基于SBM区间模型的决策单元相似度

在数据包络分析方法的研究中,当决策单元的输入输出值为区间数时,区间效率的测算取决于生产参照集的选择.对此,针对非径向非角度的松弛测度模型(SBM),通过比较计算认为,以最佳生产状态为统一参照来测算决策单元的区间效率最有利于排序.同时,利用区间数相似度理论建立模糊相似矩阵,进而提出基于参照单元区间效率的相似度排序方法,对决策单元聚类和排序.最后通过算例表明了所提出方法的可行性和有效性.     

专家干预下置信规则库参数训练的差分进化算法

传统关于置信规则库参数训练模型的求解主要采用FMINCON函数及群智能算法,但在算法设计中并未涉及所有的置信规则库参数,且缺少必要的专家干预.为解决这些问题,首先在现有参数模型的基础上进一步扩宽参与参数训练的置信规则库参数,然后设计出符合思维逻辑的专家干预的约束条件,最后结合差分进化算法提出具有更高收敛精度的置信规则库参数训练方法.在实验分析中,首先在多极值函数的实例中分析该方法的有效性,再在输油管道检漏的实例中检验专家干预的合理性及对比现有的其他参数训练方法.实验结果表明,该方法是有效可行的.     

面向最佳决策结构的置信规则库结构学习方法

针对置信规则库中初始结构不合理的问题,现有的解决方法仍存在不具备可重复性或受数据完备性和等级效用值相关联的制约等方面的不足。鉴于此,对置信规则库的参数学习进行了理论分析和实验验证,总结出不合理结构下置信规则库中易出现结构欠完备问题或结构过完备问题;将DBSCAN算法和误差分析嵌入到现有参数学习方法中用于解决上述问题,进而提出了面向最佳决策结构的结构学习方法;通过实验分别在过完备结构和欠完备结构的置信规则库下验证了新方法,并对比了结构改变时误差的变化。实验结果表明所提方法是有效可行的。     

出租车乘车概率预测的置信规则库推理方法

出租车乘车概率预测中存在数据量级大,底层属性类型多,预测信息不确定的问题。鉴于此,整合大规模轨迹数据范畴中现有的挖掘算法对出租车GPS数据和路网数据进行离线处理;将多类型的不确定性数据转换为具有置信结构的规则形式,并以此构建置信规则库;通过置信规则库推理方法（belief rule-base infer-ence methodology using evidential reasoning,RIMER）在线预测路网道路上各个地点的乘车概率。以北京市2012年11月某天的出租车GPS数据为例说明该在线预测方法的应用。实验结果表明,该预测方法具有较高的实时性和准确性。     

置信规则库参数学习的并行差分进化算法

为解决置信规则库中现有参数学习方法主要是串行算法且不适用于求解大数据下参数优化模型的问题,结合群智能算法中的差分进化算法和集群系统中分布式方法,提出了基于消息传递接口的并行参数学习方法。以输油管道检漏问题为例,对比分析了本算法与现有参数学习方法在收敛时的误差,并在不同结点数的集群系统中分析了本算法的加速比和效率。实验结果表明,并行的参数学习方法是有效可行的。     

基于聚类集成和激活因子的扩展置信规则库推理模型

规则约减和规则激活是扩展置信规则库(EBRB)推理模型优化研究中的两个重要方向.然而,现有研究成果大多存在方法参数确定主观性强和计算复杂度高等不足.为此,通过引入聚类集成和激活因子提出改进的EBRB推理模型,称为CEAF-EBRB模型.该模型先基于聚类集成对历史数据进行多次的数据聚类分析,再以簇为单位将所有历史数据生成扩展置信规则;同时,通过激活因子修正个体匹配度计算公式以及离线的方式计算激活因子取值,以确保高效地激活一致性的规则.最后,在非线性函数拟合、模式识别、医疗诊断等常见问题中验证了所提CEAF-EBRB模型的可行性和有效性,从而为决策者提供更准确的决策支持.     

考虑投入产出关系与效率的环境治理成本预测方法

针对环境治理中的成本规划问题,目前的解决方法主要是基于时间序列的成本预测方法,缺少对环境治理效率的考虑.鉴于此,提出基于效率偏好的ANFIS方法用于环境治理成本预测,其基本原理是分别以数据包络分析(DEA)的非期望产出模型和基于自适应神经模糊系统(ANFIS)考虑环境治理中的投入产出关系与效率.在实例分析中,根据2003年至2015年我国各省份的环境治理数据,分别从准确性和有效性两方面与具有代表性的现有方法进行性能分析和比较.结果显示,所提方法是有效的,且准确性优于现有方法.