简介：针对采用经典划分思想的聚类算法以一个点来代表类的局限，提出一种基于泛化中心的分类属性数据聚类算法。该算法通过定义包含多个点的泛化中心来代表类，能够体现出类的数据分布特征，并进一步提出泛化中心距离及类间距离度量的新方法，给出泛化中心的确定方法及基于泛化中心进行对象到类分配的聚类策略，一般只需一次划分迭代就能得到最终聚类结果。将泛化中心算法应用到四个基准数据集，并与著名的划分聚类算法K-modes及其两种改进算法进行比较，结果表明泛化中心算法聚类正确率更高，迭代次数更少，是有效可行的。

简介：突发事件的实时数据是应急决策的依据,提高对数据的处理能力,确定突发事件属性的熵权,筛选出反映事件发展趋势的重要属性,是提高决策效率和准确性的关键问题。利用共性知识模型结构化表示突发事件和属性,参考区间型多属性决策方法,把事件属性监测值转换为区间数型,在保持时序信息的同时降低数据维数,并通过定义精确数与区间的距离,使突发事件属性集均转化为成本型属性;继而利用基于熵权的区间型多属性决策方法计算事件的属性熵权值,权值越大,表示包含事件演化趋势的信息越多,在决策时就应被重点关注。最后,通过实例说明此方法的有效性和实用性。

简介：在多属性群决策中,决策者的决策结果有两种表现形式,即决策方案的优先序和决策方案的排序权向量.本文研究基于决策方案优先序的群排序方法,提出了加权偏差平方和最小化方法及基于测度函数的0-1规划方法.

简介：针对同时包含可线性补偿和不可线性补偿两种属性且属性值为确实数、区间数、语言信息的风险型多属性决策问题，提出一种基于消错理论的决策方法。首先，在消错理论的基础上将属性分为关键型、重要型和冗余型三类，结合属性值的类型分别给出对应的错误函数和极限损失值；接着，对关键型属性赋予极小权重，在保留关键型属性“一票否决”功能的同时又突出重要属性的作用；最后，根据对待错误损失的不同态度，建立计算错误损失值的三种方法，通过计算期望错误损失值对备选方案进行排序。通过新市民信息服务项目的例子，说明该方法的有效性和可行性。

简介：权系数的确定是多属性决策中的一个关键问题，目前常用的方法都要利用专家判断矩阵。然而在实际操作中矩阵的元素往往受到各种因素的影响，产生一定的不确定性。本文利用区间方法来研究这种影响，对原有的模型进行推广，并提出一种有效的算法。对类似问题的解决，提供了一种新的思路。

简介：研究了区间粗糙直觉模糊多属性决策。探讨了区间粗糙直觉模糊数的运算法则及其性质;定义了区间粗糙直觉模糊数的得分函数和精确函数,进而给出其排序方法;给出了区间粗糙直觉模糊数的变权算术平均和变权几何平均算子,并且建立了区间粗糙直觉模糊数的多属性决策模型;实例验证了所提出决策方法的有效性。

简介：对于多属性群决策中专家权重确定的问题，本文提出了基于聚类的专家权重确定方法，将专家权重分为类别间权重和类别内权重，对专家聚类步骤和类别间权重的计算方法进行了改进。通过专家给出的判断矩阵构建相容度矩阵，利用系统聚类原理，对相容度矩阵进行聚类，得到最大相容度谱系图。通过最大相容度间的距离和给定阈值的比较，对专家进行恰当分类，从而避免了根据现有研究步骤只能将专家分为两类的不足。此外，在确定类别间权重时，除继续对类容量较大的类赋予较大的类别间权重系数外，还引入专家判断矩阵的属性权重一致性来反映类别间的差异，从而有效避免了当某几类专家中含有相等数目专家时，赋予这几类专家相同类别间权重系数的问题。所提方法结构清晰、计算简便，并使得专家权重计算结果更为合理准确。最后运用一个算例对比验证了该方法的可行性和有效性。

简介：给出一种属性权重确知、属性值以模糊语言形式给出的多属性决策方法。实例分析的结果表明：该方法简单、易行。

简介：在非线性效用函数基础上,运用混合人工智能技术,建立非线性双边多属性谈判模型,给出在一定精度范围内逼近Pareto最优解的近似求解方法。最后通过价格、质量两属性的非线性双边谈判模拟算例,验证了方法的正确性与有效性。为多属性谈判研究提供了新的思路。

简介：云制造环境下服务资源进行动态组合时不可避免地遇到内、外部环境的不确定性,这些不确定性因素直接影响到制造云服务组合的执行成本、效率和质量。为了有效提升制造云服务组合的柔性,需要对其柔性能力进行测度。在假定某待选云服务集中的各服务资源能够以不同的效率替代完成任务的基础上,建立了考虑制造云服务组合柔性的效率柔性、冗余柔性、路径柔性和任务柔性的四维属性测度方法。最后,结合具体算例对该方法的应用过程进行了分析。

