应用遥感影像更新地理信息若干问题的探讨

首先，针对高空间分辨率卫星遥感影像用于地理信息更新的特点，对信息融合、变化检测、数据挖掘、影像检索等问题进行了研究。遥感影像用于地理信息更新时，一方面应对多源遥感信息进行融合，特别是发展决策层融合算法，另一方面应进行多时相遥感信息融合和变化检测。其次，针对多时相遥感信息融合，提出了一种新的多时相融合处理方法体系，并针对自动信息更新的要求，探讨了遥感数据挖掘应重点解决的问题及其在地理信息自动更新中的应用。最后，面向快速影像提取和检索的需求，研究了基于内容的遥感影像检索技术，并重点分析了检索中能够应用的影像特征。     

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.     

一种改进的关联规则增量更新算法

数据挖掘技术引起了数据库和人工智能等领域的专家和学者的广泛关注。关联规则的挖掘是数据挖掘研究的一个重要领域,本文分析了经典的增量更新算法FUP的不足,提出了一种改进的增量更新算法EFUP,详细论述算法思想,并与FUP算法比较分析,表明了该算法的优越性。     

基于关系积的属性约简算法

粗糙集的属性约简是一个NP难问题,目前尚无高效的算法.基于集合理论,提出了关系积概念和基于关系积的属性约简算法,把决策表的属性约简过程转化为关系积的运算,减小了对决策表的扫描次数,提高了属性约简的效率;算法采用自底向上和宽度优先的搜索策略,可确保找到最小属性约简集.结合实例,给出了算法的具体实现.     

基于理想点的三角模糊数群体多属性决策法

针对模糊群体多属性决策问题,提出了一种新的属性权重和属性值均以三角模糊数形式给出的模糊群体多属性决策方法.该方法先假设方案在主观评价属性下的属性值采用三角模糊数的形式来表示专家评价值的模糊性和不确定性,而后假定每一主观评价属性都有一组相应的专家权重值,以反映专家在不同评价属性中的重要性程度,同时考虑到专家意见的相似度,将专家意见进行集结得到专家群体关于方案集的模糊决策矩阵.最后定义了三角模糊数正理想方案和负理想方案,计算各方案与理想方案的接近度,以此给出了三角模糊数群体多属性决策问题的理想点法.通过实例分析说明了该方法的可行性和有效性.     

一种改进的基于极小调节的多属性共识法则的共识模型

在群体决策中,共识达成过程通常是一个交互迭代的过程,以共识模型(或算法)形式呈现。对于多属性群体决策,基于极小调节的多属性共识法则的共识模型最近受到较多关注。本文举例说明现有共识模型因其偏好调节建议的缺陷可能导致迭代过程不能收敛(其收敛性的证明存在错误),进而提出一个改进的共识模型,并证明了模型算法的收敛性;示例说明改进的共识模型有效、适用范围更广。对于多属性群体决策问题,本文提出的偏好调节方法对今后改进其他相关的基于极小调节的共识模型(算法)和开发新的共识模型提供了参考。