一种权重未知的多属性多阶段决策方法

针对属性权重与时间权重未知且属性值为区间数的一类决策问题,提出一种新的多属性多阶段决策方法.该方法首先无量纲化处理属性值,并运用灰色关联方法确定各阶段属性值的权重;然后综合考虑属性测度值与正、负理想效果值的接近性和时间权重本身的不确定性,运用极大熵原理建立多目标优化模型,并利用拉格朗日乘子法求解获得时间权重表达式,从而确定对象的综合评价值;最后通过实例验证了该方法的合理性与有效性.     

商业银行IT治理综合评价方法的研究

为了更有效地展开商业银行IT治理的综合评价工作,进行评价指标的处理是必要的。在深入学习研究灰色理论和模糊数学的基础上,进行了评价指标的优化,优化处理主要从无量纲化方面进行讨论,运用改进的Delph i法匿名讨论及统计,优化待评商业银行IT治理的评价指标,拟定出IT治理的综合评价指标体系;依据模糊数学理论形成评判矩阵;进行模糊运算,得出商业银行IT治理综合评价结果,形成了商业银行IT治理评价的新方法。     

IPOWA算子及其在正态随机多准则决策中的应用

现实中,很多现象近似服从正态分布。为了解决准则值为正态随机变量且决策者风险态度不确定的多准则决策问题,提出了一种基于区间可能有序加权平均(interval possible ordered weighted averaging,IPOWA)算子与可能性系数的方法。通过正态随机变量的线性组合方法,算出各方案的线性加权正态随机变量。根据正态随机变量的3σ原则,将线性加权正态随机变量转化为随机区间数。对随机区间数进行两两比较,得到可能度矩阵,利用区间可能有序加权平均算子,集结可能度矩阵中每行元素的值。采用风险态度的可能性系数,计算各方案的综合评价值,进而确定各方案的最终排序。最后,通过两个算例的对比分析,表明所提方法具有排序结果稳定,支持信息充分等特点。     

一种具有正态随机变量的多属性决策方法

针对具有正态随机变量的多属性决策问题,提出一种决策分析方法.首先运用概率统计知识对具有正态随机变量的决策矩阵进行处理,得到每个方案的综合效用值,通过分析可知方案的综合效用值仍是正态随机变量;然后依据3σ原则确定每个方案的综合效用值所在的区间,并通过区间数的比较来建立两两方案之间比较的优势可能度矩阵;再后依据优势可能度矩阵,运用PROMETHEEⅡ方法得到方案的排序结果;最后通过一个算例说明了该方法的有效性和可行性.     

投影寻踪模型在软件质量评价中的应用

利用投影寻踪模型对软件质量多个指标综合成一维综合投影值,提出了基于遗传优化的投影寻踪模型在软件质量评价中的应用.利用样本数据求解最佳投影方向,确定评价等级的综合投影值区间,根据待评价样本综合投影值与区间值比较,得出综合评价.实例评价结果表明,投影寻踪模型应用于软件质量评价是可行的,具有较强的适用性和应用性,能够准确、科学和客观地评价软件质量.     

基于前景理论和VIKOR的风险型模糊多准则决策方法

针对准则值均为模糊数的风险型多准则决策问题,提出一种基于前景理论和VIKOR的多准则决策方法。首先,进行区间数、三角模糊数、梯形模糊数、直觉模糊数和语言值的无量纲化处理;然后,基于各个准则各种状态下各个方案的准则值排序,确定中位数参考点以及各个方案在各个准则下的综合前景值;接着,基于前景价值矩阵,给出基于VIKOR的扩展方法;最后,通过具体实例验证了所提出方法的有效性和可行性。     

一种基于多维云模型的多属性综合评价方法

基于多维云能够表述复杂模糊概念的特性,提出一种基于正态多维云模型的多属性综合评价方法。将“属性概化”的概念引入系统评价中,利用一维云模型对单个属性进行多级描述;在此基础上,针对各级评语建立其对应的多维评判云和描述系统整体属性的多维属性云,并通过比较两类云模型的相似程度得出评价结果。实验结果表明,该方法能够在单一价值分类的基础上实现多重价值分类和排序,同时能够较为直观地反映出各属性值对综合评价结果的影响。     

Matlab统计工具箱的若干优化补充

针对Matlab 6.5统计工具箱没有优化正态总体方差的区间估计,且没有给出正态总体方差检验的问题,通过编写Matlab程序,优化统计工具箱对正态总体方差的区间估计,开发正态总体方差的假设检验算法.实例表明该方法在推断统计方面实用性较强.     

