基于模糊特征属性参数最优融合的目标识别

为了实现在不确定环境下的自动目标识别,提高系统的性能和可靠性.首先采用模糊数来刻画传感器的输出报告,将每个传感器报告用三角模糊数来表示;然后提出基于模糊特征属性参数的最优融合算法来实现信息融合,并将其应用到多传感器目标自动识别系统.融合算法以模糊信息相似性测度为基础,最优融合准则是:融合后的数据与各个传感器输入数据冲突应该最小.通过最优准则确定了各个传感器的权重以及融合结果,且融合结果与初始传感器权重向量和传感器报告融合的次序无关.文中给出了具体的算法流程和一个应用实例.     

方案偏好已知的三角模糊数型多属性决策方法

研究决策者对方案偏好已知、属性值以三角模糊数形式给出且属性权重信息不能完全确知的多属性决策问题.提出了基于模糊比例值的决策方法和基于模糊偏差度的决策方法,这两种方法首先建立一个线性规划模型,通过求解该模型获得属性权重;然后,基于三角模糊数两两比较的可能度公式及三角模糊数排序公式,对决策方案进行排序和择优;最后,通过实例验证了方法的可行性和有效性.     

基于相对相似度关系的三角模糊数型不确定多属性决策法

针对属性权重未知的三角模糊数型不确定多属性决策问题, 提出一种新的规范三角模糊数与决策方案的相对相似度定义和三角模糊数相对相似度关系理论; 借鉴合作博弈中可能度最大化算法提出一种基于三角模糊数相对相似度关系的属性权重确定方法; 利用备选方案对象在方案集中的总体相对相似度值大小选取最优对象并排序, 以此给出三角模糊数型不确定多属性决策的相对相似度关系算法, 最后通过算例分析表明了所提出算法的可行性和有效性.     

三角直觉模糊决策的权重函数方法

研究了属性值为三角直觉模糊数的多属性决策问题,提出了一种基于权重函数的决策方法。给出了三角直觉模糊数的定义、运算法则和截集;定义了三角直觉模糊数关于隶属函数和非隶属函数的精确值和模糊度,以及精确值的指标和模糊度的指标,给出了三角直觉模糊数的排序方法,并将其应用到属性值为三角直觉模糊数的多属性决策问题中;给出了属性值为三角直觉模糊数的多属性决策的步骤;通过数值算例分析和验证了该方法的有效性。     

一种模糊偏好排序的多目标粒子群算法*

为了将决策者对各目标属性的模糊评判信息转换为目标偏好信息,首先将模糊语义转换为三角模糊数,利用模糊数的广义加法、近似乘法和标量乘法进行计算, 从而将决策者对目标属性的离散意见转换为对各目标的综合意见;然后采用多指标模糊排序法确定决策者权重,通过定义一种模糊综合排序指标来确定各目标偏好权重,依据目标权重构建判断多目标Pareto解的适应度函数,并采用粒子群算法对多目标问题进行求解;最后通过一个算例来说明该算法的实用性和有效性。     

一种机器人非视觉多传感器信息融合的区间数方法

针对机器人非视觉多传感器目标识别问题,提出了一种新的融合方法。该方法基于区间型多属性决策理论,通过求解目标类型与未知目标综合关联度的最大偏差最小化的优化问题,获得属性的权重向量,利用综合关联度,给出目标识别结果。该方法较好地避免了属性权重选取的主观性,提高了目标识别结果的客观性,计算简单,易于计算机上实现,仿真实例表明了方法的有效性和实用性。     

基于模糊QoS和偏好权重的Web服务组合方法研究

为了充分体现服务质量(QoS)的不确定性和用户偏好的模糊性,本文将模糊集理论引入基于QoS的Web服务组合中,将不适合精确表示的QoS属性和用户偏好等信息用三角模糊数表示.然后基于权重和法计算模糊总目标,通过设计新的模糊数比较方法,改写Pareto支配关系,将基于模糊数比较的单目标优化问题转化为多目标优化问题,并设计模糊多目标遗传算法(FMOGA)求得Pareto最优解集.该方法不仅能够得到更加贴近实际情况的优化解,同时也解决了多属性决策方法无法对大量候选服务进行全局优化的问题.最后通过实验验证了该算法的有效性和优越性.     

基于交叉熵的ITFN的多属性决策方法

针对属性值为直觉梯形模糊数且属性权重完全未知的多属性决策问题,提出了一种基于交叉熵的决策方法。给出期望值的方法将直觉梯形模糊数转化为直觉模糊数,进而提出直觉模糊数的交叉熵等概念及相关性质。基于各方案与正理想方案的总区别信息最小化原则,建立非线性模型,求出属性权重。用实例说明该方法的有效性。     

基于方案偏好和部分权重信息的模糊多属性决策方法

研究了只有部分权重信息且决策者对方案的偏好信息以三角模糊数互反判断矩阵形式给出的模糊多属性决策问题.首先为得到属性权重,给出一种结合主观模糊偏好信息和客观决策信息的极小化极大偏差模型;然后,运用加性加权法求出各方案的模糊综合属性值,并利用已有的三角模糊数排序公式求得决策方案的排序;最后,通过算例说明了该方法的可行性和有效性.     

不确定多传感器目标识别的区间相离度法

针对目标特征值和测量值均以区间数表达的多传感器目标识别问题,提出了一种不确定性融合方法．该方法定义区间相离度,通过对特征值的区间聚类和诱导有序加权平均算子集结得到属性的权重,利用综合相离度给出目标识别方法．能够克服属性权重选取的主观性,提高了目标识别结果的可信度．仿真实例验证了所提出方法的有效性和实用性．