简介：针对层次分析法决策时存在两两判断、一致性检验次数过多和判断矩阵残缺性等问题，本文提出了一种基于决策矩阵的DST-AHP多属性决策方法。该方法结合决策矩阵的特征值，构建DST-AHP方法层次结构模型和判断矩阵，并根据判断矩阵定义不同属性下各焦元的基本概率分配函数；然后利用Dempster合成法则对基本概率分配函数值进行合成，依据合成后值对方案进行排序。最后对AHP和DST-AHP两种方法进行比较分析，说明该方法的有效性。

简介：本文针对属性权重和阶段权重未知且专家偏好表示为区间直觉模糊数的多属性多阶段大群体应急决策问题,提出一种新的决策方法。首先给出了区间直觉模糊数的相似度公式,利用模糊聚类法对各阶段的专家偏好进行聚类。在聚类过程中,为减小聚集结果的群体偏好冲突,以群体偏好一致性水平最大化为目标对聚类阈值进行设定。然后依据模糊熵、相对熵原理分别对属性权重和阶段权重进行计算,进而得到整个决策过程中的方案综合群体偏好。利用区间直觉模糊数的得分函数和精确函数对备选方案进行排序,最后利用算例对该方法的有效性和可行性进行验证。

简介：本文对指数分布的无失效数据，在引进失效信息后，在先验分布为Gamma分布时，给出了失效率的多层Bayes估计和综合Bayes估计，并给出了无失效数据情形可靠度的综合估计，还结合实际问题进行了计算。

简介：以Lucas内生增长模型为基础，通过建立一个新的内生增长模型，在经济可持续发展的前提下，分析环境质量与经济增长之间的关系，为环境库兹涅茨曲线提供了一个新的理论解释。模型提出了经济可持续发展的条件，为有关环境保护决策提供理论支持。

简介：轮廓线的变点识别是质量管理的研究热点之一，当前研究多以轮廓整体变化为识别对象，而对局部变化问题研究相对较少，且更少有在发现变异时间的同时能够寻找到变化区域在个体轮廓曲线上位置的系统方法。本文针对轮廓线局部变化识别问题，提出基于小波变换和聚类分析的方法。通过仿真性能评价，并与现有方法进行比较，结果显示本方法能够在更小的差异度检测出变化并准确定位变化区域。在文章的末尾，本文采用了一个实例对该方法的效果进行验证。

简介：采样数据合理性检验,是数据处理中重要的一环,它的主要功能是鉴别采样数据中可能含有的异常值,并进行相应的机理分析与修复工作。本文从飞行器外测系统工程应用的角度出发,给出了两种简单易行的判断方法。

简介：针对股票时间序列的特点，从离群点对股票时序数据有序性的影响角度出发，在界定分形离群点含义的基础上，利用分形理论将离群模式挖掘理解为一个优化分割问题。采用推广G—P（Grassberger-Procaccia）算法计算股票时间序列数据集的多重分形广义维数，并利用贪婪算法的思想设计了FT-Greedy算法来求解基于分形理论的时间序列离群模式挖掘优化问题的解集。实验证明，该方法能有效地解决股票时间序列离群模式挖掘问题。

简介：服务外包是推进我国产业结构调整的重要方式。数据处理作为服务外包中基础业务之一,对人力依赖程度很高。企业只有合理有效安排员工生产才能及时处理并以低成本交付订单。文章以数据处理业务为研究背景,考虑订单加工整个流程和员工技能种类,建立两步多层复合技能人力调配分段模型。选取实地调研企业数据运用模型进行求解。结果表明了模型的有效性,对于有效提升企业接包能力,促进我国服务外包发展有重要意义。

简介：时间序列聚类分析是时间序列数据挖掘中的重要任务之一，通常由于时间序列数据的特殊结构，导致一般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进^一均值算法相结合的时间序列聚类算法，该算法首先利用独立成分分析对时间序列数据进行特征提取，然后利用改进￡．均值聚类算法完成对时间序列特征数据的聚类分析，从而得到了一种新的基于特征的时间序列聚类方法。为了验证该方法的有效性和可行性，将其应用于实际的股票时间序列数据聚类分析中，取得了较好的数值结果。

简介：随着互联网＋战略的深入推进,了解不同产业内信息技术能力与产业绩效之间的协调发展情况,对于系统把握我国的信息化发展水平,分类制定有效产业政策具有重要意义。有别于以往采用宏观产业数据,重点评价工业化与信息化融合度,本文主要基于2008~2015年的上市公司的微观数据,采用耦合协调模型,分类测度四大类产业的IT能力与产业绩效的耦合协调度。研究发现：总体上看我国的产业IT能力与产业绩效之间存在中高度耦合关系,但耦合质量不高,耦合协调度处于中低水平,呈现逐渐上升趋势;此外,我国的不同的产业之间的耦合协调度发展趋势存在差异性,本文进一步分析了该差异的存在的原因,并提出政策建议。