基于模糊偏好关系的多智能主体决策

多智能主体决策在决策支持系统中的应用越来越广泛,但也带来了各智能主体决策一致性,以及选择最优决策方案的问题,为解决以上问题,该文提出了基于模糊偏好关系的多智能主体决策方法,该方法利用模糊聚合算子对多智能主体的决策结果进行聚合,并利用模糊偏好关系对决策方案进行排序,从而选择最优决策方案。     

泛组合运算模型研究

泛逻辑学是在模糊逻辑的基础上,分析命题之间关系的连续可变性。提出了“广义相关性”和“广义自相关性”两个重要的概念,将命题连接词运算模型定义为由相关性所控制的算子簇,实现了命题连接词运算模型的柔性化。其中泛组合运算模型是为了满足连续值逻辑中综合决策的需求而提出的。目前仅有二元模型,在实际应用中迫切需要多元模型。但由于泛组合问题的复杂度随着“元”的个数增加而急剧增大,其设计有一定的难度。提出了多元泛组合运算模型和生成元加权零级泛组合运算模型,从而不仅满足了应用中多元综合决策的要求,还进一步完善了泛逻辑学中的命题连接词理论。     

复杂系统模糊建模的模糊树方法

对含高度非线性的复杂系统的模糊建模提出了一种二叉线性模糊树方法. 证明了对n维空间中任一闭集上有限样本集或连续函数, 总存在模糊树模型以任一精度逼近之. 模糊树模型在一定程度上模拟了对复杂问题进行分层、分段简化决策的思维过程, 故对其进一步的研究具有科学与应用价值.     

基于Rough集距离函数的属性值区间化及其应用

Rough集作为一种处理模糊和不确定性问题的新颖方法已经在许多领域得到了广泛的应用。本文通过计算使决策表中的属性值区间化[3 ] ,删去冗余的决策规则 ,从而生成一种更具代表性的数据隐含式。利用上下距离函数和Rough决策因子代替统计方法或专家经验方法 ,在实际开发的系统中更具实用性。     

二叉决策图在逻辑综合中的应用

二叉决策图（BDDs）是布尔函数的一个表示方法，最近它被广泛于逻辑综合、布尔电路的模拟和测试等领域。在这些应用中，有些基本问题需要解决，其中包括电路图到决策图的转换。本文提出一个转换的方法。文中分两步叙述，首先是对无扇出电路的转换，然后是对有扇出电路的转换，最后把两者结合为一个通用算法。     

基于RBF网络的信息融合在机器人足球中的应用

机器人足球系统是综合性的人工智能研究平台。决策在机器人足球比赛中起着至关重要的作用。通过对机器人足球系统的分析,论证了信息融合应用于机器人足球系统的可行性。针对机器人足球比赛决策中的实际问题,提出了基于径向基函数(RBF)神经网络的信息融合方法,并设计了足球机器人射门实验。实验结果证明该方法有助于提高整个系统决策的准确性。     

基于信任函数理论的修正融合目标识别算法

针对信任函数理论中经典Dempster组合规则难以有效融合高冲突证据并存在焦元基模糊问题,提出了一种基于信任函数理论的修正融合目标识别算法.修正融合算法在对相容命题进行组合时,考虑了焦元基的影响,使基本信任质量合理地向基数较小的焦元命题聚焦,以避免焦元基模糊问题;在对冲突命题进行组合时,对命题进行倾向性分析并对局部冲突采用局部分配的策略,以有效融合高冲突证据.算例与仿真比较分析验证了此修正融合目标识别算法的合理有效性和优越性.     

数据挖掘技术在绿化决策中的应用

本文介绍了数据库技术的现状、数据挖掘的方法以及它在Bayesian网建网技术中的应用：通过数据挖掘解决Bayesian网络建模过程中所遇到的具体问题，即如何从大规模数据库中寻找各变量之间的关系以及如何确定条件概率问题。通过将该方法应用于实际问题中的例子：绿化决策系统中如何选取树种，我们将看到此技术是有效和实用的。     

证据理论中证据度量函数与可加性

证据理论是信息融合、数据挖掘、决策系统等应用模型的理论基础。研究了证据理论中信任函数与似然函数的可加性问题,定义了双联信度函数,证明了该函数为可加集函数的充要条件是基本概率分配函数的非零赋值局限于单点集和两点集。     

