基于高阶近似的链路预测算法

目前大部分链路预测算法只研究了节点与邻居节点之间的一阶相似性，没有考虑节点与邻居的邻居节点之间的高阶相似性关系。针对此问题，提出一种基于高阶近似的链路预测算法（LP-HOPA）。首先，求出网络的归一化邻接矩阵和相似度矩阵；其次，利用矩阵分解的方法将相似度矩阵进行分解，得到网络节点的表示向量以及其上下文的表示向量；然后，通过高阶网络表示学习的网络嵌入更新（NEU）算法对原始相似度矩阵进行高阶优化，并利用归一化的邻接矩阵计算出更高阶的相似度矩阵表示；最后，在四个真实的数据集上进行大量的实验。实验结果表明，与原始链路预测算法相比，大部分利用LP-HOPA优化后的链路预测算法准确率提升了4%到50%。此外，LP-HOPA算法能够将基于低阶网络局部结构信息的链路预测算法转换为基于节点高阶特征的链路预测算法，在一定程度上肯定了基于高阶近似链路预测算法的有效性和可行性。     

基于集对顺势相似关系的变精度粗糙集模型

为了能有效处理含有含噪音数据、模糊性的不完备信息系统,利用集对分析与粗糙集的思想与方法,在比较几种集对相似关系的优势与劣势的基础上,提出了一种基于阀值[α]联系度系数的集对顺势相似关系,并将其代替变精度粗糙集的不可区分关系,构建了一种基于集对顺势相似关系的变精度粗糙集模型,探讨其性质。通过实例验证了所构建模型的合理性与有效性。     

基于风险加权的同构化区间型多属性决策新算法

多属性决策问题的复杂性、决策因素影响的不确定和传统评判方法的局限性,使不确定决策因素的属性测度常常难以精确量化,往往只能用区间数进行大致估量.为了精确量化表征属性决策因素测度值不确定性,根据同构化基本原理与相似性科学相关理论及相关思想,针对区间型多属性决策问题提出了一种基于同构化多属性决策新方法的新算法.该新算法的主要特点是:1)提出了决策者风险偏好权重;2)采用了同构化风险测度三元组(拟下限相似度,风险程度,风险偏好值),来精确量化决策过程中存在的风险程度以及决策者对此风险程度的偏好;3)生成了可描述各属性与决策目标关系的标杆方案;4)定义了方案相似度新概念;5)构造了风险加权相似度量算子(RWSM0),来度量各决策方案与标杆方案之间风险加权相似度的大小;6)挑选出风险加权相似度最大的方案作为最优或满意方案.     

基于满意度的区间数多属性决策

针对属性权重为实数而属性值为区间数的多属性决策问题,提出了一种基于满意度的多属性决策方法。本文借鉴连续有序加权平均算子中的满意度、区间数的可能度和集对分析联系数的相关知识,将区间数满意度和同异反三元联系数满意度引入了决策信息不确定性消除问题,接着利用OWA算子对满意度信息进行集结并对方案进行排序。最后进行对比实验,实验结果表明了该方法的有效性和可行性。     

基于非线性复杂系统观的直觉模糊变权多属性决策方法

为克服传统直觉模糊多属性决策方法所存在的采用固定不变的权重体系难以反映复杂系统因素之间蕴含的非线性联结机理、尚未考虑方案之间的内在关联性、对于决策主体风险偏好的异质性关注不足等缺陷,依据非线性复杂系统思维观,通过将属性因素变权、方案因素关联和决策主体风险态度合理引入三方面有机融合,提出一种直觉模糊变权多属性决策方法.该方法运用决策试行与评价实验室(DEMATEL)算法确定出不同方案情境下变化的属性权重,且通过综合集成集对势理论和风险态度系数构建出新的记分函数,并证明了其相关性质.最后,通过案例应用及对比分析验证了所提出方法的科学性和可行性.     

