基于变精度粗糙集的一种新的区间数排序方法

针对模糊环境下的多属性决策中属性权重信息未知且属性值是区间数的情况,利用粗糙集理论将区间数排序问题转化为实数域上的排序问题,得到基于变精度粗糙集的一种新的区间数排序方法.     

基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策

为了探索区间二型模糊背景下的多属性群决策方法，以多粒度概率粗糙集为基础，结合MULTIMOORA(Multi-Objective Optimization by Ratio Analysis Plus the Full Multi-Plicative Form)与证据融合理论，发展了一种基于区间二型模糊信息的多粒度证据融合决策模型.首先，提出多粒度区间二型模糊概率粗糙集模型；然后，通过离差最大化法和熵权法计算决策者权重和属性权重，依据多粒度概率粗糙集和MULTIMOORA法建立区间二型模糊多属性群决策模型，通过源自D-S证据理论的证据融合方法融合得出决策结果 .通过钢铁行业耗能的实例，证明提出方法的可行性与有效性，总体上，提出的决策模型具备一定的容错力，有助于获得强解释力的稳健型决策结果 .     

区间直觉模糊粗糙集的启发式属性约简方法

属性约简是数据挖掘之中最核心的问题,是任何一个部门决策知识获取的关键技术。基于深入研究模糊粗糙理论、直觉模糊粗糙集理论在属性约简知识方面的研究成果,通过定义区间模糊粗糙集的正域、依赖度与非依赖度等相关概念,提出一种启发式区间直觉模糊粗糙集属性约简方法。结果表明：该方法在知识约简中是可行的,并且相比差别矩阵方法,能有效降低空间和时间复杂度。     

基于粗糙集理论的试卷质量评价分析

将粗糙集理论应用于试卷质量评价分析中, 通过对试卷质量评价指标、试题重要性和试题冗余信息的分析, 应用粗糙集的属性约简及属性重要性等概念, 给出了独立指标的权重计算方法, 建立了基于粗糙集理论的试卷质量综合评价分析模型, 为提高教学质量管理提供参考.     

高校科研绩效的区间数综合评判方法

建立了高校科研成果绩效评价的指标体系,在基于可信度的区间数排序方法的基础上,提出了一种基于粗糙集理论的区间数综合评判方法,克服了权重确定的主观性,使评判结果更加科学、客观.     

基于后悔理论的区间二元语义多属性群决策方法

针对评价信息为区间语言变量的多属性群决策问题,提出了一种基于后悔理论的区间二元语义多属性群决策方法,该方法能够有效考虑决策者在决策过程中产生的一种风险规避,及其在后悔与欣喜之间存在的心理差异变化。首先,介绍关于区间二元语义信息的一些基本概念,并给出了区间二元语义均值与方差的定义;针对决策矩阵元素为区间二元语义变量属性权重部分未知的多属性群决策问题,利用区间二元语义的方差,通过构建优化模型确定最优属性权重,并提出了一种基于后悔理论的区间二元语义多属性群决策方法;最后将提出的方法应用至企业设计方案的选择中,结果与比较分析表明该方法具有一定可行性和有效性。     

区间数排序的粗糙集方法

针对模糊多属性决策中属性值为区间数情况下区间数排序问题,应用粗糙集理论和模糊集理论得到了一种区间数的排序方法:区间数上近似集排序法;区间数下近似集排序法;区间数上(下)近似集折中排序方法.给出了区间数的粗糙集表示,区间数的粗糙集排序方法及其良好性质.详细论证了其与经典的区间数排序的可能度方法相比的诸多优势.同时给出了具体实例并进行了这种方法的应用与验证,以便能更好地理解这种粗糙集排序方法.     

基于粗糙集理论的多指标综合评价方法

针对评价多指标优劣中属性权值难以确定的问题,笔者提出了基于粗糙集的TOPSIS综合评价的应用算法,利用粗糙集进行权重确定,把粗糙集与TOPSIS相结合,提出了基于粗糙集的TOPSIS综合评价方法,以属性重要度作为各个属性的权值,对信息系统进行加权分析,得出了总体排序结果,并通过算例验证了该方法的有效性.     

粒度计算中混合属性约简的权重模糊粗糙集模型

针对权重粗糙集模型不能有效处理非平衡混合数据的问题,对权重论域上的各种类型变量进行分析并建立统一的模糊等价关系,提出混合数据上的权重模糊粗糙集模型,并利用该模型构造出带权模糊等价空间上的混合属性约简算法.混合属性约简算法产生的模糊软划分可以克服权重论域上离散硬划分产生的信息损失.在非平衡混合数据集上进行的实验结果表明,与基于权重粗糙集的算法相比,基于权重模糊粗糙集模型的属性约简算法的平均分类精度提高了11.9%.     

