Paradox of voting and the trivial preference set of group decision making

The structure of the trivial preference set of group decision making is studied, and the essential characters and generating reasons of the paradox of voting are revealed.     

Reliability Research of Computerized Voting System

ＲｅｌｉａｂｉｌｉｔｙＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｉｚｅｄＶｏｔｉｎｇＳｙｓｔｅｍＴｏｎｇＹａｎｌｉｎｇ（童彦伶），ＴａｎｇＪｉｎｇｘｉｎ（唐竞新）ＤｅｐａｒｔｍｅｎｔｏｆＡｕｔｏｍａｔｉｏｎ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉ...     

基于半监督K-means的K值全局寻优算法

提出一种基于半监督K-means的K值全局寻优算法,该算法打破传统方法中采用样本类别作为K值的限定,利用少量标记数据即可指导和规划大量无监督数据.结合数据集自身的分布特点及聚类后各个簇内的监督信息,根据投票方法来指导簇中数据集的类别标记.实验表明,本文所提出的方法可以有效的寻找适合数据集的最佳K值和聚类的中心,提高聚类性能.     

基于张量投票的激光扫描数据修复方法

考虑到张量投票技术能够提供图像的几何结构信息,提出一种基于张量投票的激光扫描数据修复方法。首先根据张量投票技术,建立图像修复优先级,进而根据窗口内有效像素和无效像素的比例,用迭代的方法修复具有最大优先权的待修复像素。由于窗口自动选取,因而这种方法具有良好的实用性。实验结果表明,与常用方法相比,所提算法具有良好的修复效果。     

基于匀光处理的自适应裂缝分割与提取算法

针对光照不均匀与水体模糊效应导致水下图像中建筑物裂缝提取难度增加的问题,提出一种基于匀光处理的自适应阈值分割算法。首先,通过对全局图像进行匀光处理。在保护纹理信息的同时消除亮度分布不均的问题。然后,使用Hessian矩阵去除部分非裂缝信息,根据处理前后图像直方图的变化自适应确定分割阈值。最后,使用张量投票对分割结果进行线性增强,以实现去除噪声、连接裂缝片段的效果。实验结果表明:该算法不仅能对水下光照不均匀图像中的弱裂缝进行有效分割提取,同时也适用于常见水上裂缝图像。     

分块统计特征和最优分辨力选择特征相融合的掌纹识别

为提高掌纹识别的性能,提出一种分块统计特征和最优分辨力选择特征相融合的掌纹识别方法。首先对预处理后的掌纹图像进行多方向、多尺度Gabor变换;然后将掌纹划分多个子块提取特征,将各子块特征进行拼接得到整个掌纹特征向量;最后以特征分辨力为准则选出最优掌纹特征子集建立两分类器,通过投票机制建立掌纹多类分类器,并采用Po1yU掌纹库进行性能测试。测试结果表明,该方法的掌纹识别性能优于对比掌纹识别方法。     

二元表决程序的稳定性分析

通过定义稳定性判据，探讨了一般二元表决程序在不同的投票行为方式（诚实投票和策略投票）下的稳定性（即防操纵性）问题．所得结果表明：一般二元表决程序无论是在诚实投票行为方式下还是在策略投票行为方式下都不稳定．这说明一般的二元表决程序都可操纵．     

基于自检测的多数一致表决算法

为了解决多数一致表决算法在不一致情况下没有输出的问题和更好地应对瞬时错误,设计了一种基于自检测的多数一致表决算法。该算法通过分散于任务代码中的检测代码实时地收集瞬时错误信息,作为表决的辅助信息。设计了一个能收集内存(RAM)和算术逻辑单元(ALU)错误信息的检测序列,构造了一个简单的代码解释器,从机理上仿真了检测密度、错误持续时间、单个模块可靠性等因素对该表决算法的影响。结果表明,最好的情况下,该算法正确性比扩展的基于历史信息的多数一致算法、多数一致中值法分别提高3%和15%。     

任意分布的冷备表决系统可靠度求解

k/n: M(G)冷备表决系统包含n个工作部件, M个冷储备件, 至少有k个部件工作时系统工作。然而, 现有对于k/n: M(G)冷备表决系统的研究集中在同型指数分布的情况, 缺乏针对其工作部件非同型且服从任意分布的情况的研究。本文研究了k/n: M(G)冷备表决系统的可靠度, 系统部件服从任意分布, 冷备件服从同一分布。对k=n的情况, 给出了M取任意值时部件同型和非同型情况下的系统可靠度解析式。对于k＜n的情况, 考虑了两种不同的冷备件替换策略, 给出了部件同型情况和非同型M取特定值情况下的系统可靠度解析式。蒙特卡罗仿真实验证明了所提方法的准确性。     

基于代表率与投票机制的分类方法监测片剂包衣终点的研究

利用近红外技术,建立了一种基于代表率和投票机制的分类方法监测片剂包衣终点。首先,采用系统聚类对各包衣时间点样本均值进行聚类,建立分类模型;然后,用本文提出的代表率对各时间点样本进行模型验证,通过代表率验证均值聚类模型,明确模型的有效性和可行性;最后,用训练模型预测各时间点样本类别,通过投票机制获得各时间点最终投票结果,弥补了系统聚类无模型预测的不足,也可避免个别样本导致的错误判断。经实验数据验证:代表率最低的是T100M,为73.33%;最高的是T130M,为100.00%;平均代表率为86.77%。投票结果得出第一批测试数据和第二批测试数据的包衣终点分别为1T130M、2T132M,另外投票机制还能监测其他时间点的包衣过程。