基于离差最大化的决策者权重的确定方法

基于离差最大化思想提出了一种确定多属性群决策中决策者权重的新方法。先根据群决策者对方案属性的客观评价值计算出属性的权重,然后根据各方案的综合属性值,基于离差最大化法给出决策者的权重,进而给出多方案间的排序。该方法充分发挥了离差最大法的客观赋权性,并且能够激励决策者对已知方案进行客观合理评价。最后将该方法应用于某化工建设项目环境影响技术评估,实例表明该方法的可行性和有效性。     

异质可复用构件属性模型

提出了一种五元组软构件属性模型，讨论了与之相关的方法和语言，并用ＢＮＦ刻划了所提出的模型，还介绍了软构件操作原语。     

无翼平底弹头的属性散射中心模型改进与参数估计

针对传统属性散射中心模型在描述散射中心幅度随方位的变化存在不足,本文依据目标的逼真散射数据对属性散射模型中的方位依赖关系进行了修正,并通过图像匹配结合遗传算法对散射中心的各个参数进行了估计. 为了验证模型的有效性,文中给出了修正模型的仿真结果与传统模型仿真结果以及全波法计算结果的比较. 结果表明,相对于传统的属性散射中心模型,改进后的模型能更准确地描述真实散射中心的幅度随方位的变化关系.      

QFD中用户需求到技术特性的映射方法

针对质量屋存在内在模糊性和不确定性的问题,引入了粗糙集理论中的基本原理.提出了粗糙数的概念,用于得到客观的用户需求重要度排序.将用户需求与技术特性的关联性测度和技术特性自相关性确定问题转化为决策系统中条件属性重要度的确定问题,并结合条件熵与互信息的概念,提出了一种可提高计算精度的属性重要度算法.为了实现技术特性的最优配置,建立并求解以可用资源决策值与目标值的偏差最小为优化目标的整数规划模型,从而实现由用户需求到技术特性的映射.最后,通过推力轴承设计实例验证了所提方法的可行性和有效性.     

面向用户需求的覆盖约简模型

许多学习算法都存在这样一个偏置：属性集中的属性同等重要.然而,这种假设不一定实际.如果把属性集中的属性根据实际情况考虑为分别具有不同的重要性,那么由此获得的模型应该更合理,也有不少学者将此考入到算法中.文章将计算属性约简的问题转化为计算集合覆盖约简问题的思想,通过将描述用户需求或偏好的属性序纳入考虑,设计了基于用户需求的覆盖约简算法,并且对计算复杂性分析.最后运用实例验证了算法的可行性和有效性.     

逼近群体理想解的多属性群决策新方法

对每个属性下不同决策者权重不同的决策问题,提出一种始终基于群体理想解的新方法.首先,对每个备选方案定义群体理想解和负理想解,求出对每个决策者而言该方案与其群体理想解的相对贴近度;然后,基于群体贴近度矩阵定义整个备选方案集的群体理想解和负理想解.进而计算决策群体对各备选方案的最终排序结果;最后,以供应商选择算例说明其有效性.该方法将逼近理想解法扩展到群决策,以群体理想解取代群体效用,避免了群体效用归并难题.     

基于模糊聚类模型的葡萄酒分类

应用模糊聚类分析的思想和方法,综合考虑酿酒葡萄的各项理化指标,建立了葡萄酒分类的数学模型。一方面,通过对理化指标的相关性分析进行属性约简,刻画了理化指标之间的内在联系;另一方面,在属性约简的基础上对每个属性进行加权,经实验验证两方面均可以优化模糊聚类分析模型对葡萄酒质量的分类效果。     

项目投资选择模型的左右得分型TOPSIS法

由于决策者知识的局限性和现实决策问题的复杂性,某些多属性决策问题的属性值常需要模糊数刻画。三角模糊数是一类有效刻画模糊属性值的一类模糊数,于是针对属性值为三角模糊数的项目投资选择问题,提出了一类新的多属性决策方法。其具体步骤是:首先利用左右得分的基本思想将规范化的三角模糊数定义左右得分,进而将决策矩阵转化为基于得分的区间数决策矩阵,最后依据TOPSIS法的基本思想对备选方案进行排序和择优。文末通过实际例子说明本文所提出的方法的有效性和实用性。     

一种适用于Hadoop平台的基于属性访问控制模型

针对Hadoop平台缺乏有效访问控制机制的问题,提出一种适用于Hadoop平台的基于属性访问控制模型H-ABAC.该模型将传统ABAC模型扩充为五元组,加入安全等级属性增加了灵活性,选择XACML为策略描述语言并提供标准化、可大规模扩展的访问控制策略.对该模型进行形式化定义,构建模型框架并详述各个模块的功能与实现,对模型的适用性和优势进行了分析.分析得出:该模型可以满足自主、细粒度以及动态授权的需求.仿真实验显示:H-ABAC可以有效控制策略数量并且减少系统的开销,所增加时间开销也在可控范围之内.     

单层模糊智能控制系统模型与应用

系统决策基于系统的属性信息,这些信息有定性的也有定量的.综合定性与定量信息,基于模糊推理理论建立了一个普适的单层属性的模糊智能控制系统.将决策信息分级并模糊化,建立模糊推理规则库;依据模糊化的决策信息搜索推理规则库,进行模糊合成得到控制信息.实现对系统的智能化控制.讨论了系统运行的时间复杂度和空间复杂度,并进行了证明.最后给出了单层模糊智能控制系统的一个应用实例.