区分3种否定的模糊命题逻辑系统及其应用

在模糊知识表示与推理中,否定信息扮演了一个重要角色.从概念层面上区分了模糊知识中存在的3 种否定关系,即矛盾否定关系、对立否定关系和中介否定关系.为了建立能够完全描述这些不同否定关系的逻辑基础,提出一种区分矛盾否定、对立否定和中介否定的模糊命题逻辑形式系统FLCOM.讨论了FLCOM 特有的性质与意义,给出了FLCOM 的一种语义解释,并证明了可靠性定理.为了表明FLCOM 处理实际问题的适用性,进一步研究了FLCOM在一个模糊决策实例中的应用.具体地,基于FLCOM讨论了决策规则中的模糊命题及其不同否定的区分与形式表示,给出一种确定模糊命题及其不同否定的真值及其真值范围阈值的方法,并采用模糊产生式规则讨论了实例中的模糊推理与决策.从而表明,运用FLCOM 处理具有模糊性并且存在不同否定的实际问题是有效的.     

基于粗集理论和证据理论的多源信息融合方法

本文针对多源信息融合问题，首先利用基于Kohonen网络的离散化算法和粗集理论对样本信息进行离散化和约简，形成了待决策问题的经验决策表．在此基础上，利用经验决策表以及粗集理论和证据理论的关系，计算了待决策信息的有关证据的基本概率指派和条件概率指派．最后，按照合成规则对上述条件概率指派进行了合成，并根据决策规则进行决策．实例研究表明，该方法实验结果令人满意．     

Innovators and Imitators in Novelty‐intensive Markets: A Research Agenda

The phenomenon of demand for novelty is defined and explored as a unique and under‐examined aspect of certain markets. Demand for novelty is the portion of demand not explained by practical utility or marketing effects – it is the demand for the new and unique. We explore markets characterized by high demand for novelty and how they differ from typical markets. Primarily, this involves the central role of novelty in the product or service value proposition as well as rapid growth rates and product or service obsolescence. Within this context, we consider the dynamics of innovating and imitating and suggest several ways that first mover competition is unique in markets with high demand for novelty. From the perspective of the knowledge‐based theory of the firm, we consider the implications of organizational learning and knowledge and decision making as they relate to new product development routines, improvisation, and top management team decision making. We conclude by considering several avenues for future empirical research.     

决策表的一种知识约简与规则获取方法

粗糙集理论是一种新型的数据挖掘和决策分析方法,利用粗糙集理论进行决策表的知识约简与决策规则挖掘已经成为研究热点。文中介绍了粗糙集的基本理论,在此基础上运用该理论对从决策表中获取最小规则进行了研究,提出了决策表约简的启发式方法,并通过一个具体实例详细说明了决策规则获取过程,实例分析表明了其有效性。     

降低相似度碰撞的证据融合方法

针对相似度碰撞引发证据融合结果错误的问题,提出一种新的证据融合方法。首先,提取证据的焦元序列特征并将其转化为排序矩阵以弥补证据相似度易碰撞的不足;其次,联合证据的排序矩阵和信息熵完成对证据权重的确定;最后,生成归一化证据（MAE）并使用Dempster融合公式将MAE融合n-1次获得最终的结果。基于在线的鸢尾花数据集对证据平均融合方法、余弦相似度证据融合方法、证据距离融合方法和证据信誉度融合方法进行了花类型识别准确性的F-Score对比,上述四种方法的F-Score分别为0.84、0.88、0.88和0.88,而所提方法的F-Score为0.91。实验结果表明,所提方法的决策准确率更高,融合结果更加可靠,能为证据决策提供了有效的解决方案。     

基于小波网络和证据理论的多源信息融合系统研究

在多源信息融合中，不确定、不完整和冗余现象普遍存在。为了解决这个复杂问题，本文首先利用相空间重构理论对输入的信息在相空间中进行重构，以充分提取相关信息。然后在重构相空间上，利用模糊理论、小波网络和遗传算法对上述重构信息进行了时间域信息融合。最后，利用D—S证据理论将时间域融合结果进行了空间域信息融合，并根据决策规则进行了决策。结果表明．据此形成的分布式多源信息融合系统具有良好的目标探测能力、抗干扰能力和容错能力。     

