一种确定预报因子权重的方法

因子权重的确定是评价、决策、预测中的一项重要工作。根据模糊聚类与模糊识别理论，基于模糊环境下的目标函数，提出了一种确定预报因子权重的理论模式。该方法数学基础严密，可以避免实际工作中主观因素的影响，从而克服了实际工作中确定权重的困难。具有实用性。     

确定权重分配的一种实用方法

从权的基本性质出发,针对群体确定权重分配方法,提出了“专家可信度”的概念,在此基础上,改进了群体确定权重分配方法。     

一种基于梯形模糊数互补判断矩阵确定权重的方法

模糊互补判断矩阵是决策者通过指标的两两比较给出的一种模糊偏好形式。根据带有梯形模糊数的互补判断矩阵确定各指标的权重，通过算例说明了该方法的有效性和实用性。     

基于最大离差的一种权重确定方法

本文以多属性决策为背景,给出了一种权重确定模型,既照顾到决策者的主观偏好和决策的客观真实性,又充分利用各方案评价指标值的数量特征,从而确定指标的权重.     

多目标决策中一种确定权重的方法

本文提出了一种在多目标决策中确定权重的方法－－多目标距离最大化法，它以客观统计的数据为基础，在实践中有一定的实用价值。     

一种基于梯形模糊数互补判断矩阵确定权重的方法

模糊互补判断矩阵是决策者通过指标的两两比较给出的一种模糊偏好形式。根据带有梯形模糊数的互补判断矩阵确定各指标的权重,通过算例说明了该方法的有效性和实用性     

一种基于改进AHP的指标权重确定方法

权重的确定是多指标综合评价中的一个重要步骤。在AHP方法的基础上,通过聚类分析方法,对多个专家所分配的权重进行合理的修正,弱化了主观因素的影响,提高了结果的科学性。     

一种基于相似系数的权重确定方法

分析常用的主观权重确定方法,提出一种基于相似系数的权重确定方法,给出其数学解释、建模过程和计算步骤,指出在实际评价、决策中可以利用描述指标向量相似程度的"相似系数法"来求出相似系数,进而确定相似权,即为指标权重。最后,结合叉车维修决策中的实例验证其可行性,并与利用层次分析法确定权重在计算过程复杂性和计算结果准确性方面进行比较,证明其计算的准确性和简易性。     

一种多指标综合评价中确定指标权重的方法

通过对主成分分析法赋权原理的讨论，提出了如何把主观赋权法融入其中，从而实现了指标定权过程中主客观方法的有机结合，使赋权结果更理想，并以企业经济效益评价为例作了具体应用。     

一种基于专家权重的方案排序方法

由于群体决策的相对熵模型和特征根法模型给出的是一个完全确定的方案排序结果,没有定量描述最终结果的不确定性,对同一个方案进行决策时可能会产生冲突;文章利用判断矩阵的信息求得专家权重,提出了可以定量描述不确定性的专家权重排序方法;最后的案例说明该方法是可行的、有效的。     

基于模糊c-均值算法和遗传算法的新聚类方法

为了得到最佳聚类数和相应的每一类中的样本,文中首先介绍了一种新聚类方法,用该方法构造了一个既考虑类与类之间的分散程度、又考虑同一类紧凑程度的目标评价函数;再运用模糊c-均值算法(FCM)进行迭代,求得每一类的中心和隶属度值;然后运用遗传算法搜索全局极值点;最后运用该算法对我国全要素生产力进行了模糊分类．     

一种基于 GA 的模糊控制器直接设计方法

提出了一种利用计算机设计模糊控制器的直接方法，该方法运用ＧＡ（遗传算法）进行控制器参数寻优，具有设计速度快、人工干预少的特点．仿真说明采用该方法结果优于ＰＩＤ控制．     

基于遗传算法的模糊多阈值图像分割方法

使用一种基于模糊理论的多闽值选取方法来分割图像，并引入遗传算法来实现。在此基础上，改进了遗传算子的交叉率，提出了一种自适应的遗传算法。实验表明，提出的算法不仅可以正确分割图像，而且能够有效提高分割速度。     

一种基于实数编码的改进遗传算法

在介绍基于实数编码遗传算法的优点和分析原有遗传操作机制存在缺陷的基础上,重点研究了实数编码的改进线性交叉算子,提出了一种改进遗传算法(MGA)·该改进线性交叉算子的优点是在交叉之后,一个子代位于两父代之间,另一子代位于靠近较好的父代的一侧,使解向好的方向发展,并且都是可行解·通过对几个典型的实例计算并与其他基于实数编码的遗传算法进行比较,结果表明,本算法在求解优化问题的收敛速度和精确性方面具有优势·     

利用遗传算法辅助设计人工神经网络的权值和域值

利用遗传算法具有的全局随机搜索能力，设计了一个基于遗传算法的人工神经网络学习算法，利用MAT-LAB进行仿真计算。实验结果表明，该算法具有明显的优越性，可以避免BP算法的不足，极大地提高了网络的学习性能，具有一定的实用性。     

基于遗传算法的动态模糊模型辨识非线性系统方法

针对复杂的动态系统,提出了一种基于遗传算法的模糊模型辨识方法,给出了学习模糊规则的新算法,探讨模糊推理方法和遗传学习算法用于非线性系统建模的问题,仿真结果证明了该算法的有效性。     

基于遗传算法的一种数据拟合方法

基于遗传算法,提出了一种数据拟合方法,通过对函数参数进行编码,多次进行交叉变异操作,最终得到参数估计值。实验结果表明,该方法是有效可行的。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

基于遗传算法的图像模糊增强的研究

为了实现图像的模糊增强,采用遗传算法得到的模糊参数,选择图像像素灰度的相对等级作为模糊特征,通过模糊映射建立图像的模糊特征平面,采用模糊对比度增强的方法实现图像的增强.实验结果表明采用基于遗传算法的图像模糊增强算法,可以根据不同的图像自动选择最佳的模糊参数,图像质量得到了改善,突出图像的细节,有效地实现了图像的增强效果.     

一种结合遗传算法和LM算法的摄像机自标定方法

提出了一种遗传算法和LM算法相结合的摄像机自标定方法。首先利用遗传算法获得若干组摄相机内外参数的初始值,接着利用LM算法对每一组参数进行优化,然后选取映射误差最小的那组参数。如果这组参数的映射误差满足要求,则将这组参数作为摄相机标定的最终结果;否则利用遗传算法对刚才得到的若干组参数进行交叉和变异操作,再利用LM算法优化每一组参数,直至映射误差满足要求。最后将摄像机标定结果用于视差估计,以判断标定结果的正确性。实验结果表明,提出的结合LM算法和遗传算法的摄像机自标定方法是正确有效的。