基于前景理论的风险型混合模糊多准则群决策

针对准则值为模糊数的风险型多准则群决策问题,提出一种基于前景理论的多准则群决策方法.首先运用方差分析原理构建群决策参考点;然后分析区间数、三角模糊数、梯形模糊数等无量纲化方法,给出各类模糊数的价值函数计算方法,并提出群体信息集成决策步骤;最后通过算例表明所提出方法的有效性和可行性.     

PIE:实值属性离散化方法及应用

提出一种基于概率与信息熵理论的实值属性离散化方法,综合考虑了各对合并区间之间的差异性;该方法利用信息熵衡量相邻区间的相似性,同时考虑离散区间大小和区间类别数对学习精度的影响,并通过概率的方法得到了这两个因素的衡量标准。仿真结果表明,新方法对See5/C5.0分类器有较好的分类学习能力,并在肿瘤诊断中得到了很好的应用。     

高校教师教学质量评估的区间数方法

针对教学质量评估中存在的模糊性、不确定性,采用区间数表达专家给出的评价信息,提出了一种新的高校教学质量评估方法。定义区间数排序的评价值,通过建立多目标规划模型,客观地确定了评价指标的权重,从而给出各教师评价的排序结果。应用实例表明了方法的有效性和实用性。     

Accurate and fast 3D head pose estimation with noisy RGBD images

Head pose estimation plays an essential role in many high-level face analysis tasks. However, accurate and robust pose estimation with existing approaches remains challenging. In this paper, we propose a novel method for accurate three-dimensional (3D) head pose estimation with noisy depth maps and high-resolution color images that are typically produced by popular RGBD cameras such as the Microsoft Kinect. Our method combines the advantages of the high-resolution RGB image with the 3D information of the depth image. For better accuracy and robustness, features are first detected using only the color image, and then the 3D feature points used for matching are obtained by combining depth information. The outliers are then filtered with depth information using rules proposed for depth consistency, normal consistency, and re-projection consistency, which effectively eliminate the influence of depth noise. The pose parameters are then iteratively optimized using the Extended LM (Levenberg-Marquardt) method. Finally, a Kalman filter is used to smooth the parameters. To evaluate our method, we built a database of more than 10K RGBD images with ground-truth poses recorded using motion capture. Both qualitative and quantitative evaluations show that our method produces notably smaller errors than previous methods.     

基于凸优化改进的相机全局位置估计方法

相机全局位置估计作为运动恢复结构算法（Structure from motion,SfM）中的核心内容一直以来都是计算机视觉领域的研究热点.现有相机全局位置估计方法大多对外点敏感,在处理大规模、无序图像集时表现的尤为明显.增量式SfM中的迭代优化步骤可以剔除大部分的误匹配从而降低外点对估计结果的影响,而全局式SfM中没有有效地剔除误匹配的策略,估计结果受外点影响较大.针对这种情况,本文提出一种改进的相机全局位置估计方法:首先,结合极线约束提出一种新的对误匹配鲁棒的相对平移方向估计算法,减少相对平移方向估计结果中存在的外点;然后,引入平行刚体理论提出一种新的预处理方法将相机全局位置估计转化为一个适定性问题;最后,在此基础上构造了一个对外点鲁棒的凸优化线性估计模型,对模型解算获取相机位置估计全局最优解.本文方法可以很好地融合到当下的全局式SfM流程中.与现有典型方法的对照实验结果表明:在处理大规模、无序图像时,本文方法能显著提高相机全局位置估计的鲁棒性,并保证估计过程的高效性和估计结果的普遍精度.     

