直觉模糊偏好信息下的多属性决策途径

研究了属性值为直觉模糊数且决策者对方案有偏好的模糊多属性决策问题.针对方案偏好信息以直觉判断矩阵形式给出且属性权重信息不能确知的情形,定义了加型一致性直觉判断矩阵、积型一致性直觉判断矩阵以及直觉模糊决策矩阵的得分矩阵等新概念.基于得分矩阵和直觉判断矩阵,分别利用两种转换函数建立一些简洁的线性规划模型.通过求解这些模型获得属性的权重,进而给出了一种基于直觉模糊偏好信息的多属性决策途径.最后通过实例对该决策途径的详细过程及有效性进行了说明.     

基于一类新的直觉模糊熵的多属性决策方法研究

针对现有的直觉模糊熵只考虑了隶属度与非隶属度的偏差,而未考虑直觉模糊集自身包含的犹豫度信息的缺憾,本文提出了一类新的直觉模糊熵,它可以充分表达决策者的犹豫度信息.在此基础上,针对属性权重完全未知和属性权重信息部分已知的直觉模糊多属性决策问题,分别通过熵权法和利用最小化直觉模糊熵建立的最优化模型求解属性权重,给出了直觉模糊多属性决策的折中比值法.最后,通过应用实例说明了所提出方法的有效性和可行性.     

对方案有偏好的区间直觉模糊多属性决策方法

针对属性权重信息未知或属性权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策问题,基于偏差极小化的思想,给出了相应的决策分析方法。首先引入了区间直觉模糊数的一些运算法则、区间直觉模糊数的得分函数和精确函数。然后分别对权重信息未知或权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策方法进行了研究,给出了基于最小偏差的目标规划模型,从而获得相应的属性权重,基于区间直觉模糊数加权平均(IIFWA)算子对区间直觉模糊信息进行集结,进而根据得分函数和精确函数对方案进行排序。最后,进行了实例分析,说明了该方法的实用性和有效性。     

基于熵的模糊群体评价合成方法

研究了模糊决策环境下群体评价意见的合成问题。应用距离函数来计算两个梯形模糊数之间的相似性函数,使得相似性函数的应用范围得到拓展。基于熵来度量个体与群体的一致性,建立了群体决策的熵模型,减少了群体的不确定性。利用此模型对专家的初始主观权重进行迭代运算得到修正权重,再把初始主观权重和修正权重线性合成作为专家的综合权重。最后,通过算例说明了该方法的可行性和有效性。     

基于直觉模糊聚类的目标识别

空中目标的正确识别对防空作战具有重要的意义。针对目标识别的特点,提出了基于直觉模糊聚类的识别方法。首先,给出了直觉模糊相似度和相异度的度量方法,并利用目标特征信息计算直觉模糊相似度和相异度。然后,在分析了现有的几种直觉模糊相似矩阵构造方法的基础上,提出了一种新的直觉模糊相似矩阵的构造方法,并给出了直觉模糊相似矩阵转化为直觉模糊等价矩阵的途径;此外,定义了直觉模糊等价矩阵的（α,β）截矩阵,进而实现直觉模糊集的聚类。最后,运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明,提出的方法是可行、有效的。     

基于模糊C-OWA算子的模糊多属性决策方法

将连续区间数据OWA(C-OWA)算子扩展到模糊环境,提出了一些新的模糊C-OWA(FC-OWA)算子,如加权FC-OWA(WFC-OWA)算子、悲观WFC-OWA(PWFC-OWA)算子和乐观WFC-OWA(OWFC-OWA)算子,并研究了它们的一些性质.基于PWFC-OWA算子和OWFC-OWA算子,提出了属性值和属性权重为梯形模糊数的多属性决策方法.最后通过算例说明了方法的可行性和有效性.     

基于新直觉模糊距离的随机决策方法

针对指标权重未知,方案的指标值为直觉模糊数的随机直觉模糊决策问题,提出了一种基于前景理论和新的直觉模糊距离的随机决策方法. 首先提出一种新的直觉模糊相似度公式,在此基础上构建了一种以直觉模糊数形式表征的直觉模糊距离公式以减少在运算中信息的丢失,运用直觉模糊熵方法确定指标权重,通过前景理论对方案进行对比和排序.最后,算例分析说明了该方法的合理性和可行性.     

基于折线模糊数多属性指标信息的FCM聚类算法

折线模糊数是借助实数的有序表示来确定一类模糊信息,它不仅可以按任意精度逼近一般模糊数,而且也克服了基于Zadeh扩展原理的模糊数四则运算的复杂性.该文首先引入折线模糊数定义及其有序表示,并给出它的扩展运算和度量公式.其次,采用折线模糊数的有序表示描述了待聚类对象的多属性指标信息,进而依据目标函数给出最优模糊划分(矩阵)和聚类中心的计算公式,并基于折线模糊数刻画多属性指标信息的模式提出(fuzzy c-means)FCM聚类算法.最后,通过算例说明该算法比梯形模糊数刻画指标信息更具优越性.     

基于熵最大化的区间直觉模糊多属性群决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性群决策问题, 提出了一种基于信息熵的决策方法. 为保证决策的完善性, 首先从区间直觉模糊数的几何意义出发, 提出了一种相对合理的比较方法, 同时定义了一种区间直觉模糊矩阵的规范化方法, 并详细论证了方法的相关性质. 该方法不仅能够保证区间直觉模糊数的形式, 而且最大程度的降低了信息损失. 接着, 提出一种基于区间直觉模糊值熵最大化的权重确定方法, 最后, 将该方法应用在ERP选优的群决策问题中, 用一个实例验证了方法的有效性.     

