应急辅助决策中案例表示与检索方法研究

针对突发事件发生后如何进行应急决策的问题,基于应急案例的层次结构提出了应急案例的XML表示方法,解决了异构应急案例的统一表示问题.在案例检索算法中,设计了一种基于结构相似度和属性相似度的双重案例检索算法,有效克服了传统最近邻算法中由于案例属性值缺失而无法进行案例相似性计算的缺陷.台风领域案例检索算法应用过程的实例说明了...     

基于知识测度的区间直觉模糊多属性群决策方法

针对现有的区间直觉模糊熵未能全面体现区间直觉模糊集所包含的信息,从而会导致相关熵应用的多属性群决策出现偏差这一问题,提出了一种基于知识测度的区间直觉模糊多属性群决策方法.首先,利用扩展的区间直觉模糊知识测度确定属性权重;然后,利用区间直觉模糊加权算术平均算子集成信息,得到各备选方案的综合属性值,进而用得分函数对方案进行排序.最后通过一个实例表明了提出方法的合理性和有效性.     

一种不完全信息下群体决策专家权重的确定方法

研究属性权重为实数且属性值为区间数的群体多属性决策问题,利用区间数的相离度概念及系统聚类分析的方法,先对群体决策的专家进行分类,然后确定每位专家的权重.     

基于统计学法则的连续属性值划分方法

目前决策树中很多分类算法例如ID3/C4.5/C5.0等都依赖于离散的属性值,并且希望将它们的值域划分到一个有限区间。利用统计学法则,提出一种新的连续属性值的划分方法;该方法通过统计学法则来发现精准的合并区间。另外在此基础上,为提高决策树算法分类学习性能,提出一种启发式的划分算法来获得理想的划分结果.在UCI真实数据集上进行仿真实验.结果表明获得了一个比较高的分类学习精度、与常见的划分算法比较起来有很好的分类学习能力。     

基于方案满意度的区间型多属性决策方法及应用

研究了属性权重和属性值均以区间数形式给出的不确定多属性决策问题.针对此类区间型多属性决策问题,定义了方案的综合属性正理想值、综合属性负理想值和带风险度的综合属性值;依据决策者对风险的态度,给出了方案满意度函数;提出了基于方案满意度的单目标优化模型;最后应用该模型解决了投资方案的选择问题.     

构建区间数排序准则下的多属性群决策理论与实践

针对多属性群决策问题,构造区间数表达属性值并用区间数熵值法确定属性权重;建立区间数排序模型,利用各方案中加权的属性优劣个数进行比对决策.基于此,提出一种区间数排序准则下的多属性群决策方法.最后通过实例对决策过程做了详细说明,结果表明该决策理论指导实践科学有效.     

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.     

一种决策信息为区间直觉模糊数的多属性决策方法

将C-OWA算子应用到区间直觉模糊数上,定义了集成区间直觉模糊信息的IC-OWA算子.对于属性权重已知,属性值为区间直觉模糊数的多属性决策问题,先利用IC-OWA算子对决策属性值进行集成,然后对集成结果加权求和,得到各方案的综合属性值,最后根据综合属性值排序和择优.实例分析表明了该方法的合理性和有效性.     

区间数多属性决策的Monte Carlo方法

定义了新的方案比较的可能度.对于属性值以区间数形式给出的区间型多属性决策问题,提出了一种新的决策方法.该方法无需计算方案综合评价值的概率分布,只要已知各方案各属性值的概率分布即可对区间数进行比较和排序,具有简洁、直观、易于计算的特点.最后通过假定方案各属性值服从均匀分布的实例对方法的有效性和实用性进行了说明.     

基于联系数的多属性决策模型

针对权重为区间数且属性值为实数和区间数相混合的多属性决策问题,提出了基于联系数的多属性决策模型.该模型将区间型权重、实数型及区间型属性值转化成联系数的形式,利用联系数的运算规则确定决策方案的排序.该方法集确定与不确定分析为一体,反映了不确定性对结果的影响,所需计算量较少,便于应用.实例分析验证了该方法的有效性和实用性.     

基于粗糙集的航路飞行冲突智能解脱CBR系统案例检索方法

针对航路飞行冲突智能解脱中的案例推理问题,提出了基于粗糙集的改进案例检索方法.建立了框架式案例知识系统表达结构,包括19个条件属性变量和1个决策变量.将基于信息熵的全局优化算法和启发式快速约简算法用于属性约简,把17项案例属性检索指标根据天气和军方活动的情况分别简约为4项.依据条件属性对决策属性的影响程度,建立了基于粗糙集属性重要度的指标权重确定方法.通过算例进行计算,将简约前后的案例检索效果进行比较,结果表明一致性达到90％.简约后的属性不仅可以保证较好的检索质量,还能够有效减少检索空间,提高检索速度.     

