基于云模型的改进FMEA风险评估方法

针对风险评估过程中的模糊性和随机性两个不确定性因素,采用云模型对语义评价变量进行量化,并通过云的合成对专家的评价结果进行集结,构建云风险评价矩阵。将风险因子O、S、D期望重要度与云的相似度相结合计算风险因子的权重。考虑到传统故障模式与影响分析（Failure Mode and Effects Analysis,FMEA）中故障模式风险值排序的缺陷,基于云的距离测度算法提出云-VIKOR的风险排序方法。最后以实例验证了所提方法的精确性和有效性。     

灰色关联分析与云模型集成的方案评价方法*

针对传统方案评价方法中大都没有考虑评价信息随机性的情况,运用云模型建立云评价标度。针对传统客观属性权重确定方法主要依据属性值分布,没有考虑到指标间的相互影响关系,将熵值法和DEMATEL结合计算指标权重,其中采用云距离测度算法直接计算定性评价间的距离,避免了定性云转化为定量值时的信息损失。采用灰色关联分析处理云评价指标,对方案进行排序。利用方案总体云评价绘制云图,定性比较各方案优劣。最后以实例验证了所提方法的有效性。     

基于区间粗糙数的多属性决策方法及应用

针对传统多属性决策模型中大量指标的复杂性和模糊性导致实际决策结果不准确的问题,提出了一种基于区间粗糙数的改进DEMATEL-VIKOR多属性优化决策模型。首先,在区间粗糙数的基础上对传统的DEMATEL方法和VIKOR方法分别进行改进;其次将一种新的归一化加权几何Bonferroni平均算子运用在改进的DEMATEL-VIKOR混合模型中,根据量化结果对各准则进行影响因素分析进而计算折中的可行解;最后,分别从敏感性分析、理论分析及方法比较三种角度对备选方案进行排序,从而得到最优备选方案,应用城市滨水区景观后期综合评价的算例结果表明,该改进算法在不确定和不完备信息环境下的决策结果更具可行性和有效性。     

基于优化组合权与云-VIKOR法的PFMEA风险评估分析与改进

针对过程失效模式与影响分析（PFMEA）风险评估过程专家评估信息的模糊性与随机性,引入云模型将其量化为云语义评估信息,并集结成综合云评价矩阵。针对传统客观加权法不考虑风险因子间相互影响关系的问题,提出改进熵权与云-DEMATEL优化组合求解风险因子权重,其中引入云相似度算法对专家的云评价结果进行精确化处理,避免了评估信息定量转换过程信息的缺失。根据云距离测量法计算每种故障模式与正、负理想解之间的距离,进而提出云-VIKOR法求得各失效模式的风险排序。最后,通过案例分析验证了所提方法的可行性。     

基于云模型的不确定性大群体多属性决策方法

针对传统不确定性大群体多属性决策方法中只考虑决策信息的模糊性,没有考虑信息的随机性这一问题,提出了一种基于云模型的多属性决策方法,从而用于解决由多个小群体组成的不确定性大群体决策问题。首先将不确定语言评价值转化为一维正态云;其次采用决策者主观确定和一致性分析相结合的方法确定针对不同决策对象的小群体权重,进而生成综合云;然后提出了一种改进的云相似度算法作为云模型距离的度量,通过比较各方案综合云与最优云的相似度对方案排序。最后通过实例验证了所提方法的可行性和有效性。     

基于云模型的QFD中工程特性重要度确定方法

针对质量功能配置（Quality Function Deployment, QFD）评价信息中的模糊性和随机性问题,提出一种基于云模型的QFD中工程特性重要度确定方法。采用云模型处理语义评价信息,并基于正向云发生器算法提出云滴贡献值算法,用以将云模型间接转换成精确数值,进而计算工程特性重要度。根据技术竞争性评估矩阵,基于最大偏差法的思想构建数学模型确定工程特性重要度修正因子,进而确定工程特性的最终重要度。最后以某企业的一款装载机工程特性重要度计算为例,验证了所提方法的有效性。     

基于云模型的区间直觉模糊数多属性群决策

针对属性值为区间直觉模糊数的多属性群决策问题,考虑到模糊性和随机性对群决策过程及结果的影响,本研究将利用云模型理论结合区间直觉模糊数的特征,运用灰色关联系数法和信息熵理论确定专家和属性权重,通过信息集结构建综合评价云模型.不同于传统的区间直觉模糊数的排序方法,本研究利用云模型的3En规则将区间直觉模糊数进行云转换并通过云相似度确定方案的综合评价值和犹豫度,然后对决策方案进行比较分析.研究结果表明:该方法能够科学有效地进行决策,进而为决策方提供科学依据.     

