毕达哥拉斯三角犹豫模糊Muirhead平均算子的目标威胁评估应用

为了更加完整地描述不确定信息,将三角模糊数与毕达哥拉斯犹豫模糊集结合,提出了毕达哥拉斯三角犹豫模糊集.针对信息集成过程中数据属性之间存在关联关系的问题,将Heronian平均算子、Muirhead平均算子拓展到毕达哥拉斯三角犹豫模糊集中,提出了毕达哥拉斯三角犹豫模糊Heronian平均算子和毕达哥拉斯三角犹豫模糊Muirhead平均算子.考虑不同属性的输入变量的重要程度不同,提出了它们的加权形式.最后,针对毕达哥拉斯三角犹豫模糊环境下的多属性决策问题,提出了基于PHTFWMM算子的多属性决策方法,并通过算例说明了该方法的有效性.     

区间直觉模糊集改进记分函数在供应商选择中应用

定义了区间直觉模糊集加权得分函数和加权精确函数,解决了得分函数和精确函数无法处理带权值计算的问题,提出了属性权重确知且属性值以区间直觉模糊数形式给出的多目标决策方法.实例分析证明,该方法是解决多目标决策问题的一种新方法,在供应商选择决策中具有推广和实用价值.     

基于模糊数直觉模糊集算子的多准则决策方法

定义模糊数直觉模糊数的一些运算法则,给出模糊数直觉模糊集两个改进算子,即加权算术平均算子(FIFWAA)和加权几何平均算子(FIFWGA).在此基础上,提出用精确函数解决记分函数无法决策的问题,以保证记分函数的严密性与合理性.提出一种属性权重确知且属性值,以模糊数直觉模糊数形式给出的多准则决策方法,通过实例分析结果证明了运用模糊数直觉模糊数改进算子进行多准则决策的有效性和正确性.     

属性权重不确定的直觉模糊多属性决策的威胁评估方法

在直觉模糊集的框架下,重点研究了目标属性值为区间数且权重完全未知,决策者对方案具有偏好信息的问题,提出一种属性权重不确定的直觉模糊多属性决策的威胁评估方法。首先,针对上述问题,建立了直觉模糊区间判断矩阵,给出了目标属性为区间数的指标值规范化处理方法;其次,分析了决策者对方案中所涉及的目标属性、属性权重及决策者权威度,建立了群决策的方案偏好模型;再次,针对目标属性值在某一区间内变化的特点,给出了直觉模糊区间值的接近度与理想解的定义,建立了最优属性权重约束优化模型;最后,以典型的威胁评估实例验证了该方法可同时反映主观和客观信息对目标威胁评估的影响,可有效避免因部分传感器失效或受外界环境因素影响以及决策者主观经验所带来的偏差,实际目标威胁评估结果验证了该方法的优越性。     

用于综合评判的一种权重计算方法

在综合评判和决策过程中，属性权重的确定是其中一个重要环节。由于常用方法存在诸多缺点,为此根据信息具有粒度的思想，基于粗糙集两个近似精度来科学定义属性的重要性，并将之作为综合评判中的客观权重。此外考虑到客观经验因素，将客观扭值和主观权重相结合，最后得到有利于正确评价和决策的综合权重。流型识别仿真试验结果表明：文章提出的权重计算方法较为完备，其应用效果优于其它权重计算方法。     

语言判断矩阵在确定多属性决策问题权重中的应用

在多属性决策问题中,由于易受人为因素的影响,所得权重值的客观性是确定权重的最基本的要求。但以往确定权重方法都在一定程度上受人为因素影响较大。在此介绍一种新的方法——语言判断矩阵方法,并运用该方法对防空作战中影响目标威胁度因素的权重进行了分析计算,其结果较为合理,且该方法与其他方法相比,在确定多属性决策的权重问题时受人的主观因素影响较小。     

