土地利用现状的灰色聚类分析研究

为了对土地进行定量、定位配置和适宜度评价,本文采用灰色系统理论中的关联度和模糊数学中的聚类分析相结合而形成的灰色聚类分析方法对土地的集约化程度和利用效益进行了研究,得出了土地利用效益与集约化程度成正相关的结论。     

Two-phase TOPSIS of uncertain multi-attribute group decision-making

To solve the uncertain multi-attribute group decisionmaking of unknown attribute weights, three optimal models are built to decide the corresponding ideal solution weights, standard deviation weights and mean deviation weights. The comprehensive attribute weights are gotten through the product of the above three kinds of weights. And each decision maker's weighted decision matrices are also received by using the integrated attribute weights. The closeness degrees are also gotten by use of technique for order preference by similarity to ideal solution (TOPSIS) through dealing with the weighted decision matrices. At the same time the group decision matrix and weighted group decision matrix are gotten by using each decision-maker’s closeness degree to every project. Then the vertical TOPSIS method is used to calculate the closeness degree of each project. So these projects can be ranked according to their values of the closeness degree. The process of the method is also given step by step. Finally, a numerical example demonstrates the feasibility and effectiveness of the approach.     

基于兴趣度的数据流频繁模式散列挖掘算法

频繁模式挖掘是很多数据流挖掘工作的基础.现有算法虽然能够有效的在数据流中挖掘近似的频繁模式, 但是由于数据流数据的不确定性、连续性以及海量性, 始终不能有效的将算法的时间效率和空间效率控制在一个可以接受的范围内. 本文通过使用散列表作为概要数据的存储结构, 并引入关联规则兴趣度的概念, 提出了数据流频繁模式挖掘算法MIFS-HT(mining interesting frequent itemsets with hash table), 不仅有效降低现有算法的时空复杂度, 同时提高了算法的应用价值. 最后, 实验结果表明: MIFS-HT是一种高效的数据流频繁模式挖掘算法, 其性能优于FP-Stream、Lossy Counting等算法, 并且挖掘结果更具有现实意义.     

拓扑可调无标度网络上的雪堆博弈研究

复杂网络上博弈个体间合作行为的涌现具有重要的现实意义.为了研究无标度网络拓扑结构对合作涌现的影响,结合雪堆博弈模型和比例模仿策略,研究了拓扑结构可调的无标度网络上的博弈动力学演化,具体研究内容为网络的幂律指数、平均度和平均聚类系数与合作密度的关系.仿真结果表明,无标度网络的合作密度与网络度分布的均匀程度正相关,高聚类结构可以有效增强网络上的合作密度,即幂律指数越高,平均聚类系数越小时,合作水平越低;另外,平均度与合作密度呈现非单调关系,存在一个最佳平均度.     

模糊灰色关联排序方法及其应用

本文运用系统分析、模糊集理论和灰色关联分析，将设计方案的评选、产品性能的评估等问题，归纳成方案排序问题，并划分为模糊评估和灰色关联分析两个过程，建立了方案排序的多工况模糊加权关联度模型．实例应用表明该方法是可行的．     

属性权重信息不完全区间数多属性决策方法

依据传统的TOPSIS方法的基本思路,基于相对隶属度法,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤。其核心是借助每一方案的综合加权距离求得每个方案相对于优等方案的隶属度,再按隶属度的大小进行决策。该方法克服了以往研究此类问题时所遇到的区间数难以排序的困难,表明相对隶属度法的择优与排序能力要比传统的逼近理想解法强。最后,用实例说明了模型的可行性和有效性。     

基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

基于节能服务的嵌入式低碳服务机制研究

碳排放依赖型企业在引入嵌入式低碳服务(embedded low-carbonservice)时往往面临着低碳节能水平信息不对称带来的项目风险.鉴于此,在低碳经济背景下,本文考虑了低碳服务商(lowcarbon service provider)的投资水平和低碳节能能力不可观测情形嵌入式低碳服参与主体间最优激励契约的设计问题.同时对该情形下的最优激励契约进行了分析.应用嵌入度刻画嵌入式低碳服务参与主体间的价值共同度,分析了嵌入度对最优激励契约的影响.研究表明,低水平的嵌入度将使得低碳服务商承担更大的项目风险,同时形成需要低碳服务商每期预付节能保证金的合同模式.高水平的嵌入度能促进嵌入式低碳服务的低碳减排效率.     

基于粗糙决策模型和蚁群算法的故障诊断

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具,它能在保持信息系统分类能力不变的前提下,有效地进行知识约简;决策树算法可对约简后的决策表进行规则提取,有着直观、能定量分析的优点.提出一种变化趋势关联度来评价条件属性的重要性,建立粗糙决策树故障诊断模型,并在诊断推理中引入一种新的人工智能方法——蚁群算法,来确定决策树的最优检测次序.将其应用于工业精对苯二甲酸(purified terephthalic acid,PTA)生产过程中的对二甲苯氧化反应温度的诊断结果表明了提出方法的有效性.     

灰区间可靠度的确定方法

灰区间可靠度直接影响建立在灰区间基础上的有关研究结果 .本文提出了一种确定灰区间的方法 ,建立了一个确定灰区间可靠度的数学模型 .