区间直觉梯形模糊几何Bonferroni平均算子及其应用

研究了决策信息为区间直觉梯形模糊数且属性间存在相互关联的多属性群决策问题,提出一种基于区间直觉梯形模糊几何加权Bonferroni平均算子的决策方法.基于区间梯形直觉模糊数的运算法则和几何Bonferroni平均算子,定义了区间直觉梯形模糊几何Bonferroni平均算子及其加权算子.给出了这些算子的一些性质,建立基于区间直觉梯形模糊几何加权Bonferroni平均算子的多属性群决策模型.最后,将该方法应用在供应商选择的群决策问题中,结果表明了该方法的有效性与可行性.     

基于事例推理系统中的模糊检索

针对现有建筑结构初步设计专家系统的检索方法存在的不足,介绍了一种基于事例推理的新检索方法.该方法基于模糊相似优先的实例检索思路,采用海明距离的模型描述属性间距离,更好地反映了不同事例属性值的差异,并赋予属性权重系数更加直观的意义,使之更容易选取,适用于普通数据库(非模糊数据库)中的数量型属性的检索.结合一个高层建筑结构初步设计结构选型的工程案例,进行事例检索,说明了新方法的可行性和合理性.     

实例推理检索中相似度量方法的研究

在实例推理检索过程中 ,通过相似特征度量方法完成最相似实例检索 ,采用粗集理论判断实例特征属性的重要性 ,把最反映本质的相似特征属性用来进行相似度量 ,使度量结果比较客观地反映出实例和待解问题的相似程度 ,提高了实例检索的准确性。     

基于粗集理论的雷达辐射源信号识别

将粗集理论（RST）引入到雷达辐射源信号（RES）识别中，提出一种区间连续属性离散化新方法及相应的特征选择算法，将RST与神经网络（NN）结合，设计粗集神经网络（RNN）分类器．实验结果表明，该方法解决了已有方法难以处理的区间连续属性离散化问题，获得的正确识别率比其他3种方法分别高出7．29％、4．34％和4．00％．RNN的平均训练代数比NN少97．54，RNN的平均识别率比NN高2．84％，这表明RNN具有比NN更好的分类能力和泛化能力，从而证实了该方法的有效性和可行性．     

区间集概念格属性约简的组成与结构

区间集是解决部分已知概念、近似不可定义或复杂概念的研究工具。概念格是机器学习、数据挖掘、知识发现和信息检索等领域的一种很有效的数据分析工具。区间集概念格是这两种方法的结合,是对于部分已知概念或不可定义概念信息系统进行机器学习、数据挖掘、知识发现和信息检索的一种有效的数据分析工具。区间集属性约简是揭示区间集概念格本质特征的一种方法。本文揭示了区间集属性约简的组成与结构:两个区间集相对必要属性不能在同一个区间集属性约简中出现;区间集约简与任何一个区间集相对必要属性等价类的交都不空;核心属性和每个区间集相对必要属性等价类中取一个属性组成的集合一定是区间集属性约简。     

一种区间直觉模糊信息集成的新方法

研究了属性权值完全未知且属性值为区间直觉模糊数的多属性决策问题．首先提出了一种将区间直觉模糊数转化为区间数的公式;然后,基于可能度法给出了一种新的客观赋权方法。并给出一种基于可能度的方案的排序方法;最后。通过实例证明了该方法的有效性和实用性．     

基于关系马尔可夫模型的枚举型缺失值估计

针对数据质量中数据缺失问题,提出了基于关系马尔可夫模型(RMM)的枚举型缺失值估计方法.该方法充分考虑属性间的关联性,将动态属性选择(DAS)方法与RMM结合,最大限度地利用完整数据的信息,提高了该方法的估计能力;利用RMM计算源状态到目的状态的转移概率,采用MaxPost和ProProp 2种缺失值填充方法,对缺失值进行填充.采用公认数据集,进行了对比实验,验证了该方法的有效性和优越性.     

不完备信息条件下基于Roustida改进算法的诊断规则提取

诊断决策过程本质上为信息的处理过程。由于信息结构的复杂性和采集的局限性使得获取的信息存在缺失、模糊、冗余等不完备现象,从而影响诊断的准确性。为此,对条件属性冗余、部分数据值缺失情形下,如何提高被诊断信息的完备性开展讨论,试图通过问题聚类探寻诊断决策所需的隐含规则,提出信息补齐与属性约简的知识挖掘方法：首先,针对Roustida算法在缺失值处理时存在的局限性进行改进,扩充其在工程实践中的适用范围,使缺损信息趋于完整;然后,利用遗传算法和广义诊断规则推理实现条件属性约简和规则凝练;最后,以质量问题诊断为对象进行了案例研究,测试样本诊断结果覆盖度 ,验证了不完备信息条件下该方法可以实现以相对较简方式表达问题与情境信息之间的关联关系,挖掘问题发生的隐含规律。