基于感知效用的多阶段多属性匹配决策途径

针对当前双边匹配研究仅限于单阶段情形,提出一种多阶段多属性情形下的匹配决策方法。 首先,根据主体给出的各阶段orness测度,建立以各阶段orness测度与所求的累积权重orness测度间的偏差和,以及各累积权重之间的最大离差,两者之和最小为准则计算得到匹配对象各属性的累积权重。然后,与专家给出的属性值加权集结得到其累积评价值,进而依据逼近理想解法的思想测算匹配对象的累积评价值与主体期望的正负理想值之间的吻合度,得到主体的感知效用并作为匹配依据。通过建立一种基于感知效用的双目标优化模型,使用极大极小法求解该模型获得匹配结果。最后,通过一个算例比较极大极小法与线性加权法,前者得到的双方损益效用差值(0.33)小于后者(0.36);另外,所提方法使较劣一方的损益效用达到最大。     

主客观权重集成及扩展VIKOR的多属性群决策方法

针对评价信息、属性权重均为不同粒度语言短语的多属性群决策问题,提出一种基于主客观权重集成及扩展多准则协调优化解（VIKOR）的多属性群决策方法。由基本语言评价集实现对多粒度语言评价矩阵的一致化,基于同一粒度的语言决策矩阵计算群体对属性的评价偏差,基于群体评价意见的一致性原则得到属性客观权重,通过二元语义加权算术平均（T-WAA）算子得到属性主观权重,从而集成主、客观权重求得属性综合权重。集结转化后的单个评价矩阵得到群体评价矩阵及其导出矩阵,由扩展VIKOR方法,根据群效用值、个体遗憾值及综合评价值分别对方案进行排序,获得折衷方案。算例分析表明该方法的有效性与可行性。     

网格QoS控制的效用模型及优化

基于经济模型研究网格QoS控制的资源分配问题,给出多QoS属性多任务的资源分配优化的效用模型,通过定义任务的多QoS属性效用模型来描述动态需求和偏好,计算需要提供QoS的资源分配。用多属性优化方法,求解优化多QoS属性效用函数。     

基于粗糙熵权的模糊多准则决策方法及应用

提出度量粗糙集不确定性的粗糙熵概念,并基于粗糙熵对属性的重要度给出了定义,从而提供一种求解模糊多准则决策模型中准则权重的方法．根据备选方案的模糊评价系统,给出相关的知识表达系统,并建立删除冗余属性后的备选方案综合评价优选矩阵,通过比较各备选方案与理想方案的近似度求出最优方案．最后,通过实例计算证明了上述模型及方法的有效性．     

多agent两阶段多属性协商模型

多议题模型中,在议题的评价机制上买卖双方大多采用多属性效用理论或其变形理论,如距离函数等。提出了多属性效用理论实际应用中的悖论问题,分析了造成理论应用偏差的原因和B2C领域电子商务活动交易的特点,进而提出了一个协商拍卖模型。该模型分两个阶段来进行,提高了协商效率,而且允许卖方体现商品的特色,差异化自己的商品。     

区间数动态多属性决策的VIKOR扩展方法

针对各决策阶段的时间权重以及属性权重已知,属性值以区间数形式给出的动态多属性决策问题,提出一种新的决策方法.该方法依据传统多准则妥协解排序法(VIKOR)的基本思路,结合区间数的运算规则,计算各阶段各方案的评价值,进而引入不确定动态加权平均(UDWA)算子进行集成,以获取各方案整体评价值的区间数.借助于区间数两两比较的可能度公式和模糊互补判断矩阵公式,对其进行比较,从而得到整个方案集的排序.最后以第3方逆向物流服务商的选择为实例进行分析,所得结果表明了该方法的可行性和有效性.     

