直觉模糊多属性群决策的VIKOR方法

针对属性权重信息完全未知且属性值以直觉模糊数形式给出的多属性群决策问题,提出了一种基于多准则妥协解排序的决策方法.利用直觉模糊加权平均算子集成所有的个体决策信息,以获取群决策信息.利用直觉模糊数熵权公式求得属性的熵权.依据传统VIKOR法的基本思想,结合直觉模糊数的距离公式,对备选方案进行排序择优.文中通过实例分析,表明该方法的实用性与可行性.     

直觉梯形模糊数MADM问题的灰色关联分析法

针对属性权重信息完全已知且属性值以直觉梯形模糊数形式给出的多属性决策问题,提出了一种灰色关联分析方法。首先给出了直觉梯形模糊数的定义、距离和性质,然后依据传统的灰色关联分析法的基本思想建立了直觉梯形模糊数多属性决策问题的决策步骤。最后给出了一个实例分析,其结果表明了该方法的实用性和有效性。     

动态直觉模糊多属性决策的VIKOR扩展方法

隐变量是观察不到或虚拟的变量,直接利用数据驱动的学习方法难以有效地发现隐变量,因而需要结合概率图结构分析的方法。针对基于结构分析的隐变量发现方法中难以确定隐变量个数和位置的问题,提出一种基于结构分解和因子分析的隐变量发现算法(S-FAHF)。S-FAHF算法利用联合树算法生成具较强依赖关系的变量子集,利用因子分析思想,通过求变量子集的特征值和累积贡献率确定变量子集中隐变量的个数,利用负荷矩阵确定隐变量的位置,最后利用打分函数测试所发现的隐变量的有效性。通过算法比较和实验结果表明,该方法能准确地确定贝叶斯网络中隐变量的个数及位置。     

一种肿瘤基因的支持向量机提取方法

根据结肠癌肿瘤基因表达谱样本高维数、小样本和高噪声的特点,提出用Bhattacharyya 距离对肿瘤基因进行测量,滤除分类无关基因,然后用肿瘤基因对支持向量机模型的敏感度进行二次提取．并用它的归一化值对重要基因赋权,形成只有少数重要致病肿瘤基因的新样本集．最后,支持向量机应用于对新样本集的特征基因进行分析与测试．实验证明这种分析方法提高了肿瘤诊断的准确率．     

基于不平衡数据分类的一种平衡模糊支持向量机

鉴于不平衡数据集中类不平衡比较大的分类问题,利用样本点的特性建立类不平衡调节因子和模糊隶属度,提出了平衡模糊支持向量机。首先计算样本协方差矩阵,求得类不平衡调节因子,然后计算各样本点的模糊隶属度,得到各样本对分类超平面的贡献率。类平衡调节因子和模糊隶属度同时对分类器的误差项产生影响。结果表明,这种平衡模糊支持向量机对类不平衡比较大的分类问题具有很好的分类效果。     

基于二次规划的直觉模糊数的多属性决策方法

针对属性权重完全未知且属性值为直觉模糊数的多属性决策问题,提出了一种新的决策方法。首先引入了直觉模糊数的一些运算法则、得分函数和精确函数等概念。然后构建了一个二次规划模型,通过求解该模型获得属性的权重。接着利用直觉模糊加权平均(IFWA)算子对属性值进行集结,得到方案的综合属性值。最后利用得分函数和精确函数对方案进行排序并择优。给出的算例说明了该方法的实用性和可行性。