基于QABC-IFMADM算法的有人/无人机编队作战威胁评估

信息化条件下有人/无人机编队作战环境具有高度不确定性,如何对目标进行快速有效的威胁评估成为亟待解决的问题.在直觉模糊集框架下,研究决策者对方案具有偏好,目标属性值为区间数且权重未知的评估问题,提出一种量子蜂群（QABC）优化属性权重的直觉模糊多属性决策（IFMADM）的威胁评估方法.首先,建立方案偏好模型;其次,综合考虑客观优化排序和决策者方案偏好信息,建立主客观最优属性权重优化模型,并采用量子蜂群算法优化属性权重,使得属性权重更准确地反映实际情况.最后,通过编队对地作战威胁评估算例验证了所提方法的合理性与有效性.     

基于可信度量的网络组件性能评估方法

针对新型网络及其服务构建中所涉及的网络组件选择问题,以可信评估思想为指导,通过多属性决策建模,提出一种网络组件性能评估方法。首先,针对网络应用环境的灵活多变特征,设计了一种按需驱动的可信指标树动态构建策略。其次,利用模糊层次分析法减小主观权重计算的不确定性,并将主客观权重相结合以提高赋权操作的公平性。最后,在评估决策阶段,综合运用指标数据效用转换、可信属性向量构造和向量间的相对近似度计算等策略得到评估结果。通过对软件定义网络控制器的实际案例分析,验证了所提评估方法的合理性及有效性。     

信息熵在基因调控网络构建中的应用

目的:基于基因表达的时空特性,寻求一种新的描述基因表达调控网络的方法.方法:用信息熵确定属性权重,对各时间点进行加权聚类:根据信息熵相关系数,得到信息熵相关系数,用于基因之间的调控关系的描述.结果:得到各基因之间的调控矩阵,并用图像可视化.结论:用信息熵确定属性权重,对各时间点进行加权聚类,这种方法根据客观数据计算权重,消除了人为主观因素的影响.     

复杂电磁环境下炮兵打击目标价值排序模糊物元分析

针对复杂电磁环境下炮兵打击目标价值的特点,在物元分析的基础上结合模糊集理论,提出了基于模糊物元分析的多目标决策方法,并对实例进行了计算和分析,为复杂电磁环境下炮兵打击目标价值排序提供了新的思路和方法。     

基于相对熵的直觉模糊聚类方法

在众多的模糊集中,直觉模糊集同时定义了信任度、非信任度和犹豫度,便于处理不确定信息.在不确定信息应用领域的背景下,重点研究了直觉模糊环境下的聚类问题,提出了基于相对熵的直觉聚类方法,并通过数值算例验证了方法的可行性和有效性.     

多目标多传感器模糊双门限航迹相关算法

本文提出了两种适合于分布式传感器数据融合的模糊双门限航迹相关算法，文中研究了模糊因素集的构成，隶属度函数的选择，权向量的动态分配，航迹相关质量设计，多义性处理方法，模糊双门限航迹相关准则及模糊经典分配问题，并通过仿真与两个经典方法进行了比较，仿真结果表明，在密集目标环境下和／或交叉，分岔及机动航迹较多地场合，模糊双门限航迹相关算法的性能与传统方法相比获得了明显的改善，其正确相关率与传统方法相比提高     

基于直觉模糊集多属性决策的灰色关联分析法

基于直觉模糊集理论,提出了一种新的灰色关联分析方法来研究模糊多属性决策问题.首先,根据直觉模糊集的几何意义,引入了两个直觉模糊集之间的距离,且每个备选方案的评价值用直觉模糊值表示.其次,依据传统灰色关联分析方法的基本思想,通过计算每个方案对直觉模糊正、负理想方案的灰色关联度.然后计算备选方案对直觉模糊正理想方案的相对关联度度.最后,通过一个具体实例说明该方法的有效性和具体应用过程.     

