科学基金管理系统多层次决策分析

本文利用层次分析法(Analytic Hierarchy Process)和德尔菲群组判断概念,分析了科学基金管理系统的决策问题,讨论了系统的递阶层次结构,层次指标体系和系统判断矩阵的数学模型。通过计算处理和综合,对决策对象和方案进行优劣排序,为决策者提供决策依据。本文的方法可推广应用于其他涉及优化排序的管理系统中。     

多目标决策分析中的目标关联分析法

针对多目标决策中的各目标之间存在相互联系 ,提出了“目标关联分析法”,通过建立目标关联矩阵 ,运用线性变换将原来相互关联的目标变换成一组等价的独立目标 ,进而确定影响系统运行的主要因素及权重 ,同时将各方案的原目标取值转换为独立目标下的取值 ,为多目标问题的分析和决策提供了一种新方法 .     

层次分析法(AHP)中的检验

分析了AHP(层次分析法)中现有检验指标存在的问题和应用的局限,设计了一个通用的检验指标,采用该指标,用统计学的知识进行一致性和相容性检验.该方法比通常方法使用面广、简单、精确.通过一个指标解决了AHP中的所有检验指标问题.     

大系统建模中的主成分分析法

大系统、尤其是社会经济大系统建立数学模型是困难的,难点在于大系统中变量多,变量之间关系复杂,而且对大系统运行机制也不完全了解。而目前由观测数据直接建立数学模型的方法还基本上属于尝试法,即便最简单的多项式模型种类在次数不变的情况下也随变量的增加而惊人地增加,计算工作量迅速达到无法忍受的程度。因此努力将系统划分成较小的部分分别建立数学模型,再加以拼装调整一直是大系统建模的一个主要方法。但既能把大系统分解成若干个关联较少的子系统,而又不借助于定性知识的方法还不成熟。     

优化理论在层次分析法中的应用

层次分析法是美国运筹学家、匹兹堡大学A.L。Saaty在70年代初提出的。它是通过明确问题、建立层次结构、构造判定矩阵、层次单排序、层次总排序、一致性检验六个步骤来进行整个系统层次分析的。但是传统的层次分析法在进行层次单排序时,一般是通过求特征值和特征向量的方法(称幂法)来确定层次单排序结果的,不但求解复杂、计算量大,而且求得的权重也不是最优的;尽管根法与和积     

基于两维语义的科学基金立项评估方法

针对现行科学基金立项评估方法中存在的不足, 提出基于两维语义的科学基金立项评估方法. 将科学基金立项评估的同行评议表中专家提供的"熟悉程度"和"综合评价等级"作为两维语义评价信息, 并将其转化为证据体, 用评价等级和信度表示专家的评审意见, 从而既能充分整合评审中有价值的信息, 又能方便描述专家评价中的不完全信息; 利用专家的"熟悉程度"和群体专家评价信息的差异性对专家进行组合赋权; 然后利用证据推理算子将专家评估信息集结, 并将不同项目进行量化排序择优; 最后结合实例来检验该方法的有效性.     

Bayes-可拓判别

研究了Bayes判别与可拓判别两种判别法的优缺点,在Bayes判别规则中引入了关联度,建立了集Bayes判别与可拓判别两种判别方法优点的Bayes 可拓判别法,并证明了Bayes判别法与可拓判别法都是Bayes 可拓判别法在一定条件下的特例.通过对举例计算结果的讨论,显示了Bayes 可拓判别法的优越性.     

Elman与BP神经网络在矿井水源判别中的应用

介绍了Elman神经网络与BP神经网络,以谢一煤矿为例,分别利用Elman网络与BP网络,针对地下水化学特征分别建立突水判别模型,实例结果表明:Elman网络模型比BP网络模型具有更高的判别精度,更快的运算速度,更好的反应地下水系统特性,为矿井水害防治提供了一种辅助决策手段.     

层次分析法在股票投资价值评价中的应用

本文利用层次分析法,构造了股票投资价值评价的层次分析结构模型,并以上海证券交易所的部分上市公司的股票为例进行了应用探讨。     

A Decision Support Model and Procedure for Selecting Interrelated R&D Projects

A decision support model with stochastic multiobjective functins and constraintsand its solution provedure are presented for selecting RD projects,in which the uncertaintyof project evaluation and selection,the interactions of technique,resource and benefit amongprojects,and the experience,knoeledge and preference of RD managers are considered .Thestatistical results of stochastic factors representing the benefit contributions and the theree kinds     

基于核的Fisher极小鉴别分析及人脸识别

Fisher鉴别分析被公认为是特征抽取的有效方法之一,但由于其只能抽取线性特征,而对于实际应用中复杂的样本图像分布,抽取非线性鉴别特征显得十分必要.先前的基于核Fisher鉴别分析算法虽然解决了非线性特征抽取问题,但是其存在最终特征维数受类别数限制的问题.为了能够进一步提高特征提取效率,提出了一种基于核的Fisher极小鉴别分析方法,该方法使得最终特征雏数不受类别教限制.在Yale和NUST603人脸库上进行了鉴别性能实验,实验结果验证了该方法的有效性.     