基于进化规划的FCMBP模糊聚类改进方法

分析了基于摄动的模糊聚类方法(fuzzyclustering method based on perturbation, FCMBP),指出指数复杂度的遍历过程是目前PC计算环境下难以处理十阶以上较高阶数模糊相似矩阵的原因.把寻求具有最小"失真"的最优模糊等价矩阵看作优化问题 来求解,提出了一种基于进化规划的FCMBP模糊聚类改进方法. 与FCMBP相比,该方法通过引入基于进化规划的优化技术避免了遍历过程,使其能够对高阶模糊相似矩阵进行处理. 得到的等价矩阵"失真"小于传递闭包法所得结果,从而获得更为精确可靠的聚类效果, 将FCMBP模糊聚类方法推广到能够处理高阶模糊相似矩阵的情形, 满足应用需要.     

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。     

基于互补判断矩阵形式偏好信息的相容性研究

针对群决策中基于互补判断矩阵形式偏好信息的相容性问题,提出了一种分析方法.首先,给出了有关互补判断矩阵、互反判断矩阵及其相互转换公式的定义及其性质,得出了互补判断矩阵具有乘性一致性或满意一致性的充要条件是其相互转换的互反矩阵也具有同样的结论;然后,利用互补判断矩阵与互反判断矩阵之间的转换公式,给出了有关两个互补判断矩阵的相客性指标的定义、互补判断矩阵与其特征矩阵的具有满意相容性指标的概念及其性质.最后,通过一个算例说明了本文提出的分析方法.     

基于不同模糊偏好信息的群集成新方法

针对决策者的模糊偏好信息以不同形式给出群集成问题。首先,给出了三角模糊运算的一些拓展法则和不同模糊偏好信息之间的转换公式对偏好信息一致化处理。其次,以三角模糊数的期望值公式为排序工具,利用模糊有序加权几何平均（fuzzy ordered weighted geometric averaging, FOWGA）算子分别对群决策信息和重要程度进行集结,得到方案的综合优势度并排序,提出了一种基于综合判断矩阵法的模糊群决策法。最后,通过算例说明方法的可行性和实用性。     

考虑决策者偏好的洪水灾害模糊聚类迭代评估模型

决策者偏好对洪水灾害的评估结果有重要影响.传统的评估方法可能会出现次要指标权重过大的情况,难以有效体现决策者偏好对评估结果的影响,为此将模糊聚类迭代模型推广到考虑决策者偏好的情况,并给出单一偏好条件下的理论解,提出了基于决策者偏好模糊聚类迭代模型.在该模型中,通过增加一个松弛因子构造一个增广拉格朗日乘子添加到模糊聚类迭代模型的目标函数中,将体现决策者偏好的不等式约束转化为等式约束,并依此求出该偏好条件下权重向量的解析解,可为考虑决策者偏好评估方法的研究提供理论依据;再根据样本特征值矩阵与解得的最优权重向量求出各样本的灾情综合评价值,结合最优隶属度矩阵确定各样本所属洪灾等级,各等级内部样本依据灾情综合评价值排序.该模型直接利用样本特征值矩阵对洪灾样本灾情大小进行识别,降低对最优隶属度矩阵的依赖性,使得排序结果更准确合理.最后,将该模型应用于2013年四川省部分地区洪水资料,验证了考虑决策者偏好模糊聚类迭代模型的理论结果,灾情综合评价值法的排序结果比传统的类别特征值法更合理.     

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。     

Improved fuzzy identification method based on Hough transformation and fuzzy clustering

This paper presents an approach that is useful for the identification of a fuzzy model in SISO system. The initial values of cluster centers are identified by the Hough transformation, which considers the linearity and continuity of given input-output data, respectively. For the premise parts parameters identification, we use fuzzy-C-means clustering method. The consequent parameters are identified based on recursive least square. This method not only makes approximation more accurate, but also let computation be simpler and the procedure is realized more easily. Finally, it is shown that this method is useful for the identification of a fuzzy model by simulation.     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

基于模糊C类均值聚类的信源数估计方法

信源数估计的性能直接影响着高分辨测向的精度。为提高估计方法的性能,提出一种基于模糊C类均值(fuzzy C means, FCM)聚类的信源数估计方法。在此方法中,信号的协方差阵的特征值及其差值,对协方差阵酉变换得到的盖氏圆半径及其差值作为FCM聚类过程中的样本指标。最终判断样本归属时,引入容错概率的概念。在接受一定程度容错的前提下,提高了算法的性能。在不同噪声类型下进行仿真的结果表明,所提出的信源数估计方法性能较好。     

基于模糊聚类的PolInSAR数据非监督分类方法

提出了一种结合Freeman分解和模糊聚类的极化干涉合成孔径雷达(polarimetric interferometric synthetic aperture radar, PolInSAR)数据非监督分类方法。针对基于Freeman分解的极化SAR图像分类方法中提取的3种散射机理：表面散射、体散射、偶次散射占主导的区域之间存在模糊的缺点,利用PolInSAR处理中的最优干涉相干系数引入的参数--最优相干熵H Int和最优相干各项异性度A Int,将每种散射机理主导区域划分为单个散射机制或多个散射机制共同作用的区域。并将模糊理论引入到H Int/A Int平面的区域边界划分,得到初始分割图像。对初始分割图像进行合并,模糊聚类等操作,得到最终分类结果。采用ESAR Oberpfaffenhofen地区PolInSAR数据实验的结果验证了本文方法的有效性。