基于直觉模糊聚类的Web资源推荐方法

在Web资源分类中,针对传统基于用户兴趣的方法不能准确反映用户兴趣的变化以及难以区分资源内容的品质和风格等问题,提出一种基于直觉模糊C均值聚类的Web资源聚类推荐方法。该方法首先根据用户兴趣度将Web资源表示为直觉模糊数,然后应用直觉模糊信息集成理论进行资源分类,最后实现向用户推荐相似或相近资源。理论分析和实验表明,该方法比传统的模糊C均值以及协同过滤方法在推荐质量上有很大的提高。     

基于属性数学和联系数学的煤灰结渣特性综合评判模型及应用

将属性测度理论和集对分析理论融合在一起,建立了一种基于属性数学和联系数学的煤灰结渣特性综合评判模型,实例应用表明该模型客观合理,且应用方便.     

基于CC-OWG算子的区间数多属性群决策方法

针对属性权重和属性值均以区间数形式给出的不确定多属性决策问题,提出一种基于CC-OWG算子的区间数多属性群决策方法.该方法利用连续区间数据有序加权平均(C-OWA)集成算子对区间数属性权重进行处理,利用组合的连续区间数据有序加权几何(CC-OWG)集成算子对区间数属性值进行集成.最后,以实例分析说明了该方法的实用性和有效性.     

基于属性测度的有差异区间型多准则双边匹配决策方法研究

针对具有主体期望水平的有差异区间型多准则双边匹配决策问题,提出了一种基于属性测度的双边匹配决策方法。首先,针对有差异区间型准则,依据属性测度计算各准则值相对于各期望水平的匹配度,并建立双方在各准则下的匹配度矩阵;然后根据简单加权法原则,建立双方综合匹配度矩阵;进一步,根据双方综合匹配度矩阵,以双方主体的匹配度总和最大为目标,构建多目标优化模型,并根据线性加权法将多目标优化模型转换为单目标优化模型,进而通过模型求解得到双边匹配结果;最后,通过实例验证了所提出的双边匹配决策方法的可行性和有效性。     

基于现代教育技术的大学数学教学模式研究

现代教育技术与大学数学教学的整合是当前大学数学教学创新的有力生长点。在课堂教学形式下，如何整合现代教育技术与大学数学教学，构建新型教学模式，具有重要的现实价值。简要探讨现代教育技术的优势、基于现代教育技术的大学数学教学模式的构建及现代教育技术在大学数学教学中4种关系的处理。     

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法。首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值，然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值。最后给出两个具有直观意义且计算简便的排序准则，利用它们对方案进行排序并选出最优方案，实例分析表明了该方法的可行性和有效性。     

基于区间直觉梯形模糊数的群决策方法

针对准则值为区间直觉梯形模糊数（IVITFN）的群决策问题,定义了新的区间直觉梯形模糊数的加性的运算法则;基于这些运算法则,给出了几种区间直觉梯形模糊数信息的算术集成算子,包括区间直觉梯形模糊数的加权算术平均（IVITFNWAA）算子、区间直觉梯形模糊数的有序加权平均（IVITFNOWA）算子和区间直觉梯形模糊数的混合集成（IVITFNHA）算子;基于IVITFNWAA算子和IVITFNHA算子,提出了一种准则值为区间直觉梯形模糊数而准则权重确知的群决策方法。最后,实例分析表明了该方法的可行性和有效性。     

基于正态分布优先集结算子的 随机多准则群决策方法

对准则值为正态随机变量,而准则之间具有优先级别的随机多准则群决策问题进行了研究。首先,定义了一种集结正态分布数的优先加权平均(NDNPWA)算子,并给出了该算子的相关性质;进一步,基于NDNPWA算子和正态分布数加权算术平均(NDNWAA)算子,提出了一种准则值为正态随机变量,准则之间具有优先级别,而决策者之间不具有优先级别的随机多准则群决策方法。最后,通过实例分析表明,该方法具有可行性和有效性。     

基于云模型和Theil指数的投资项目风险评估研究

从企业家及团队风险、产品风险、技术风险、市场风险、退出风险、政策及产业风险和区域影响力7个方面构建了投资项目风险评估指标体系,进而基于云模型和Theil指数提出了一种风险评估方法。该方法先将指标值转化为云模型,然后利用云的特征数和Theil指数计算指标权重,再以此权重为基础进行云模型集结,从而对各方案进行综合评估和择优。最后,通过实例应用检验了该方法的可行性和有效性。     

基于二元联系数集结算子的多准则群决策方法

定义了二元联系数的加性运算法则, 给出了几种新的算术集结算子, 即二元联系数加权算术平均(BCNWAA)算子、二元联系数有序加权平均(BCNOWA) 算子和二元联系数混合集结(BCNHA) 算子, 提出了一种基于二元联系数的准则权重信息不完全确定的群决策方法. 该方法利用BCNWAA算子和BCNHA算子对二元联系数准则值进行集结; 利用二元联系数准则值的方差和准则权重的随机性, 通过构建优化模型确定最优准则权重. 最后, 通过实例分析表明了该方法的可行性和有效性.