基于属性偏好学习的配电网综合评价方法

为了摆脱在传统地区配电网评价方法中对参评人员个人评价偏好的过度依赖,实现合理、精准的属性权重确定,提出了一种基于属性偏好学习的配电网多指标智能综合评价方法。依据属性测度理论,在置信度准则与评分准则下完成对配电网综合评价模型的构造。进而,提出数值绝对偏移率指标以实现对中间值指标的数据预处理。最后,应用随机权神经学习,通过对配电网历史训练样本进行有监督学习,计算得到指标属性偏好权重,并依据配电网综合评价模型以及计算所得属性偏好权重完成对配电网待测样本的智能综合评价。与传统的AHP、PSO-SVM以及RWN算法的对比仿真实验验证了该方法的精确性与稳定性,表明该方法实现了合理、客观的配电网综合评价,在地区配电网评价方面具有一定的应用价值。     

一种配电网投资项目的综合评价与优选排序方法

配网投资项目具有项目众多、规模相对小、项目繁杂、时间紧迫等配电网建设和运维自身的特点,在投资需求远大于投资能力的情况,基于项目综合评价实现优选排序是实现配电网精准投资的关键手段.为此,提出了一种计及指标约束同时兼顾投资效益的中压配电网项目优选方法.以配电网投资效果为指标构建评价体系,并利用建设目标对项目属性进行分类,基于灰色关联度法深入挖掘项目属性与评价指标间的关联关系,探明指标改善所对应的投资概算.为了同时兼顾规划指标与投资成效,提出了计及指标约束的配网项目两阶段优选排序法,将优选过程分为针对关键规划指标的项目优选和针对普通指标的项目优选两个阶段.通过对某地市电力公司中压配电网项目进行优选评估,验证了所提方法的有效性与合理性.     

基于模糊多属性决策的多维时序信用风险评价建模

针对属性权重完全未知且数据为多维时序的信用风险评价问题,提出基于多属性决策与模糊聚类相结合的混杂信用风险评价建模方法.该方法使用离差最大化方法和二次规划模型得出指标属性的综合权重,对受评样本在各时点上进行多属性决策得到决策评分,再通过决策评分矩阵进行模糊聚类,并对结果进行了有效性验证.最后通过实例验证,证明该方法具有可行性和有效性.     

一种采用拓广最小二乘法的模糊综合评价方法

模糊综合评价方法是目前决策理论中使用极为广泛的一种方法:但模糊综合评价结果的可靠性和准确性依赖于合理选择因素和合理确定因素的权重等.特别对于有序分割类,模糊判别时通常使用的最小代价准则、最大属性测度准则以及最大隶属度准则由于掩盖了介于两个隶属度之间的差别,有时可能得出并不合理的结论.首先提出了一种利用拓广最小二乘算法综合指标权重的方法,然后基于置信度准则提出了一种改进的模糊综合评价方法.有效地避免了上述问题,而且编程实现极为方便简单.最后用一个实例说明了本文方法的有效性和可行性.     

主客观权重集成及扩展VIKOR的多属性群决策方法

针对评价信息、属性权重均为不同粒度语言短语的多属性群决策问题,提出一种基于主客观权重集成及扩展多准则协调优化解（VIKOR）的多属性群决策方法。由基本语言评价集实现对多粒度语言评价矩阵的一致化,基于同一粒度的语言决策矩阵计算群体对属性的评价偏差,基于群体评价意见的一致性原则得到属性客观权重,通过二元语义加权算术平均（T-WAA）算子得到属性主观权重,从而集成主、客观权重求得属性综合权重。集结转化后的单个评价矩阵得到群体评价矩阵及其导出矩阵,由扩展VIKOR方法,根据群效用值、个体遗憾值及综合评价值分别对方案进行排序,获得折衷方案。算例分析表明该方法的有效性与可行性。     

城市高中压配电网协调性综合评价研究

高中压配电网的协调发展是电网安全可靠运行的重要保障,只对高压或中压配电网进行协调性分析无法衡量城市配电网存在的整体问题。论文综合考虑高压和中压配电网发展协调性的影响因素,建立了高中压配电网协调性指标体系,使用基于德尔菲修正的层次分析法确定指标权重,并使用德尔菲法确定指标的评分标准,建立了高中压配电网协调性综合评价模型。最后,通过对某地区实际配电网的分析评价,证明了该评价模型的实用性。     

基于多重属性的P2P网络节点重要性度量方法

P2 P网络中的节点重要性评价在实际应用中有重要意义。现有的一些重要性评价指标如度、紧密度等存在度量结果较为片面等缺点,单一指标并不能有效地对P2 P网络中的节点重要性进行度量。针对此问题,提出了一种基于多重属性的综合度量指标。以节点度作为对比基础,计算多个度量指标与节点度指标的肯德尔相关系数,通过分析多个指标之间的内在关联性,最终选择节点度、介数、K-核和PageRank四个属性来进行节点重要性的综合度量。通过真实的P2 P网络进行实验验证,结果表明,相对原有单一度量指标和现有的综合度量指标,该综合指标更能够有效地对P2 P网络中的节点重要性进行度量,而且具有较强的普适性,可以应用到大多数P2 P网络中。     

基于粗糙集的教育网站综合评价研究

教育网站的综合评价对教育信息化资源建设与发展具有重要的意义.依据粗糙集理论的对象分类能力,通过属性约简,删除冗余属性,有效简化评价指标体系.以知识的信息量概念为基础对属性的重要性进行定义,得到了指标权重确定方法.在此基础上建立了教育网站的综合评价模型,由此对评价对象进行排序选优,从而得到教育网站综合评价的新方法.最后通过实例验证了该方法的实用性和可行性.     

基于改进离散型萤火虫群优化算法和分形维数的属性选择方法

属性选择是数据挖掘领域中数据预处理的一个重要方法。文中提出一种融合离散型萤火虫群优化算法(DGSO)与分形维数的属性选择方法。该方法以分形维数作为属性子集的评估度量准则,以DGSO作为搜索策略。为分析该方法的可行性和有效性,采用6个UCI数据集进行实验。结合10-fold交叉验证和SVM对属性选择前后的分类准确率进行分析,并进行搜索策略和评估度量准则间的性能对比及详细的参数分析。结果表明该方法具有较高的可行性和有效性。     

基于相关投影分的特征选择算法

特征选择是机器学习中的重要研究方向。以往的特征选择方法中使用的特征或者特征集评价准则往往对属性之间的相互影响考虑较少。文章提出一种新的特征集评价准则——相关投影分(CPS),并在此基础上提出了以CPS为准则的特征选择算法。实验表明该算法取得了很好的效果。