模糊决策对企业综合竞争能力的评价研究

企业的综合竞争能力的评价是比较难以掌握的,因为在评价过程中有许多指标是具有模糊性的,应用模糊决策综合评价企业竞争能力,将各项指标进行量化,减少主观干扰,是目前比较科学、有效、合理的一种评价方法.     

营销人员素质的模糊评价研究

在分析营销人员素质构成的基础上,利用层次分析法和模糊数学综合评价原理建立了营销人员素质的模糊评价模型,对定性的指标进行了定量化处理,将定性的评价结果统一转换为定量的结果,提高了企业招聘、考核及培训营销人员科学性。     

模糊综合评判法在高校教学评估中的应用

模糊综合评判法用于评估高等教育的原理在于要用模糊集合论及其隶属度。此种方法的优点在于：数学模型简单,易于应用和对多指标的复杂问题评估得到较好的结果。     

模糊聚类与信息熵综合评价法在防空C3I系统中的应用

建立了防空C3I系统总体效能评估指标体系,将模糊聚类和信息熵综合到评判过程中,在充分分析已有算法的基础上,给出了对其系统效能进行评估的基于模糊聚类和信息熵的综合评价方法,并通过算例验证了方法的正确性和实用性。     

基于模糊层次分析的大型游乐设施关键部件安全性研究

针对大型游乐设施关键部件安全性问题,提出了一种层次分析法与模糊综合评价法相结合的评价方法,对大型游乐设施关键部件进行安全综合评价。以过山车安全压杠为例,通过层次分析法建立了一套多因素指标评价体系,确定了指标综合权重,并结合专家评价法求出了平均值矩阵最终得到综合评价结果表明,该过山车安全压杠的安全性得分为83.4605分(百分制),对应的安全完整性等级为SIL3,安全性能良好,可继续投入使用。与第三方检验机构所出具的检验结果相吻合,表明该方法具有良好的准确性。     

考虑不确定性的多能互补系统双层优化调度

为了降低新能源并网对电力系统影响,本文中提出了考虑源、荷不确定性的风光水火储多能互补系统调度方法。首先基于模糊机会约束法处理风电、光伏出力及负荷预测值的不确定性;然后建立了源荷相关度数学模型,以衡量联合发电系统出力与负荷的匹配程度;然后构建了多能互补系统双层优化调度模型,其中上层以源荷相关度最大为目标函数,下层以系统运行成本最小为目标函数;最后提出了改进的遗传算法求解双层调度模型。基于算例仿真验证了所提模型和算法的有效性,为互补发电系统提供可靠的调度方案。     

基于模糊逻辑方法的多船会遇安全态势评估

为了提高水上交通安全,减少船舶碰撞风险,基于模糊逻辑理论提出一种多船会遇安全态势感知评估方法。首先,基于船舶自动识别系统数据判断船舶会遇等典型交通场景下船舶避让优先级;然后,利用船舶相对距离、航速、船速比(本船与他船的航速比值)和相对方位(本船与他船的航向比值)等因素建立模糊评价规则,利用模糊综合评价法量化会遇态势下船舶的碰撞危险程度;最后,基于给定的风险阈值给出船舶航行安全风险预警。基于AIS数据对上海洋山深水港水域附近的多船交叉会遇和多船对遇局面进行仿真实验,实验结果表明所提出的方法能有效评估不同交通态势下船舶安全风险程度,可为智能船舶智能航行决策和安全预警提供数据支撑。     

基于ICESat-GLAS数据和模糊模式识别算法识别森林类型

【目的】利用冰、云和陆地高程卫星-地球科学激光测高系统(ICESat-GLAS)回波波形数据,通过模糊模式识别算法,提出波形特征参数组合,对森林类型进行识别研究,以期提高森林类型分类精度。【方法】利用不同森林类型冠层在GLAS回波波形上表现出的差异性,提取波形特征参数 R_{\mathrm{fi}{\mathrm{t}}_1} 、K₁'和 \overline{K_1} ;将本研究提取的波形特征参数与其他波形特征参数相结合,建立波形特征参数组合;对样本数据波形特征参数进行指标归一化和奇异点检测处理,剔除样本数据中的奇异点样本;结合模糊模式识别算法,计算不同森林类型分类精度。【结果】针叶林和阔叶林森林类型分类总精度为96.30%,其中,针叶林和阔叶林森林类型分类精度分别为92.86%和97.50%;针叶林、阔叶林和混交林森林类型分类总精度为84.51%,其中,针叶林、阔叶林和混交林森林类型分类精度分别为85.71%、97.50%和52.94%。【结论】模糊模式识别算法在森林类型分类方面具有一定优势,尤其在针叶林和阔叶林森林类型识别方面,识别精度较高。     

基于T-S模型的时变时滞丢包网络控制系统H∞鲁棒控制

针对一类用T-S模糊模型描述的时变时滞和丢包的网络控制系统,设计使得闭环系统均方意义下指数稳定的H∞鲁棒控制器,并满足所给H∞范数指标.已知丢包发生在系统前向通道末端,满足Bernoulli随机序列分布.将描述具有时变时滞和丢包特性的网络控制系统模型离散化,通过设计Lyapunov函数、构造线性矩阵不等式,证明并给出了...     

基于模糊数据挖掘技术的入侵检测算法与应用

基于数据挖掘技术的入侵检测技术是近年来研究的热点,目前有不少入侵检测系统中都采用了关联分析的数据挖掘方法,现有的关联分析算法只能够解决数据中分类属性的挖掘,对于数值属性则不能直接使用,然而网络流量数据中包含了许多反映入侵状况的数值属性,已有学者提出了将数值属性先进行分类而后再进行关联分析的挖掘方法,然而这种方法带来的问题是在进行异常和正常划分时存在明确的界限,即“尖锐边界问题”,由于网络安全概念自身具有一定的模糊性,因此明确的界限可能会导致误报和漏报的情况产生,从而影响检测效果,文中提出了一种基于模糊关联挖掘技术的入侵检测算法,并采用遗传算法确定划分模糊集合的隶属度函数参数,最后的实验结果说明了该算法的有效性。