A Hierarchical Approach to Judgment Aggregation with Abstentions

Judgment aggregation deals with the problem of how collective judgments on logically connected propositions can be formed based on individual judgments on the same propositions. The existing literature on judgment aggregation mainly focuses on the anonymity condition requiring that individual judgments be treated equally. However, in many real‐world situations, a group making collective judgments may assign individual members or subgroups different priorities to determine the collective judgment. Based on this consideration, this article relaxes the anonymity condition by giving a hierarchy over individuals so as to investigate how the judgment from each individual affects the group judgment in such a hierarchical environment. Moreover, we assume that an individual can abstain from voting on a proposition and the collective judgment on a proposition can be undetermined, which means that we do not require completeness at both individual and collective levels. In this new setting, we first identify an impossibility result and explore a set of plausible conditions in terms of abstentions. Secondly, we develop an aggregation rule based on the hierarchy of individuals and show that the aggregation rule satisfies those plausible conditions. The computational complexity of this rule is also investigated. Finally, we show that the proposed rule is (weakly) oligarchic over a subset of agenda. This is by no means a negative result. In fact, our result reveals that with abstentions, oligarchic aggregation is not necessary to be a single‐level determination but can be a multiple‐level collective decision making, which partially explains its ubiquity in the real world.     

基础信息层经验规则的一种表达方法

该文讨论在复杂的大型辅助决策系统中,构造智能决策规则模型的一种方法。这是一种基于决策表的知识表示方法。它在传统决策表的基础上,吸收了产生式规则、框架表示法、模糊理论、关系模型等多种方法的思想和技术,把传统决策表加以扩展,得到了一种结构性好、表达能力强、可操作性较好的智能决策表达工具,用来表示大型辅助决策系统中的复杂领域知识,将其中松散的经验规则形式化成智能决策规则模型,从而增强其结构性和可操作性,有效支持对其它信息的操作。     

决策树剪枝加强的关联规则分类方法

传统关联规则挖掘在面临分类决策问题时,易出现非频繁规则遗漏、预测精度不高的问题。为得到正确合理且更为完整的规则,提出了一种改进方法 DT-AR(decision tree-association rule algorithm),利用决策树剪枝策略对关联规则集进行补充。该方法利用FP-Growth(frequent pattern growth)算法得到关联规则集,利用C4.5算法构建后剪枝决策树并提取分类规则,在进行置信度迭代筛选后与关联规则集取并集修正,利用置信度作为权重系数采取投票法进行分类。实验结果表明,与传统关联规则挖掘和决策树剪枝方法相比,该方法得到的规则在数据集分类结果上更准确。     

基于粗糙集理论的客户关系管理

粗糙集理论是一种新型的数据挖掘和决策分析方法,利用粗糙集理论进行决策表的知识约简与决策规则挖掘已经成为研究热点。本文介绍了粗糙集的基本理论,通过决策属性支持度定义的条件属性对决策属性重要性的启发式信息,求取决策表的最小约简。并将该方法用于对企业客户进行分类,为客户关系管理的决策支持提供了新的解决方法。     

A computing theory for collaborative and transparent decision making under time constraint

In this paper, we present a computing theory on the accelerated critical point of selection of proper strategies between collaboration and competition and its mathematical analysis for collaborative and transparent decision making under “time constraint”, i.e., cost of time pressure, which decision makers face in negotiation. Web 2.0 provides a useful digital environment to support various time-stressed human behaviors for collaborative decision making. However, little research has examined the collaborative behavior under time constraint on the Internet in its designs and implementations on electronically supported decision making. Those systems are implemented in black boxes so that we need transparent designs of decision support systems to promote collaboration by time-stressed decision makers. The essential problem on collaborative decision making under time constraint is the discovery and evaluation on the critical point of selection of proper strategies between collaboration and competition. Most of the current decision support systems accept the half of maximum acceptable time for negotiation as a critical point, a priori, though that conventional point is often late for proper decision making. The proposed theory shows that a critical point is to be accelerated at the one-third of maximum acceptable time for negotiation. We have formulated the proposed computing theory based on mathematical formulation, and checked its feasibility in its applications to a case study. The proposed theory promotes collaborative and transparent decision making in consideration of the properties of stakes under time pressure by selecting the strategy of collaboration or competition at the much earlier stage.