RS_RBF在高新技术项目投资风险评价的应用

研究高新技术项目投资风险评价问题.由于高新技术项目各评价指标间的存在着冗余信息,传统的方法无法除去这些冗余,导致风险评价结果有时不正确,出现误导信息.为了提高风险评价的正确性,提出了一种粗糙集(RS)和径向基函数(RBF)神经网络相结合的高新技术项目投资风险评价混合模型.首先利用粗糙集的强大的数值分析能力对各评价指标进行属性约简,从而减少了RBF神经网络的训练数据,简化了网络结构,然后对约简后的数据利用RBF神经网络进行训练,最后应用于高新技术项目投资风险评价中.仿真结果表明,与RBF神经网络模型相比,混合模型加快了网络的运算速度,评价误差更小,评价精度进一步提高,获得了较好的评价结果.     

MAS环境中一种基于反馈可信度的多维信誉计算方法

在分布式体系结构的MAS中,Agent之间通过彼此的交互,协调完成共同的任务,但是由于没有中心化的管理权威可以依赖,导致对网络中Agent信誉信息进行判断存在一定困难.传统的基于评价反馈的信誉评估方法存在反馈评价属性信息利用不足以及缺少确保反馈评价信息可信的可行机制等问题.为此本文提出一种综合的信誉计算方法,该方法针对个别用户提交的恶意评价,采用CUSUM控制图理论对服务评价中的数据进行过滤;利用信息熵的方法对不同维度的评价数据进行整合;使用改进PageRank算法对评价影响力进行度量,最终得到融合反馈评价真值与评价影响力的综合信誉.仿真结果表明文中方法在提高信誉计算收敛性和准确性,抵抗恶意攻击行为等方面表现出较好的效果.     

利用邻域粗糙模型的差分演化特征选择方法

利用一种具有混合编码的二进制差分演化算法进行特征选择,并针对传统评价函数对样本邻域局部信息利用不足的问题,引入邻域粗糙集模型,省去了对数值型数据的离散化过程,同时分析了依赖度度量和邻域识别率度量可能存在的问题,综合两者提出加权邻域识别率,对特征子集适应度进行更好的评价.通过UCI数据进行实验,结果表明该方法能有效进行特征选择.     

基于改进随机森林算法的工业过程运行状态评价

运行状态评价是指在过程正常生产的前提下, 进一步判断生产过程运行状态的优劣. 针对复杂工业过程定量信息与定性信息共存的情况, 本文提出了一种基于随机森林的工业过程运行状态评价方法. 针对随机森林中决策树信息存在冗余的问题, 基于互信息将传统随机森林中的决策树进行分组, 并选出每组中最优的决策树组成新的随机森林. 同时为了强化评价精度高的决策树和弱化评价精度低的决策树对最终评价结果的影响, 使用加权投票机制取代传统众数投票方法, 最终构成一种基于互信息的加权随机森林算法(Mutual information weighted random forest, MIWRF). 对于在线评价, 本文通过计算在线数据处于各个等级的概率, 并且结合提出的在线评价策略, 判定当前样本运行状态等级. 为了验证所提算法的有效性, 将所提方法应用于湿法冶金浸出过程, 实验结果表明, 相对于传统随机森林算法, MIWRF 降低了模型的复杂度, 同时提高了运行状态评价精度.     

基于区块链的科技服务质量信任评价方案

结合交易信息的可信性以及服务质量（QoS）信息的动态性，提出一种基于区块链技术的科技服务信任评价方案。分析区块链技术在科技服务交易场景下的可行性并将其运用于评价过程中，保证评价的QoS数据可信。采用区间数模型对数据进行区间化处理，通过比较QoS信息与用户需求之间的差异，计算出区间数可能度作为评价矩阵，实现科技服务的综合评价。将熵权法与层次分析法相结合确定混合权重，提高评价结果的准确性。针对科技服务的冷启动问题，利用动静结合的方式对QoS进行综合评价并应用TOPSIS方法计算排名，保证评价结果的全面性。通过对交易合约的开发、部署与调试验证了该方案的可行性，确保了交易过程的可靠性。实验结果表明，该方案相比于基于URDQ与Entropy-TOPSIS的服务信任评价方案结果更全面与准确。     