基于集对分析的无线传感器网络风险信任模型

由于无线传感器网络资源的制约,简易的信任模型对传感器网络安全、可靠地运行有着重要的意义。基于集对分析理论提出了无线传感器网络的风险信任模型,并给出了风险信任模型的描述和计算方法。根据交互记录量化了相邻接节点的直接信任,并采用奖惩机制动态更新节点的直接信任;利用邻居节点的推荐获得间接信任,并给出了单路径和多路径的推荐方法;融合直接信任和间接信任得到节点的综合信任;最后,结合主观风险分析利用对势计算节点的风险信任度。实验仿真结果表明该模型不但反映灵敏性,容错性较好,而且具有稳定的良好的发现率和误判率,能够有效地提高无线传感器网络的安全性和可靠性。     

基于集对分析的区间概率随机多准则决策方法

定义了区间概率空间以及区间概率随机变量．针对准则权重确知且准则值为区间概率随机变量的多准则决策问题,提出一种基于集对分析的决策方法．该方法首先根据离差最大化,确定各随机变量的概率,将区间型概率问题转化为经典的确定型概率问题;然后利用集对分析建立规划模型,将区间状态值用联系数表示,并根据集对势序准则对方案进行排序;最后通过实例说明该方法的有效性和可行性．     

基于集对分析的本体案例检索模型

案例检索是案例推理系统中的一个关键过程,是近年来人工智能领域的研究热点之一。案例相似度的计算方法是案例检索的关键技术。将集对分析理论引入目标案例,与案例库中源案例的相似度比较,建立两个比较案例的集对,通过属性的重要度和联系度构建了本体案例检索模型;通过本体的词义扩展解决检索词的多词同义问题,有效提高了不确定性问题的检索精度。实验结果表明,基于集对分析的本体案例检索模型不仅减少了运算量,还提高了查全率和查准率。     

基于集对分析与马尔可夫链的生态安全动态评估

针对生态安全中诸多不确定性因素和动态变化的特点,将集对分析(SPA)理论和马尔可夫链(Markov Chain)相结合用于生态安全的动态评估中,提出一种集状态评价和趋势分析的生态安全动态评价预测方法。采用集对分析的联系度对不确定性知识进行表示,用联系数对生态安全的等级进行划分,构建系统综合评价模型,通过对生态安全发展趋势进行分析,运用Markov Chain的遍历性和蒙特卡洛(Monte Carlo)方法的统计特性,预测系统下一时刻的生态安全状态。该方法运用了有限的评估数据与历史数据,动态地评估了生态安全的发展变化,为安全管理提供了理论依据。     

一种基于改进的马尔可夫链的交通状况预测模型

城市交通日益拥堵的今天,为用户推荐最快行驶路线成为一个研究热点。行驶路线推荐的核心问题是对路线将来某段时间(途径这段线路时)交通状况的预测。交通状况受到路线本身状况、行驶时间、天气状况、驾驶员习惯等多种因素影响,其变化快、变化方式复杂,难以准确预测。对多阶马尔可夫链模型进行了改进,提高了运算效率和响应速度,建立一种高效的交通状况预测模型,经北京市实际交通数据的检验,得到了比较好的预测效果。     

基于灰色马尔可夫链预测模型的HDFS云存储副本选择策略

在Hadoop分布式文件系统(HDFS)云存储环境下,网络带宽和节点性能有限且动态变化,现有的副本选择策略无法根据环境的变化选择最合适副本.针对这一问题,提出一种综合考虑了网络带宽、节点I/O性能以及节点存储空间等因素,基于灰色马尔可夫链预测模型的副本选择策略,以此在系统可用性和负载均衡性之间寻求一个平衡.最后通过仿真实验,验证了该策略的可行性与有效性.     

