基于区间直觉模糊多维集成的电子商务信任模型

在现有的电子商务交易信任算法中,多数忽视用户主观偏好的不确定性,且未考虑语言评价信息。为此,建立一种多维集成信息的信任模型。将多维信任反馈信息集成为区间直觉模糊数,基于逼近理想解排序法计算其相对于理想区间直觉模糊数的贴近度,并对各服务实体的信任程度进行排序。在模型中加入惩罚项,以防止网上欺诈行为。仿真结果表明,该模型考虑用户的主观风险偏好,能够对定量和定性评价信息进行有效评估,其防欺诈能力优于区间云模型。     

集成直觉模糊信息的主观信任模型

针对复杂的在线服务环境下存在的主观性和不确定性,且缺乏从信任程度、不信任程度和不确定性程度三方面描述信任的方法,提出一种集成直觉模糊信息的主观信任模型。首先,给出了一种改进的集成精确数为直觉模糊数的方法,并结合K均值聚类算法,计算实体的直接信任和间接信任;然后,根据基于直觉模糊熵的权重分配策略计算综合信任;最后进行了仿真实验验证。结果表明该方法能有效抑制信用欺诈行为,且当恶意节点达到35%的情况下仍然维持一个较低的误差水平。     

基于云模型的信任评估方法研究

复杂的网络环境下存在的随机性、模糊性和不可预测性等不确定性因素给网络交易带来了诸多安全问题,而在网络交易中,信任是交易能够顺利进行的前提和关键.文中以复杂的网络环境为研究背景,通过对复杂的网络环境中信任、信任影响因素及信任机制等问题的研究,引入云模型理论,研究并提出了基于云模型的信任评估方法,实现了信任的定性与定量的转换,客观地反映了信任的随机性、模糊性和不可预测性;为了有效地防止不法分子的信用炒作和欺骗行为,文中提出了特殊属性评价方法和信任惩罚方法.通过仿真实验,验证了文中研究的信任评估方法能够对复杂的网络环境中实体的信任做出合理的评价;通过防信用炒作实验和防周期行骗实验,进一步验证了基于云模型的信任评估方法的可行性和合理性,为复杂的网络环境中信任评估的研究提供了有价值的新思路.     

基于模糊模拟的主观信任评价模型研究

通过对开放网络环境中主观信任评价方法的讨论,考虑到主观信任的模糊性,提出以可信性理论为基础的主观信任量化表述与评价方法,并给出了主体信任属性评价值为模糊变量情形下主观信任可信性的模拟计算方法。实例分析表明,该方法对主观信任评价是可行和有效的。     

基于模糊数学理论的信誉评估算法研究*

针对信任评估的主观性、模糊性以及无法精确地描述和验证等问题,提出信誉评估算法.算法定义了信任度、隶属度、信任关系、关键属性以及模糊变换等基本概念和关键属性集U、代理集Y、评价集V、评价集矩阵R四个要素.根据模糊数学理论,将代理X的信任程度以及各代理对被代理的各关键属性的评估进行模糊变换,得到即将交易的代理Y的信任向量,并根据实际对原代理X的各信任值向量化,最终得到对代理X的信任值或信誉.实例表明,算法能用直观、简洁的语义定量地描述信任值,反映了实体之间信任的模糊性,解决了关于模糊性实体之间的信任建模问题,适用于电子商务、电子政务等领域.     

云计算环境下服务信任评估方法研究

云计算环境中,服务资源广域分布、复杂多变,服务实体之间的信任关系因不确定性强而难以有效建立与维护。传统的服务信任评估方法无法全面反映信任的随机性和模糊性特征。在研究云模型理论的基础上,提出一种基于加权多属性云的服务信任评估方法。引入时间衰减因子来反映服务信任的时效性,并以多属性信任云来细化信任评估的粒度。计算用户评价相似度,确定推荐实体的推荐可靠性和权重,防止不法分子的合谋欺骗和恶意攻击。通过云相似度计算确定服务的信任等级,为用户的服务选择提供安全决策。仿真结果表明,该方法明显提高了服务交互成功率,并能有效适用于云计算环境下的服务信任评估。     

