了该算子的有效性.     

基于数据密度感知的非平衡数据模糊聚类方法

非平衡数据分析是数据领域的重要问题之一,其类间分布的巨大差异给聚类方法带来严峻挑战.围绕非平衡数据聚类问题,分析了非平衡数据对模糊聚类方法的影响,提出了基于密度感知的模糊聚类方法.方法将数据分布密度特征嵌入模糊聚类初始化过程中,用于定位初始聚类中心点,避免了少数类中心点位置的消失,在此基础上进一步设计了基于密度的模糊聚类优化更新方法.经数据集分析验证,本研究方法能够有效解决非平衡数据分类中少数类消失问题,并且在聚类算法性能上比传统方法有明显提高.     

二维变量信息视角下的概率犹豫模糊集决策方法研究

将概率犹豫模糊集中的隶属度与概率看作二维变量信息,在二维变量信息条件下研究概率犹豫模糊集多属性决策问题。首先,将概率犹豫模糊数书写形式改为点坐标形式,并在此形式下建立概率犹豫模糊元几何距离函数模型与离差程度系数模型;其次,属性的评价值为概率犹豫模糊元,在考虑其内部元素的离差程度与相互之间离差程度基础上,采用熵值法确定属性权重;再次,使用新定义的几何距离函数与离差程度系数函数计算由概率犹豫模糊元组成的属性值,得到属性的综合值,并利用Maclaurin对称平均算子对各方案属性的综合值进行集结,通过比较集结的方案属性综合值大小对各方案进行排序;最后用一个数值算例对本文方法进行验证分析,结果表明,该方法能够快速取得有效的排序结果。     

基于直觉模糊熵的直觉模糊聚类

Atanassov直觉模糊集合是对Zadeh模糊集合最有影响的一种扩充和发展,将模糊聚类扩展为直觉模糊聚类,具有重要的应用价值。在研究将模糊聚类扩展为直觉模糊聚类时,提出了一种基于熵最大的直觉模糊聚类,并推导了迭代求解的算法。典型实验表明,直觉模糊聚类的性能优于模糊聚类,提高了聚类的正确率。     

基于模糊C均值算法的城市快速路交通状态识别

针对城市快速路交通状态划分问题,提出一种改进的模糊C-均值(FCM)算法.为了解决FCM算法对初始聚类中心敏感、聚类前必须对聚类数和模糊加权指数给出恰当赋值等问题.首先采用减法聚类得到最大聚类数及相应的初始聚类中心,然后基于模糊决策的方法优选参数m,最终将聚类有效性函数融入FCM聚类,动态确定交通状态的分类.对上述方法通过Matlab6.5编程得出结果,对比分析表明提出的方法能够提高城市快速路交通流状态的分类效果.     

基于半监督的模糊C-均值聚类算法

通过将半监督学习的思想引入到模糊C-均值聚类方法中,提出一种基于半监督的模糊C-均值聚类算法,有效解决了模糊C-均值聚类算法随机选取初始聚类中心导致聚类结果局部收敛的问题,能客观获取最佳聚类数目和初始聚类中心.实验结果表明,与传统模糊C-均值聚类算法相比,基于半监督的模糊C-均值算法在一定程度上减少了迭代次数,降低了对初始聚类中心的依赖性.