基于Sugeno积分的区间直觉模糊多属性决策

拓展了模糊测度与Sugeno积分的概念与理论,给出了区间直觉模糊信息环境下多属性决策的一种新方法.定义了区间直觉模糊值模糊测度与区间直觉模糊值Sugeno积分,并分析了它们与经典模糊测度及Sugeno积分之间的内在联系.在研究了区间直觉模糊值Sugeno积分性质和计算方法的基础上,提出了以该积分为集成算子的多属性决策方法.通过具体实例验证了该方法的实用性和有效性.     

一种基于区间数多指标信息的聚类方法

针对一类特征指标值及指标权重均为区间数的多指标信息聚类问题,给出了一种最大树聚类分析方法·首先对区间数多指标信息聚类问题进行了描述;然后依据传统的基于数值信息的最大树模糊聚类分析方法的基本思路,给出了解决区间数多指标信息聚类问题的计算步骤·最后,通过给出一个算例说明了所给出的聚类方法·     

基于支持向量数据描述和不确定性推理的单类隐写分析算法研究

单类隐写分析较传统的二类隐写分析有更好的"盲"检测特性和更强的通用性。针对单类隐写分析可靠性较低的问题,将不确定性推理理论应用于隐写分析中降低不确定性因素对单类隐写分析可靠性的影响,提出了一种基于支持数据描述和不确定性推理的单类通用隐写分析算法。实验表明,算法具有较好的可靠性、鲁棒性、通用性。     

基于后悔理论的区间二元语义多属性群决策方法

针对评价信息为区间语言变量的多属性群决策问题,提出了一种基于后悔理论的区间二元语义多属性群决策方法,该方法能够有效考虑决策者在决策过程中产生的一种风险规避,及其在后悔与欣喜之间存在的心理差异变化。首先,介绍关于区间二元语义信息的一些基本概念,并给出了区间二元语义均值与方差的定义;针对决策矩阵元素为区间二元语义变量属性权重部分未知的多属性群决策问题,利用区间二元语义的方差,通过构建优化模型确定最优属性权重,并提出了一种基于后悔理论的区间二元语义多属性群决策方法;最后将提出的方法应用至企业设计方案的选择中,结果与比较分析表明该方法具有一定可行性和有效性。     

基于神经网络数据融合方法的模拟电路故障诊断

根据模拟系统故障检测原理，采用神经网络与数据融合相结合的方法进行模拟电路故障诊断，提出了一种新型的基于D-S证据神经网络的故障检测与诊断方法．应用D-S证据理论对径向基函数网络进行了修正，用具有一个输入层、两个隐含层和一个输出层的神经网络实现．各个证据体的基本概率赋值的获取是D—S证据理论在实际应用中的难点问题，本方法中采用的是根据输入模式与原型模式之间的相似度以及原型模式的类别隶属度来确定基本概率赋值．借助神经网络自学习的功能，实现对类别隶属度的最优化．结果表明该方法能快速有效地进行故障诊断中大量数据的处理，具有很强的鲁棒性．     

实例检索中基于混合属性距离的相似性度量

提出了一种基于混合属性距离的相似性度量方法.利用各个属性间的距离及其组合权重求得实例间的总体距离,再用实例间的总体距离来刻画其相似程度.基于区间数的距离计算公式和模糊集合理论,给出了属性值为模糊数、模糊区间数时的距离公式,并改进了属性值为隶属度函数时的距离公式.同时考虑了属性权重问题,提出了一种基于距离离差信息的客观赋权方法,将主观权重和客观权重加以组合,以组合权重来计算实例的全局相似度.以阀门的概念设计为例,验证了该方法在实例检索中的的可行性和合理性.     

区间数多属性决策中决策矩阵的规范化方法

决策矩阵的规范化是多属性决策分析中的一个重要组成部分,针对具有不确定性区间数的决策矩阵的规范化问题,给出了两类实用的规范化方法,即基于区间数运算的规范化方法和基于误差传递的规范化方法·最后,给出了算例并说明了两类方法各自的特点·     

加权三元区间数型多属性决策TOPSIS模型及其应用

针对三元区间数距离计算中存在的问题,提出一种改进三元区间数距离公式的多属性决策TOPSIS模型。根据三元区间数的确定性和不确定性特点,用基于加权区间值的三元区间数距离代替三元区间数型TOPSIS模型中的欧氏距离,并以此计算三元区间数相对贴近度,按照三元区间数相对贴近度排序决策。通过一个边坡支护方案评价的例子计算分析,并与用其他方法得到的结果进行了对比,说明了方案的有效性。     

受限参数空间上的置信区间

当参数限制在某一范围内并服从一致的分布，且多余参数未知时，其贝叶斯置信区间有很高的置信概率。本文提出了利用随机变量的均值来计算置信区间的方法，并对上述结论进行了充分的检验，结果显示在更短的置信区间上仍然有很高的置信概率。     

无穷区间上具有p Laplacian算子的Sturm Liouville型边值问题的迭代正解

利用单调迭代方法得到了无穷区间上具有p Laplacian算子的微分方程边值问题迭代正解的存在性, 同时 也得到了解的相应迭代序列。