异构信息融合在风电设备状态多准则评价中的应用

针对风电企业中设备维护数据分散且知识结构互异,难以综合判断设备整体状况的问题,提出了基于本体的多源异构信息融合方法以实现设备健康状态的多准则评价。该方法将各数据源的知识以扩展公共本体的形式进行建模,构建全局查询的沟通机制;再基于多源异构的设备状态数据进行多准则评价,最后得到的量化评估结果可以反映设备的整体健康状态。此方法可以融合企业中多种形式的数据,对企业已有维护系统的干扰小,数据维护成本低,能为企业制定维护计划提供决策依据。     

基于改进邻域空间的高维混合数据特征选择算法

作为数据挖掘领域中一项重要的数据预处理技术,特征选择算法能够有效应对高维数据带来的“维数灾难”问题.然而,如何对高维的混合数据进行特征选取仍然是当前研究的重点和难点之一.基于邻域关系的邻域粗糙集模型因其能够处理名词型属性与数值型属性并存的混合数据,已成功应用于混合数据的特征选择.但是,现有邻域粗糙集对混合数据邻域关系的度量,仍然是基于等价关系的名词型数据划分与基于相似关系的数值型数据划分的简单融合,在利用模型划分的邻域空间和预定义的评价函数对高维混合数据进行特征选取时,适应性较差.为此,在邻域粗糙集模型的基础上,提出一种改进的邻域空间构造方法,并设计相应的邻域空间度量公式作为判别指标,自适应地调节邻域空间下邻域粒的大小;为了准确地表征高维混合数据邻域空间的判别能力,设计一种考虑边界数据和邻域空间大小的评价函数;在此基础上,提出一种启发式的高维混合数据特征选择算法.通过UCI标准数据集验证所提出算法的有效性.     

基于GEAHP模糊综合评判的教学质量评价系统

提出一种群体可拓层次分析法确定评价指标的权重以解决指标权重不确定问题,用模糊综合评判法进行综合评价以解决评价数据模糊性问题。在此基础上,设计了教学质量评价系统的体系结构、功能模块、后台数据库系统,研究了系统实现的主要技术,解决了C/S和B/S混合模式下编程问题和数据库安全性问题。实例分析证明了评价系统的有效性。     

熵权系数法的理论建模分析与并行实现

在多指标综合评价经济效益问题的研究中,熵权系数法对于投资决策系统的综合评价起到了非常重要的作用.为了满足需要进行大量数据计算的经济效益多指标综合评价的应用需求,文章提出了熵权系数法的并行算法来对我国大中型工业企业经济效益进行发展次序优先排序.数值实验验证了该并行算法的可行性与正确性,并且具有较高的加速比和并行效率,为需要进行大量数据计算的多指标综合评价带来了方便、快速等优势.     

基于证据推理的多指标评价系统设计与实现

针对具有不确定性的混合多指标评价问题,介绍了定性指标和定量指标的数据提取方法,结合证据推理法的基本理论,采用混合编程技术,开发了证据推理评价系统。系统设计了指标体系管理、数据管理、评价分析三大模块,实现了定性指标与定量指标相结合的多指标综合评价。最后,以船舶保障性为示例验证了系统具有稳定性和实用性,该系统能够多角度分析评价结果,为决策者提供辅助决策。     

基于混合VIKOR方法的供应商选择决策模型

通过文献统计方法构建供应商选择评价准则体系. 针对主客观评价准则下多种数据类型混合的评价信息, 提出根据采集到的原始数据客观确定决策者和决策准则权重, 避免主观赋权带来的二次不确定性. 采用基于混合信息的VIKOR方法集结评价值, 以克服数据类型的不可公度性和数据转换造成的信息损失. 从理论、数值实验和敏感性分析3 个维度与TOPSIS 方法进行对比, 表明了所提出方法在供应商选择决策过程中的特点和优势.

     

基于可信度阈值优化的案例推理评价分类方法

为了提高案例推理(CBR) 分类器的性能, 提出一种基于可信度阈值优化的CBR 评价分类方法. 首先, 通过一种可降低时间复杂度的改进型可信度评价策略对案例重用得到的建议解的可信度进行计算; 然后, 通过遗传算法(GA) 对可信度阈值进行迭代寻优; 接着, 根据得到的优化阈值将目标案例及其建议解划分为可信集或不可信集; 最后, 对不可信集按多数重用原则进行分类结论的调整, 从而实现可信的CBR 评价分类. 对比实验表明, 改进的可信度评价策略能有效提高分类性能, 从而可提高CBR分类器的决策与学习能力.