基于犹豫模糊语言多属性群决策的VIKOR扩展方法

针对犹豫模糊语言多属性群决策问题,提出了一种基于可能度分布的VIKOR方法。该方法首先将基于犹豫模糊语言的评价信息转化成可能度分布值,定义了新的距离公式,避免了传统犹豫模糊语言评价信息在计算过程中造成的信息扭曲。然后,设计了基于最大群体效用与最小个体遗憾两个目标的群体信息集结优化模型,并给出多属性群决策的VIKOR扩展方法。运用一个交通建设方案选择的案例分析验证了方法的有效性和优越性。     

基于粗糙集技术的压缩近邻规则

针对各决策时段的时间权重及属性权重已知情况下属性值以直觉模糊数形式给出的动态多属性决策问题,提出了一种基于多准则妥协解排序(VIKOR)拓展的决策分析方法。首先利用给出的动态直觉模糊加权平均(DIF-WA)算子集成各时段的评价值,以获取各方案的综合评价值。然后依据传统VIKOR法的基本思想,结合直觉模糊数的距离公式,对整个方案集进行排序并择优。最后给出一个实例分析,所得结果表明了该方法的可行性和有效性。     

基于权重集结和相对优势关系的多属性决策方法

分析多属性决策方法中决策矩阵规范化和属性权重计算等步骤可能对决策方法合理性造成的不良影响,为克服这些不良影响,提出一种新的多属性决策方法.该方法采用群决策模式进行赋权,在对专家意见进行一致性分析的基础上,集结各位专家给出的属性权重,通过定义备选方案在属性值为实数、区间数和语言值等不同类型属性上的相对优势关系构造判断矩阵,并以此建立方案效用值计算的线性目标规划模型,从而实现备选方案的评价和排序.实例研究表明了所提出方法的可行性和有效性.     

一种给定脆弱性环境下的安全措施效用评估模型

评估信息系统安全措施效用是改进系统信息安全绩效的一条重要途径.传统方法在评估安全措施效用时并没有考虑业务数据流、攻击流和安全措施要素之间的相互作用和影响,无法保证评估过程和结果的有效性.提出了一种给定脆弱性环境下的信息系统安全措施效用评估方法,应用颜色Petri网为系统业务数据流、攻击流和安全措施要素进行统一建模.通过设计节点间脆弱性利用图生成算法和改进的Dijkstra算法识别所有可能破坏信息系统安全属性的最短攻击路径,使用层次评价模型评估系统安全措施的效用.给出了一种基于多属性决策的系统最优信息安全效用提升方案选择算法.改善评估过程对人员主观经验的依赖问题,有助于保证评估结果的一致性和可追溯性.以一个具体的Web业务系统为例进行实验,验证了所提出的模型和方法的正确性和有效性.     

A bi-population based estimation of distribution algorithm for the flexible job-shop scheduling problem

In this paper, an effective bi-population based estimation of distribution algorithm (BEDA) is proposed to solve the flexible job-shop scheduling problem (FJSP) with the criterion to minimize the maximum completion time (makespan). The BEDA stresses the balance between global exploration and local exploitation. In the framework of estimation of distribution algorithm, two sub-populations are used to adjust the machine assignment and operation sequence respectively with a splitting criterion and a combination criterion. At the initialization stage, multiple strategies are utilized in a combination way to generate the initial solutions. At the global exploration phase, a probability model is built with the superior population to generate the new individuals and a mechanism is proposed to update the probability model. At the local exploitation phase, different operators are well designed for the two sub-populations to generate neighbor individuals and a local search strategy based on critical path is proposed to enhance the exploitation ability. In addition, the influence of parameters is investigated based on Taguchi method of design of experiment, and a suitable parameter setting is determined. Finally, numerical simulation based on some widely used benchmark instances is carried out. The comparisons between BEDA and some existing algorithms as well as the single-population based EDA demonstrate the effectiveness of the proposed BEDA in solving the FJSP.     

用平滑方法改进多关系朴素贝叶斯分类

为消除朴素贝叶斯分类时的零概率以及过度拟合问题,分析了各种概率平滑方法,给出了基于M估计的多关系朴素贝叶斯分类方法（MRNBC-M）和基于Laplace估计的多关系朴素贝叶斯分类方法（MRNBC-L）,分析探讨了M平滑和Laplace平滑方法对多关系分类的影响情况,为进一步优化分类,方法基于扩展互信息标准对数据进行属性过滤。多关系标准数据集上的实验显示,MRNBC-M可以有效改进分类性能。     

改进的基于数据辅助的MPSK信号信噪比估计

针对目前数据辅助的信噪比估计方法假设信道系数为实数这一问题,基于最大似然序列估计准则,给出了信道系数为复数时MPSK调制信号的信噪比估计方法.根据利用的数据不同,给出了3种形式,分别为只利用训练序列、硬判决辅助、软判决辅助的方法.通过理论分析和仿真结果比较了改进方法和原来方法的性能,分析了当信道系数的相位不同、先验信息不同时各种方法的性能.实验结果表明,当先验信息质量较高时,软判决辅助的改进方法的估计精度非常高,且适用的信噪比范围也较大;当先验信息质量较低时,只利用训练序列的改进方法也可以得到比较精确地估计结果.     