局部模糊综合评价方法及其在健康普适服务中的应用*

提出一种基于社区健康指数的服务质量评价模型。该模型采用局部模糊的综合评价法,根据指标性质灵活采用模糊评价和综合评价,减少了评价指标的数据丢失;此外,采用主客观结合的方式,自顶向下确定指标的权重,增强了权重值的可信度。实验证明该模型提高了评价的准确性,具有很强的实用价值。     

估算有机物正常沸点的基团贡献法比较与评价

利用Joback法、Joback修正法、C-G法、M-P法和许文法估算4068种有机物的正常沸点,并与文献实验值相比较。通过估算精度对比分析,指出了5种估算方法的优缺点,并就它们的估算能力及适用于哪些物质,提出选择的建议。结果:CG2使用简便,能区分同分异构体,估算精度高,是最好的估算方法,估算烷烃、氯衍生物、溴衍生物、脂环烃、芳烃、含氮化合物正常沸点时精度最高,平均相对误差分别为1.86%、3.41%、3.40%、2.84%、3.17%、4.61%;MP2估算碘衍生物正常沸点时精度最高,平均相对误差为3.04%;MP4估算氟衍生物、含氧化合物、含硫化合物正常沸点时精度最高,平均相对误差分别为5.71%、3.75%、2.62%;许文法估算烯烃和炔烃正常沸点时精度最高,平均相对误差分别为1.71%和1.74%;Joback修正法修正效果不明显,有待改进。     

An /spl epsiv/-margin nonlinear classifier based on fuzzy if-then rules

This paper introduces a new classifier design methods that are based on a modification of the classical Ho-Kashyap procedure. First, it proposes a method to design a linear classifier using the absolute loss rather than the squared loss that results in a better approximation of the misclassification error and robustness of outliers. Additionally, easy control of the generalization ability is obtained by minimization of the Vapnik-Chervonenkis dimension. Next, an extension to a nonlinear classifier by an ensemble averaging technique is presented. Each classifier is represented by a fuzzy if-then rule in the Takagi-Sugeno-Kang form. Two approaches to the estimation of parameters value are used: local, where each of the if-then rule parameters are determined independently and global where all rules are obtained simultaneously. Finally, examples are given to demonstrate the validity of the introduced methods.     

基于群体一致性强度的模糊评估方法

针对模糊信息的定量评估难题, 在研究多属性决策问题的基础上提出基于群体一致性强度的模糊评估方法. 利用证据理论合成评估值后, 引入语义折扣因子的概念, 将区间评估信息转化为确定的评估值; 设计群体一致性强度 指标, 最优化语义折扣因子的取值, 使得评估方法能够体现评估中的主流意见; 通过软件可信评估实例验证了所提出方法可有效解决模糊评估信息的分析和合成问题.     

RBFNN在速度传感器异常值滤除中的应用

基于速度的延滞特性即不会瞬间突变,利用径向基函数（RBF）优秀的预估和拟合逼近能力,通过对已知时刻的速度值进行网络训练和学习,可以很好地预测下一刻的值及其变化趋势。根据是否落入由训练误差所确定的置信区间,判定异常值并进行异常值的滤除。经实验测试,95%的置信区间能够完全满足剔除异常数据、保留正常数据的功能。     

融合核心句与依存关系的评价搭配抽取

评价搭配抽取是情感分析的基础任务之一。目前大部分抽取方法都是以依存句法分析为基础,但依存分析对中文评论文本的分析结果不稳定。针对此问题,提出了融合核心句抽取与依存关系的评价搭配抽取方法。该方法利用核心句抽取规则简化评论句结构,在此基础上进行依存句法分析,根据人工构建的依存关系模板进行评价搭配的抽取,并引入潜在评价搭配抽取规则抽取文本中省略评价对象的评价搭配。在中文酒店评论语料中进行试验,与基于依存分析的方法相比,该方法的F值提高约7％,证明了该方法的有效性。     

基于D-S理论的可信云服务评价方法研究

云制造环境下,用户选择云服务资源时往往陷入信息量巨大以及信任缺失的困境。针对如何选取可信云服务的问题,提出了一种基于D-S理论的云服务评价方法。选取六个云服务指标作为可信特征集;通过获取定性定量指标评价信息,求解指标的评价等级隶属度;进而获得评价指标效用偏好度作为基本概率分配值;引入各云服务评价指标的权重修正基本概率分配以减少证据合成过程中的冲突;应用D-S理论合成规则对可信云服务的证据进行合成;计算各云服务的信任区间并将其进行偏序关系的对比,实现了云服务的选择。以某汽车零部件制造商选择云服务为例,验证所提方法的可行性和有效性。