开放网络环境下基于多元联系数的主观信任评估与决策研究

针对目前开放网络环境中主观信任评估存在的模糊性和不确定性问题,通过在主观信任模型中引入集对分析理论,提出一种基于多元联系数的表示主观信任的新方法.该方法利用多元联系将实体之间的信任程度和信任的不确定性统一起来,解决了信任表达中的模糊性和不确定性难题,为主观信任评价和决策研究提供了一种有价值的新思路.最后,通过实验仿真,证明该方法在提高网络平均信任水平及促进网络中实体的合作方面能取得良好的效果.     

基于可信性理论的主观信任模型研究

通过对开放网络环境中主观信任评价方法的讨论,引入可信性理论来研究主观信任的模糊性,并提出了极大化期望值准则下的主观信任量化评价方法。针对主体信任属性评价值以及评价权重均为模糊变量的情形,给出了主观信任模糊期望值的模拟计算方法。实例分析表明,该方法对主观信任评价是可行和有效的。     

网格环境中动态信任模型研究

为了提高网格交互的安全性,客观地反映信任的主观性、模糊性及主体问信任关系的动态性,提出了基于模糊理论的动态信任管理方法.通过特征向量和隶属度等概念,实现了信任的动态描述.针对不同的上下文环境,结合推荐节点的直接交互经验,建立了信任的模糊综合评判模型并通过反模糊化,得出量化评估结果.基于时间衰减和模糊贴近度两因素,给出了信任更新模型.仿真实验分析表明,该方法对网格环境中的信任评估是可靠的、有效的.     

考虑风险偏好的区间直觉模糊软集型多属性决策方法

文章针对多方参与、评价指标有差异且存在模糊性的多属性方案优选问题,提出了一种考虑风险偏好的区间直觉模糊软集决策方法.对这类区间直觉模糊软集的多属性决策问题,提出了一个三阶段的决策方法,且按照决策者三种不同风险偏好,给出了相应的决策原则.在此基础上,文章选择了其中一种情形提出了具体的决策算法.最后,文章通过数值算例验证了该方法的可行性和有效性,同时采用综合得分值对该方法的结果进行了一致性的验证和讨论.该方法不仅可以很好地解决这类多属性方案优选问题,也能进一步推广到多属性方案的排序问题中.     

基于直觉模糊集和最优推荐的信任评价模型

提出一种基于直觉模糊集和最优推荐的信任评价模型。用直觉模糊集描述固有信任属性,对固有信任直觉模糊集构成的集合进行模糊聚类,构造信任向量库存储各节点的信任向量,设计推荐信任的计算公式,并应用离散空间的最优搜索理论提高评价效率。实验结果表明,当网络节点数较大时,该模型能计算推荐信任度,且具有较高的评价效率。     

基于模糊理论的Web服务信任评估模型

针对Web服务环境的开放性、欺骗性和不确定性等特征,提出一种基于模糊理论的Web服务信任评估模型——WSTrustM。该模型采用模糊理论的方法对信任度进行度量并对信任评估因素进行组合权重分配,利用模糊集合理论的隶属度概念对实体之间的信任关系进行等级划分。仿真实验结果证明,该模型在Web服务信任评估方面更加准确,可以降低交互风险、保证交互的成功率。     

普适环境中基于模糊理论的信任评估模型

信任管理是当前普适环境中信息安全研究的热点。为了解决主观信任的模糊性和主体之间信任关系的动态性,在模糊数学中的模糊理论的基础上,提出了一个用户信任度的评估模型。该模型是将模糊理论应用到信任关系的不确定性和动态性上,对影响信任主体的主要因素进行综合评估,得出一个总的信任度来确定是否可以信任主体以便进行交互。该模型可以全面地评估用户的信任度,很大程度上保证了普适行为的安全可靠,为处理普适计算的信任管理的不确定研究提供了一个新的方法。     