基于分辨矩阵与层次分析法的组合属性权重决策方法

针对基于粗糙集理论与层次分析法结合的决策方法在某些决策表中会出现非核属性权重为0,导致决策精度下降等问题，以属性分辨对象的次数及占比为依据，给出了一种分辨矩阵的属性重要度定义方法，进而提出了分辨矩阵与层次分析法相结合的属性权重决策方法，其不仅避免了非核属性权重为0,而且突出了核属性分辨对象的能力，客观反映了各属性在决策时所起的作用.实例表明组合权重法得到的决策结果更为合理，提高了决策的准确性.     

低能见度条件下助航灯光视景仿真

针对目前飞行模拟机对不同气象条件下机场助航灯光模拟较为欠缺的现状,使用逐点计算法建立了基于飞行员视觉的排灯光照数学模型,实现了助航灯及其光学特性的仿真。在分析粒子系统实现原理的基础上,基于OpenGL提出了一种在大型场景漫游系统中实时动态模拟降雪的方法。给出了跑道II类运行模式下基于飞行员视觉的不同程度的助航灯光降雪场景。仿真试验显示,使用逐点计算法建立的排灯光照仿真模型,能够真实地模拟机场各类助航灯具的光学特性,较好地实现了助航灯光在不同程度下着陆、离港全过程的真实降雪视景仿真。整个系统运行稳定,实时性良好,场景形象逼真。     

对方案有偏好的区间粗糙数多属性决策方法

针对属性权重信息不完全且属性值和对方案的偏好值均为区间粗糙数的多属性决策问题,首先引入区间粗糙数的一些运算法则,然后给出了基于投影思想的目标规划模型来确定属性权重,基于区间粗糙数集成算子对区间粗糙信息进行集结,计算出各方案的期望效用值,从而获得各方案的排序择优.最后,实例分析说明了该方法的实用性和有效性.     

基于甚高频通信的船舶号灯信号收发系统

为了克服能见度不良及“海上光污染”等对船舶号灯可识别性的影响,提出利用甚高频(VHF)通信技术将传统号灯直线传播的灯光信号改变为借助于VHF电台进行收发;介绍了基于VHF通信的船舶号灯信号收发系统的原理、组成及编码协议;并在MATLAB环境中对该系统的收发过程进行了数字仿真,仿真效果比较理想.     

基于动态贝叶斯网络的交通灯自主智能决策

现有交通灯大都采用定时控制,容易造成时间上的浪费甚至是交通堵塞,通过引入动态贝叶斯网络DBN ,分析影响交通灯时间的因素,建立具有星型结构的交通灯自主智能决策模型。该模型能够依据十字路口车辆的动态信息,实时决策交通灯的时间,并通过仿真验证了该模型能够自主决策出最佳的交通灯时间,实现了交通管理的智能化。     

基于距离测度的折衷型区间数多属性决策方法

针对服从均匀分布的区间数情况,通过区间数之间的距离并考虑决策者的偏好,给出一种基于距离测度的折衷型区间数多属性决策方法,并以实例说明方法的有效性和可行性.该方法首先将区间数属性值转化为排序指标值,以方案排序指标值离差最大化为目标建立数学模型求得属性权重,然后按方案综合排序指标值的大小对方案进行排序.该方法充分利用已有的客观信息,结果准确可信,具有简洁、直观、便于上机实现等优点.     

基于Rough set理论的气象状况分类算法研究

根据粗糙集理论,提出一种基于决策表相容性的属性约简算法。对一幅经典的天气观测状况决策表进行属性约简,把表示观测状况的各参数作为决策表的属性,运用粗糙集理论对该原始决策表进行约简,以提取天气状况的重要属性,删除分析过程中的冗余属性和属性值,约简后的属性可为决策提供支持。分析表明,粗糙集理论应用于这类决策可得到更清晰、简明的判断规则。     

基于属性信息和结构特性的网络节点重要度研究

现有的节点重要度排序方法大多只针对网络的拓扑结构进行研究,忽视了网络节点自身所包含的属性信息.然而这些属性信息至关重要,却广泛存在不完备性,这些不完备属性信息与节点的重要性密切相关.针对这一问题,提出一种基于优势粗糙集理论和TOPSIS方法的网络节点重要度分析方法,融合网络结构特性和节点属性信息,克服了单一从拓扑结构分析的局限.最后,将本文所提出的方法应用于微博社交网络中的用户重要度评价,并与其他方法进行比较,结果表明,该方法的排序结果对节点在属性信息和结构特性的重要性进行了较好的综合,能全面地体现出各节点的重要程度.     

一种面向车辆闯黄灯和处理两难区问题的控制策略

为降低交叉口车辆闯黄灯和陷入两难区事件的发生,设计了车载预警控制和黄灯控制策略,对制动距离、剩余绿灯时间以及黄灯时间进行数学建模分析.在车载预警控制方面,对车辆是否将要闯黄灯进行实时监控和预警;在黄灯控制方面,进行黄灯合理时间设定和黄灯延时控制.该策略可有效降低交叉口车辆闯黄灯和陷入两难区事件发生的概率,减少车辆交叉口交通事故,缓解道路拥堵情况.