基于面向对象的智能决策支持系统模型库自动选择

面向对象的智能决策支持系统(IDSS)模型库管理系统的模型自动选择方法有多种.基于人工神经网络方法,通过人机交互接口将问题分解出的文字特征分解为问题的目标和初始态要素,再用智能识别器推理并选择模型.基于遗传算法的模型自动选择通过决策树表示以实现.基于自然语言理解的模型自动选择方法,通过加入问题识别模块实现.基于灰色关联度方法,通过自然语言理解法对用户的问题进行分析再选择适合问题的模型.     

数据仓库中非严格维层次的规范化研究

不规则维层次是数据仓库建模中常见的问题之一。通过对现实决策问题中可能出现的复杂维层次的分析．对可能导致OLAP工具聚集错误的非严格维层次问题进行了界定．给出了其形式化描述。为了能对非严格维层次进行规范化处理，提出了一种维层次范式，并设计了实现该范式的高效算法。     

基于BP神经网络的模型结构自动选择

模型选择方法对用户的期望过高，要求用户对决策支持系统模型库中的模型和所要解决的问题都要有深刻的理解，这就导致了模型选择的实用性较差，在论述BP神经网络及算法的基础上，将其应用于模型结构的自动选择，并利用Matlab仿真软件进行了验证，试验结果表明此方法是有效的。     

基于正态区间估计的改进型无量纲化方法

针对综合评价指标无量纲化问题,现有方法虽然考虑了评价的实际需要,但没有考虑评价值异常点对综合评价的影响,以致可能出现某个评价值异常性较大,而导致评价错误的结果。提出了一种基于正态区间估计的改进型无量纲化方法,利用正态区间估计的方法给出异常评价值的定义规则和处理规则,按照规则对评价值异常点进行辨识和修正,采用标准化方法对评价值进行无量纲化,提高评价值之间的区分度。经算例分析表明,该方法可行有效。     

DM与DSS集成的框架体系及建模

DM与DSS集成是决策环境驱动的,该文分析了DSS与DM的功能集成模式,并提出了一个DM三阶段处理过程模型(ThreeStageProcessModel),利用这个模型实现了DM系统和DSS系统的平滑结构集成,最后用面向对象的可视化建模语言(UML)对集成系统框架体系进行了建模。     

基于RLS-SVM的装备保障能力评估模型

考虑装备保障能力评估实际中获得的数据被污染的问题,在最小二乘支持向量机算法的基础上对其进行改进,提出了一种鲁棒学习的最小二乘支持向量机方法,使得所建模型可以避免奇异点影响.通过仿真验证了该方法拟合精度高、鲁棒性强,将其应用到装备保障能力评估中提高了评估精度,具有较好的推广性.     

由不交化矩阵求最小割集的改进算法

利用早期不交化法求解最小割集是目前进行故障树定性分析的一种有效方法。但不交化最小割集矩阵行数随着故障树规模的大小呈指数增长,对于数万乃至数百万行的不交化矩阵求解最小割集的过程就会慢得让人无法接受。通过对原算法的分析和改进,采用静态指针法建立动态数组,避免了原算法最耗时间的对不交化矩阵的排序运算。通过与原算法的对比分析,结果验证了本算法的有效性。     

数据仓库技术在飞参数据处理中的应用

用面向对象的方法来设计和描述飞参数据仓库的多维模式，实现了基于数据仓库技术的飞参数据处理系统。该系统能够有效地对庞大的飞参数据进行深层分析，为飞参数据的管理与处理探索了一种有效的模式。。     

基于信息熵的专家聚类赋权方法

鉴于群组决策专家赋权方法研究中,现有赋权方法虽然考虑了专家给出的排序向量的一致性,但缺乏对排序向量信息相似性的度量,导致可能出现排序向量与群体共识相近,但信息不确定性较大的专家被赋予了与其他专家相同权重的问题.基于此,提出一种基于信息熵的专家聚类赋权方法,运用信息相似系数对排序向量进行聚类分析,根据聚类结果和排序向量的...     

Delphi程序的使用限制和注册

介绍在Delphi环境下，利用注册表类Tregistryinifile为应用程序添加注册要求及对使用次数和使用日期的限制，同时在注册后自动解除这种限制。