一种最优的核Fisher鉴别分析与人脸识别

基于核的Fisher线性鉴别分析(KFDA)已成为抽取非线性特征的最有效方法之一。但是,针对必然面临的奇异性问题,如何抽取非线性最优鉴别特征还没有得到很好的解决。基于同构映射的思想,我们提出了一种最优的核Fisher鉴别分析(OKFDA)方法,从理论上巧妙的解决了奇异情况下最优鉴别矢量集的求解问题。在FERET人脸库的子库上的实验结果验证了OKFDA方法的有效性。     

二维最大散度差图像投影鉴别分析

提出了一种新的二维散度差图像投影鉴别分析方法。该方法利用类间离散度与类内离散度之差作为鉴别准则，从根本上避免了传统的Fisher线性鉴别分析所遇到的小样本问题时。所提出的方法是直接基于图像矩阵的，与以往的基于图像向量的鉴别方法相比，它的突出优点是大大提高了特征抽取的速度。在ORL人脸数据库和AR标准人脸库上的仿真试验结果表明，所提出的方法不仅在识别性能上优于传统的散度差鉴别分析，特征抽取的速度有了较大幅度的提高。     

一种集成logistic回归与支持向量机的判别分析规则

支持向量机的输出结果可以通过几何分析划分为六个连续的区间,并求得各个区间内训练样本的错误分类频率.本文以二分判别为例,将每个区间上的误分频率与logistic回归对预测样本的输出概率进行比较,提出了一种集成logistic回归与支持向量机的判别分析规则,并采用支持向量机效果验证的基准数据集进行实证分析.实证结果验证了所提出方法的有效性.     

基于一种最优核鉴别矢量集的雷达目标识别

基于高分辨距离像的雷达目标识别的关键是如何提取距离像的有效鉴别特征.通过分析核Fisher准则函数下核类内散布矩阵的零空间信息与非零空间信息对识别的贡献,基于同构映射思想,求解出一组最优鉴别矢量集,用于提取距离像的鉴别特征.同时,给出一种快速算法,用较少的训练样本表达投影方向,加快了鉴别特征的提取速度.基于外场实测数据的实验证明了方法的有效性.     

多项目多位置优化配对决策方法及应用

针对多目标多项目选址问题,构造出一种新的效用转换函数,并根据该转换函数将原始属性矩阵归一化到效用矩阵上,在此基础上,提出一种新的基于"奖优罚劣"原理的多目标多项目选址决策模型和实施步骤,提高了分辨精度,使决策更加科学.文章将这一方法实际应用到某市多工程项目选址决策问题中,结果表明该方法是可行的.     

基于多尺度低频特征组合的线性鉴别分析

目前线性鉴别分析(LDA)方法是在原始图像上直接进行,抽取的是图像的全局特征,受光照、表情变化而引起的局部高频信息影响较大,忽视了更能反映图象本质的低频特征.为此提出先将图像进行多尺度划分,再提取划分后的每个子图像的低频部分,组合起来作为该图像的特征向量,最后根据这些特征向量再应用LDA方法进行鉴别分析.多尺度低频特征组合的向量反映了图像从局部到全局的全部低频特性,具有更有效的鉴别信息.在ORL和Yale人脸库上的实验结果显示,所提出的算法识别性能显著提高,鉴别能力更好.     

核Fisher判别分析方法评估消费者信用风险

利用基于核函数和线性Fisher判别构建的核Fisher方法评估消费者信用风险。该方法首先通过核函数建立一个非线性映射,把原空间中的样本点投影到一个高维特征空间,然后在高维特征空间中应用线性Fisher函数,把具有不同属性值的样本点判别到相应的类别。通过对个人信贷数据的研究表明,核Fisher方法可以有效地评估消费者信用风险。     

基金项目成果的评估系统初探

本文运用系统工程的思想和层次分析法（ＴｈＡｎａｌｙｔｉｃＨｉｅｒａｒｃｈｙＰｒｏ－ｃｅｓｓ）对已结题的基金项目进行跟踪管理，主要是对成果评估作了分析，讨论了建立成果跟踪管理评估系统层次结构的步骤，以及主要层次指标体系的判断矩阵，给出了基金项目成果跟踪管理评估系统。