基于直觉模糊云模型的TOPSIS多属性决策方法

针对属性值为直觉模糊数的多属性决策问题,提出了一种基于直觉模糊云模型的TOPSIS多属性决策方法。首先,利用直觉模糊云对备选方案的各个属性值进行描述,计算其数字特征——期望、熵和超熵;然后,构造各数字特征的决策矩阵,获得其对应的正、负理想解;最后,计算各数字特征与正、负理想解间的距离,进而获得综合贴近度,对备选方案进行排序,获得最优决策结果,并通过具体数值实例验证方法的合理性和有效性。     

云模型与TOPSIS相结合的多属性群决策方法*

为更准确有效地表示定性概念的不确定性,采用云模型作为定性定量信息的转换工具,并通过云的合成对不同专家的评价云进行集结,构建得到云决策矩阵。针对传统云模型间优劣、大小等差异化度量的缺陷,从云滴分布的角度提出了云的距离测度算法,并将其分别运用于计算决策指标的离散程度和改进方案与正、负理想解间的距离测度,进而提出云-TOPSIS的方案排序方法。最后以实例验证了所提方法的可行性和有效性。     

基于相似度的多粒度不确定语言群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和矢量相似度的群决策方法,弥补了基于距离测度的决策方法易造成信息混淆的不足。该方法首先使用二元语义转换函数对多粒度区间语言评价信息进行一致化处理;然后通过建立使备选方案对正理想解相似度最大、负理想解相似度最小的最优化模型来获得相应的属性权重;最后利用区间二元语义的集结算子对评价信息进行加权集成,并通过优序数排序法实现对各方案的排序。实例分析说明了该方法的可行性和有效性。     

网络安全风险评估的云决策

为了更合理地评估网络安全风险,利用云模型集成随机性和模糊性的优点,提出一种基于云模型的网络安全风险评估和决策方法。首先,通过采样系统正常状态信息,构造标准概念云;在进行风险评估时,采样处于风险状态时的信息,计算其云数字特征;然后利用改进的基于云滴距离的云相似度算法,计算与标准概念云的相似度,相似度最大的即为最终输出结果。最后,通过Kddcup99数据集进行模拟攻击及性能采样仿真实验。结果表明,该方法最大限度地保留了风险评估过程中固有的不确定性和模糊性,提高了评估结果的可信性。     

基于自然语言的模糊多属性云决策方法研究

借鉴云模型的研究思想,提出了基于自然语言的模糊多属性云决策方法,主要工作如下：首先,针对多属性群决策的属性评估集和等级评估集设计了等级描述云和等级评价云;然后,在此基础上设计了云归一化算法,实现了一个属性多个专家值的融合;最后,设计了云集结算法,该算法将多个属性值集结为一个方案值,进而比较获得最佳方案。云模型能够反映模糊性和随机性的关联,因此,该方法能够更加有效地权衡语言评价信息。最后,通过应用案例证明了该方法的简单性和可行性。     

Image segmentation based on histogram analysis utilizing the cloud model

Both the cloud model and type-2 fuzzy sets deal with the uncertainty of membership which traditional type-1 fuzzy sets do not consider. Type-2 fuzzy sets consider the fuzziness of the membership degrees. The cloud model considers fuzziness, randomness, and the association between them. Based on the cloud model, the paper proposes an image segmentation approach which considers the fuzziness and randomness in histogram analysis. For the proposed method, first, the image histogram is generated. Second, the histogram is transformed into discrete concepts expressed by cloud models. Finally, the image is segmented into corresponding regions based on these cloud models. Segmentation experiments by images with bimodal and multimodal histograms are used to compare the proposed method with some related segmentation methods, including Otsu threshold, type-2 fuzzy threshold, fuzzy C-means clustering, and Gaussian mixture models. The comparison experiments validate the proposed method.     

网络入侵危险性评估的云理论实现

由于任何网络安全手段都无法完全阻止网络攻击,保护网络的绝对安全,因此对网络入侵危险性进行评估,进而采取相应的防御手段就非常重要。传统的评估方法都无法同时评估网络入侵的不确定性(模糊性和随机性),基于此,利用云模型理论把模糊性和随机性有效集成在一起的优点,提出了一种基于云理论的网络入侵风险评估方法。本文给出了方法的理论基础、设计思想和关键实现技术及评估过程,并提出了一种改进的逆向云生成算法。该模型通过对系统资源监控,并对得到的数据进行处理,然后输入到云控制器,云控制器根据设定的规则做出评估结果。实验结果表明,该方法最大限度地保留了网络入侵评估过程中固有的不确定性,提高了评估结果的科学性和准确性。     

基于云模型不确定性推理的地图匹配算法

为了解决对于道路网密集且高程变化较大的城市道路地图匹配精度不高的问题,提出一种能够实现定性概念与定量数值之间不确定性转换的云模型地图匹配算法.通过建立云规则和进行基于云模型的不确定性推理,并且结合高程辅助方法来构筑地图匹配模型.云模型可以将定性概念的模糊性与随机性集成到一起,克服了基于模糊逻辑地图匹配算法中隶属度的确定带有主观色彩的不足.仿真试验以城市路网为例,并借助高程辅助的方法进行了分析,结果证明了该算法具有较高的匹配精度.     

A random fuzzy minimum spanning tree problem through a possibility-based value at risk model

This paper considers a minimum spanning tree problem under the situation where costs for constructing edges in a network include both fuzziness and randomness. In particular, this article focuses on the case that the edge costs are expressed by random fuzzy variables. A new decision making model based on a possibility measure and a value at risk measure is proposed in order to find a solution which fully reflects random and fuzzy information. It is shown that an optimal solution of the proposed model is obtained by a polynomial-time algorithm.