基于灰色关联与改进FAHP的产品优选模型

研究电脑与数码产品的科学选购问题。为了对评价指标进行定量分析,应用灰色关联分析与模糊层次分析法构造了一种产品优选模型。首先确立待选产品的评价指标特征量矩阵,计算各项指标与理想产品对应指标之间的关联系数;然后构建一个评价指标重要性两两比较矩阵,运用改进的模糊层次分析法确定各指标的权重;最后由关联系数与指标权重计算待选产品与理想产品之间的关联度,以此确定最优产品。实例结果表明,该模型较好地达到了预期目标,在批量采购电脑与数码产品时尤具实用价值。     

基于区间值模糊集的模糊区域拓扑关系模型

在GIS实际应用领域中,采样点的属性数据往往不是精确的数值,而是一个区间范围,对此类空间数据的建模、分析和推理越来越受到相关领域研究者的重视.利用区间值模糊集描述由不确定属性数据所圈定的模糊区域,基于区间值和区间值模糊集的运算性质,给出了模糊区域间拓扑关系的分析模型.该模型改进了基于经典模糊集及其截集的拓扑关系模型,对模糊区域拓扑关系的分析结果更符合人们的认知习惯,可以利用区间值结果进行推理和决策,能够有效地分析由区间值属性所确定的模糊区域间的拓扑关系,在地理信息系统和空间数据库等领域具有实际应用价值.     

Spatial coefficient partitioning for lossless wavelet image coding

In pyramidal wavelet representation, an image is decomposed into multiresolution and multifrequency subbands with sets of tree-structured coefficients, i.e. a spatial orientation tree which consists of coefficients at different resolutions and different orientations but associated with the same spatial location. The magnitudes of the coefficients in these trees measure the signal activity level of the corresponding spatial areas. A novel coefficient partitioning algorithm is introduced for splitting the coefficients into two sets using a spatial orientation tree data structure. By splitting the coefficients, the overall theoretical entropy is reduced due to the different probability distributions for the two coefficient sets. In the spatial domain, it is equivalent to identifying smooth regions of the image. A lossless coder based on this spatial coefficient partitioning has a better coding performance than other wavelet-based lossless image coders such as S + P and JPEG-2000.     

Sequential Adaptive Predictors for ADPCM Speech Encoders

The sequential gradient estimation predictor is compared in detail to the stochastic approximation predictor, and both are evaluated in an ADPCM codec. A switched predictor having two coefficients is then described for use in a DPCM-AQF codec. This predictor divides the range of the correlation coefficient of the speech signal into zones, and as the correlation coefficient changes zones, the predictor coefficients undergo a substantial modification. By this method the adaptation rate of the predictor is improved, particularly during transitions between unvoiced and voiced sounds.     

图像分割中的交叉熵和模糊散度算法

本文将交叉熵和模糊散度应用于图像分割中,提出了中最优灰度值选取算法,其一是基于均匀分布假设的最小交叉熵算法,其二是利用后难概率的最大类间交叉熵算法,其三是类间最大模糊散度的改进算法,其四是最小模糊散度算法,针对图像阈什化分割的要求,在后两种算法中构造一种新的模糊录改度函数,本文采用均匀测试和开头测试比较各算法的性能,利用多种类型测试 是到的分割结果,显示了所筛算法的有效性和通用性。     

Asymptotic Mean and Variance of Gini Correlation for Bivariate Normal Samples

This paper derives the asymptotic analytical forms of the mean and variance of the Gini correlation (GC) with respect to samples drawn from bivariate normal populations. The asymptotic relative efficiency (ARE) of the Gini correlation to Pearson's product moment correlation coefficient (PPMCC) is investigated under the normal assumptions. To gain further insight into GC, we also compare the Gini correlation to other two closely related correlation coefficients, namely, the order statistics correlation coefficient (OSCC) and Spearman's rho (SR). Theoretical and simulation results suggest that the performance of GC lies in between those of OSCC and SR when estimating the correlation coefficient of the bivariate normal population. The newly found theoretical results along with other desirable properties enable GC to be a useful alternative to the existing coefficients, especially when one wants to make a trade-off between the efficiency and robustness to monotone nonlinearity.