区域产业的非均衡协调发展研究

分析了区域产业的非均衡协调发展的重要性,说明了区域产业的非均衡协调发展的战略思想变迁,系统地对国内区域产业的非均衡协调发展的研究成果进行了综述和简要评价,探讨了我国区域产业的非均衡协调发展研究的基本方向。     

基于结果修剪法解决文本分类中属性重叠问题

在文本分类中,当两个多属性类别发生属性重叠时,采用传统的文本分类算法m acro F1值仅为45%左右.为了提高文本分类算法的m acro F1值,提出了基于结果修剪的方法.在该方法中,分类器由多个子分类器组成.每个子分类器对应于类别中的一个属性;在每一个阶段中,每一个子分类器将不属于该属性的文本剔出.当所有子分类器运行结束后,留下的文本即属于该分类的文本.实验数据表明,基于结果修剪的文本分类方法在解决属性重叠问题时能够将m acro F1值提高到65%左右.     

一种区间直觉模糊信息集成的新方法

研究了属性权值完全未知且属性值为区间直觉模糊数的多属性决策问题．首先提出了一种将区间直觉模糊数转化为区间数的公式;然后,基于可能度法给出了一种新的客观赋权方法。并给出一种基于可能度的方案的排序方法;最后。通过实例证明了该方法的有效性和实用性．     

基于模糊法和神经网络的增压开采方案的优选研究

多属性决策问题广泛存在于经济、管理、社会等各个领域中,如方案优选、工厂选址、资源分配、投资决策、项目评估、质量评估、科研成果评价、人才考核、产业部门发展排序、经济效益综合评价等,因此多属性决策理论及方法有着广阔的应用前景．对多属性决策理论、方法及其应用进行系统的研究具有重要的学术价值和实践意义．基于模糊理论的模糊优选方法是一种用于涉及模糊因素决策问题的优选方法,采用模糊优选方法可以较好地解决方案优选中的模糊性问题．本文以ANN、模糊理论为基础,对引入模糊优选方法解决气藏增压开采方案优选问题进行研究．     

TOPSIS法应用中的逆序问题

在多属性决策中,TOPSIS法是一种常用的排序方法,传统的TOPSIS法在应用中容易产生逆序。本文分析TOPSIS法产生逆序的主要原因,提出一种基于参照标准和绝对理想解的改进方法,不仅举出实例对改进的TOPSIS法进行了有效验证,而且对本文方法的保序范围也做了进一步说明。与其他排序方法相比,当决策方案集发生变动时,本方法还能充分利用已有计算结果,使得决策所需计算量大大减少。     

基于期望值的模糊多属性决策法及其应用

研究了属性值以及决策者对方案的偏好信息均以三角模糊数形式给出的模糊多属性决策问题.定义了期望值决策矩阵的概念,对于权重信息完全未知或只有部分权重信息的情形,给出了一种基于期望值的模糊多属性决策方法.该法的特点是:既能充分利用已有的模糊客观信息,又能尽可能地满足决策者的主观愿望.最后把该法应用于解决虚拟企业的合作伙伴选择问题.     

基于Choquet模糊积分算子的多指标属性船型方案优选模型

船型方案排序及优选是一个多指标属性、多层次且指标属性相互关联的决策问题.考虑船型方案评价中各评价指标间存在的模糊性和相互关联性,利用模糊测度和Choquet模糊积分算子对船型方案进行优选.此方法的优点是考虑了方案各指标属性的关联关系,而且决策过程不用确定各指标属性的权重,减少了决策过程中决策者的主观臆断性,使排序结果更具客观性和科学性.计算实例说明:基于Choquet模糊积分方法建立的船舶方案优选模型正确,方法简单,结果合理,为船型方案选择提供了一种可靠的参考.     

区间数密度算子及其应用

针对决策信息为区间数形式的不确定多属性决策问题,将密度中间算子由精确值形式拓展到区间数形式.通过引入"区间隶属度"的概念对区间数进行聚类,并给出一种通过规划模型确定密度加权向量的方法;在此基础上,对区间数密度中间算子及其合成算子进行了界定.最后,通过一个算例对区间数密度算子的应用进行了说明.该方法结合区间数的特征,进一步拓展了密度算子的理论体系和实际应用范围.     

基于定性模拟的分组多属性逆向拍卖评标行为分析

网络逆向拍卖已经成为政府和大型企业集团集中采购的重要途径,分组多属性评标是当今普遍采用的评标机制.针对采购招投标现状,提出了分组多属性逆向拍卖概念,在评标专家有限理性的前提下,分析了评标机制中可能存在的问题,提炼出了专家评标工作行为变化各因素及相互作用关系图,建立了影响评标专家决策的定性模型.利用定性模拟技术对评标专家对立情绪等行为进行仿真研究,进而调整不同时刻的决策变量,仿真结果表明评标专家组之间对立情绪的累积现象是明显存在的,适时采取合适的管理措施对情绪的累积有一定的减缓作用,并给出了三点改进建议,以提高评标公平性.     

广义实型密度加权平均中间算子及应用

针对普遍存在的向量、矩阵等多维的数据形式,将面向点值的密度加权平均中间(DWA)算子拓展为广义实型密度加权平均中间(GR-DWA)算子.给出了通用的数据元素聚类过程,该过程能够对点、向量、矩阵等3种类型的数据进行有效分组.研究了一种兼顾"规模"与"功能"信息的密度加权向量设置方法,并给出了3种参数确定思路,以支持主观、客观或主客观结合等多种决策方式.定义广义实型密度算术平均(GR-DWAAA)算子,并探讨了GR-DWA算子在多属性群决策中的多种运用途径.最后,给出了GR-DWAAA算子处理多属性群决策问题的一个应用算例,算例的结果验证了算子的有效性.