直觉模糊熵约束条件的改进及新模糊熵构造

为解决直觉模糊熵的定义和度量不合理问题,提出了一种直觉模糊熵的公理化定义并构造了新的度量方法。首先分析了现有直觉模糊熵的公理化定义中存在的差异并指出其缺陷和不足;接着提出了一种改进的直觉模糊熵的公理化定义,并构造了新的直觉模糊熵的计算公式;最后,通过实例,将新公式与现有直觉模糊熵公式进行了比较对比。算例分析表明,所提出的熵公式能够反映直觉模糊集的不确定性和模糊性,并且对直觉模糊集不确定性的区分能力更强。     

Web服务信任类型动态定义研究

在已有的信任类型研究的基础上,分析了针对Web服务的信任分类的不准确性问题,提出了动态定义信任类别的方案。从定义Web服务的信任属性的合理性和灵活性角度出发,提出用直觉模糊数描述信任特征,考虑固有能力、安全特性和声誉三个方面的特征对信任的影响,并给出能力信任贡献度、安全信任贡献度和声誉信任贡献度的计算方法。构造了信任直觉模糊集的相似矩阵,由求传递闭包的方式得到直觉模糊等价矩阵,通过设定不同的阈值得到不同的阈值截矩阵,从而得到不同的分类结果。验证了动态定义信任类别的有效性和准确性。     

Divergence-based cross entropy and uncertainty measures of Atanassov’s intuitionistic fuzzy sets with their application in decision making

The uncertainty measure of Atanassov’s intuitionistic fuzzy sets (AIFSs) is important for information discrimination under intuitionistic fuzzy environment. Although many entropy measures and knowledge measures haven been proposed to depict uncertainty of AIFSs, how to measure the uncertainty of AIFSs is still an open topic. The relation between uncertainty and other measures like entropy measures, fuzziness and intuitionism is not clear. This paper introduces uncertainty measures by using new defined divergence-based cross entropy measure of AIFSs. Axiomatic properties of the developed uncertainty measure are analysis, together with the monotony property of uncertainty degree with respect to fuzziness and intuitionism. To adjust the contribution of fuzzy entropy and intuitionistic entropy on the total uncertainty, the proposed cross entropy and uncertainty measures are parameterized. Numerical examples indicate the effectiveness and agility of the biparametric uncertainty measure in quantifying uncertainty degree. Then we apply the cross entropy and uncertainty measures into an optimal model to determine attribute weights in multi-attribute group decision making (MAGDM) problems. A new method for intuitionistic fuzzy MAGDM problems is proposed to show the efficiency of proposed measures in applications. It is demonstrated by application examples that the proposed measures can get reasonable results coinciding with other existing methods.     

基于多维信任云的信任模型研究

针对主观信任的模糊性和不确定性以及现有的基于云模型的信任模型中粒度粗糙的问题,提出了一种基于多维信任云的信任模型。首先,依据实体间的直接交互经验和交互时间,利用加权逆向云生成算法计算被评估实体的直接信任云;然后,通过评估推荐实体的推荐可信度,计算被评估实体的推荐信任云;最后,综合直接信任云和推荐信任云产生综合信任云,并依此进行可信实体的选择。仿真结果表明,基于多维信任云的信任模型能够有效地识别系统中的各类服务实体,可提高实体间的交易成功率。     

一种基于混合多属性的VIKOR群决策方法

针对含有多种属性和混合评价信息群决策问题,提出一种基于直觉模糊VIOKR的评价方法.首先,将不同类型属性值转换为直觉模糊数处理混合评价信息,降低了评价的随机性和模糊性,接着建立最小偏差优化模型计算指标以及专家权重,解决了专家和属性的权重信息未知的问题;引入VIKOR理论集结评价值对评价对象进行评价排序,并与TOPSIS方法进行了对比,说明了本算法的可行性和可信度.最后以某型电源车虚拟训练系统为研究对象,对人员业务水平决策进行实例研究,结果表明该群决策方法能够有效实现决策,具有较好的工程应用价值.