一种基于马尔可夫链的车辆自组网可生存性模型

根据车辆自组网（VANET）的特点和实际应用,分析了VANET的可生存性要素,给出了VANET的可生存性定义,分析了VANET的服务、威胁与策略,提出了基于马尔可夫链的平均可生存性量化模型,并通过模拟验证了该模型的正确性。理论和模拟结果均表明,保证基本服务和防止严重威胁可以有效保障VANET的可生存性。     

A comprehensive decision-making model for risk management of supply chain

Risk management of a supply chain (SC) has a great influence on the stability of dynamic cooperation among SC partners and hence very important for the performance of the SC operations as a whole. A suitable decision-making model is the cornerstone for the efficiency of SC risk management. We propose in this paper a decision-making model based on the internal triggering and interactive mechanisms in an SC risk system, which takes into account dual cycles, the operational process cycle (OPC) and the product life cycle (PLC). We explore the inter-relationship among the two cycles, SC organizational performance factors (OPF) and available risk operational practice (ROP), as well as the risk managerial elements in OPC and PLC. In particular, three types of relationship, bilateral, unilateral and inter-circulative ones, are analyzed and verified. We build this dynamic relation into SC risk managerial logic and design a corresponding decision-making path. Based on the analytic network process (ANP), a methodology is designed for an optimal selection of risk management methods and tools. A numerical example is provided as an operational guideline for how to apply it to tailor operational tactics in SC risk management. The results verify that this strategic decision model is a feasible access to the suitable risk operational tactics for practitioners.     

基于扩展马尔科夫链的攻击图模型

在网络风险评估中,攻击图模型用于表达网络存在的脆弱点以及脆弱点之间的关联关系,传统方法通过主观经验确定攻击图中状态转移的权重,给状态转移概率的确定带来较大不准确性。为提高其准确性,通过将脆弱点的攻击难度作为状态转移概率的确定标准,构建基于马尔科夫链的攻击图模型。搭建实验环境,将该模型应用到实际环境中,得到了准确的状态转移概率。该模型摒弃了传统概率确定方法中的主观性,有效提高了概率确定的准确性。     

基于二次聚类和隐马尔可夫链的持卡消费行为预测

银行卡支付在社会消费行为中占很大比例,在促进经济增长中发挥重大作用,因此,预测持卡消费行为具有重要意义。然而,传统方法难以有效应对复杂数据和动态变化。为此,提出基于二次聚类和隐马尔可夫链（HMC）理论的个体消费行为预测方法。首先,对消费行为按照序列进行模式聚类,并引入惩罚聚类进行二次聚类,对序列模式中的层次状态进行平衡划分;其次,利用HMC来估计序列中消费层次的状态转移,对用户的未来消费行为进行预测。最后,通过实验比较分析传统聚类、无惩罚序列聚类和带惩罚项的聚类结果表明,提出的基于二次聚类和隐马氏链的方法更适用于消费者行为预测。     

基于理性指标的马尔可夫链股市态势预测方法

由于股票市场存在人为扰动性,使得基于情绪的股市预测算法效果不佳。针对股市的诱多诱空问题,提出一种基于理性指标的马尔可夫链股市态势预测算法（RI_MCA）。提取股市的主要理性特征,并对这些理性特征进行量化;通过主成分分析将这些理性特征融合成理性指标,并利用理性指标获取股市的买卖点;将买卖点所对应的股市状态引入到马尔可夫链中,实现股市态势预测。在理性指标和股市状态相背离情况下会降低买卖点的可靠性,因而通过将特征背离引入到RI_MCA算法中提出了RICD_MCA算法,RICD_MCA算法根据特征背离程度对RI_MCA算法的结果进行调整优化。在上证指数上的实验比较与分析结果表明,RICD_MCA算法具有更高的预测精度。     

基于网络访问行为的混合阶Markov预测模型

随着WWW的迅速发展和网络用户的急剧增加,准确预测Web用户的访问行为对减小用户的感知延时,实现个性化推荐等具有重要的作用.无论是Markov模型还是其任何一种变种,高阶模型具有较好的预测性能.然而,高阶模型通常有较高的状态空间复杂度.提出了一种新的混合阶Markov模型(HMPM),将前缀相同的序列共享存储,降低了状态空间复杂度.仿真实验结果表明,该模型在一定程度上提高了预测准确率,查全率也有所提升.