     

基于类别加权算子的环形灰靶决策

针对现有灰靶决策方法只有一个靶, 不能科学解决评价信息疏密程度不一致的决策问题, 通过有序增量法将决策者评价信息按信息的差异性分成不同的组别, 并给出类别加权算子的定义. 在此基础上, 定义一个靶心多个靶环的环形灰靶, 并将类别权重赋予相应的环形灰靶, 建立基于类别加权算子的环形灰靶决策方法. 该方法更接近现实灰靶, 且通过对方案评价信息的环内和环间信息的二次集结, 使得评价结果更为实用合理. 最后以一个应急案例进行了验证.

     

扩展目标跟踪的PCRLB

在杂波和漏检的环境下针对扩展目标估计的性能评价问题, 提出求扩展目标跟踪估计的后验克拉美罗界(PCRLB) 的方法. 该方法假设单个扩展目标的量测个数服从泊松分布, 杂波的个数也服从泊松分布, 给出在有漏检和杂波环境下求PCRLB 的方法—–信息约减因子法(IRF). 算例展示了不同的检测概率和杂波密度对PCRLB 的影响. 仿真结果表明, 所提出方法能有效反映扩展目标跟踪所能达到的最优性能, 检测概率越高, PCRLB 越小; 杂波密度越大, PCRLB 越大.

     

一种基于案例的多准则排序方法

针对带有间接偏好信息的多准则决策问题, 首先利用加性效用函数理论提出一种排序方法, 该方法通过构建一个简单的优化模型, 得到与间接偏好信息相容的各评价值的效用; 然后, 利用线性插值方法计算出剩下方案各评价值的效用, 进而得到所有方案的综合效用及排序; 最后, 通过实例验证了该方法的有效性和可行性.

     

基于二元语义一致性的混合多属性灰关联决策

为了解决指标权重未知的混合型多属性决策问题, 提出基于二元语义一致性的灰关联决策方法. 首先, 针对异质决策信息问题, 提出了使所有决策信息转化为二元语义变量的一致化方法; 然后根据离差最大化原理, 客观确定属性的指标权重, 利用灰关联分析对决策方案进行排序; 最后以某供应链中供应商的绩效评估作为算例, 用所提出方法对混合型多属性决策问题进行求解, 结果表明该方法易于操作且可为决策者提供丰富的决策信息.

     

基于关联规则的电网故障诊断解析方法

针对电网故障诊断解析模型存在多解和误诊问题, 提出一种基于关联规则的电网故障诊断解析方法, 并通过解析保护和断路器动作及告警信息的不确定性, 构建诊断的评价指标. 利用解析方法获得故障的完备诊断, 进而基于各类不确定性事件概率, 采用评价指标从完备的诊断集合中求取最优诊断. 故障诊断算例验证了所提出方法的有效性.

     

基于指数函数的灰色动态多属性关联决策模型

针对同一属性下不同方案的邓氏关联度大小区分较弱以及关联度存在下限的问题, 定义基于指数函数的新关联度. 改进后的关联度对同一属性下不同方案间关联度的分辨率要高于原有关联度, 并证明了改进关联度的性质.利用指数关联度确定属性权重, 构造基于偏差和灰熵的确定了时间权重的优化模型. 最后, 将该方法用于河南省某地级市民营企业的经营业绩评价分析中, 实例说明了所提出模型的有效性和实用性.

     

决策者剔除的重复群决策方法

针对同样决策场景下对多组决策方案反复评估的决策问题, 建立对无效决策者剔除以及确定决策结果的模型. 使用优化模型确定指标权重, 提出决策者评价向量差异度的衡量方法, 由此对无效决策者甄别和剔除, 在此基础上建立基于灰靶的决策模型以确定最优方案, 并建立下次决策时的决策者权重计算方法. 模型充分利用历史信息, 对决策者进行评价约束, 可以有效提高决策质量. 最后通过实例表明了所提出算法的有效性和可行性.

     

基于选择判据与贴近度的电网故障诊断算法

针对传统D-S 证据理论难以解决高度冲突证据融合问题, 提出一种新的证据合成算法. 将贴近度概念引入D-S 证据合成中, 通过证据的一致性度量计算其权重, 实现冲突证据的加权融合. 提出证据合成方法选择判据, 将证据合成分为冲突和非冲突2 类, 分别采用改进算法和传统算法对证据进行融合. 实例验证表明, 所提出的方法信息聚焦性能优越, 可以有效解决冲突证据合成问题, 在解决电力系统故障诊断问题方面有良好的效果.