基于重构观测样本的时变MIMO信道估计

在假设信道为连续平坦衰落的条件下,提出两种基于重构观测样本的MIMO信道估计方法,一种是基于累加观测样本序列AONSS(Accumulative Observed Noisy Signal Sequence)的方法,另一种是基于级联观测样本序列CONSS(Reconnected Obserred Noisy signal Sequence)的方法。仿真结果表明:在信道时变情况下,本文提出的基于重构观测样本的信道估计方法是切实可行的,为深入研究MIMO通信系统下的基于重构观测样本的信道估计提供了一种新的思路和途径。     

基于划分-合并和稳健M-估计的运动图像分层表示方法

本文提出了一种基于划分－合并和稳健Ｍ－估计以及最小描述长度约束的运动图像分层表示方法，与现有的方法比较，算法在参数估计方面有较大改进，不仅免除了人工干预，而且计算量也比较小，在参数优化过程中，采用了更符合实际情况的主成分滤波，得到了满意的结果。     

直接加权优化辨识的最小概率设计

研究非线性系统辨识的一种新方法-直接加权优化辨识,对于该方法中未知权重值求取,采用统计学习理论中的最小概率准则作为逼近的误差准则函数。最小概率策略选择为最小化估计误差边界应小于某指定门限值的概率,此估计误差边界来源于有限个数的数据点。将最小概率准则转化为一个最大化问题,对于此最大优化问题,通过代数运算来求解此最大化问题以得到未知权重值的显式表达式。权重估计值有类似核估计的渐近收敛特性,且为独立未知噪声方差值的显式形式。最后用仿真算例验证本文方法的有效性。     

Asymptotic properties of sign algorithms for adaptive filtering

This paper develops asymptotic properties of a class of sign-error algorithms with expanding truncation bounds for adaptive filtering. Under merely stationary ergodicity and finite second moments of the reference and output signals, and using trajectory-subsequence (TS) method, it is proved that the algorithm convergers almost surely. Then, a mean squares estimate is derived for the estimation error and a suitably scaled sequence of the estimation error is shown to converge to a diffusion process. The scaling factor together with the stationary covariance gives the rate of convergence result. Moreover, an algorithm under mean squares criterion with expanding truncation bounds is also examined. Compared with the existing results in the literature, sufficient conditions for almost sure convergence are much relaxed. A simple example is provided for demonstration purpose.     

一种相干信号DOA估计的新方法研究

针对自适应阵列信号处理中的关键问题之一波达方向(DOA)估计,首先介绍了阵列信号处理中DOA估计的一般处理方法,如先对信号进行解相干处理后用经典MUSIC算法进行估计,然后给出了一种用于相干信号DOA估计的基于扩展卡尔曼滤波理论的新方法,并通过详细理论分析与一般的相干信号DOA估计的处理方法比较表明,不依赖于输入信号的协方差矩阵的特征值属性,能够利用较少的阵元对相干信号DOA和功率同时进行准确估计,仿真效果良好,证明有实用性,对自适应阵列信号处理中对相干信号干扰的研究有一定意义.     

一种基于DCT系数分布特性的块匹配准则

视频编码通过运动估计消除时间冗余信息，块匹配方法是目前所有视频编码标准采用的运动估计方法。根据运动估计的残差图像的DCT变换后交流系数的统计分布规律，推导出了一种块匹配运动估计的匹配准则．这种匹配准则在对有亮度变化的帧进行运动估计时特别有效．实验结果表明该匹配准则可以取得比SAD匹配准则更好的效果．     

Common-sense reasoning for human action recognition

This paper presents a novel method that leverages reasoning capabilities in a computer vision system dedicated to human action recognition. The proposed methodology is decomposed into two stages. First, a machine learning based algorithm – known as bag of words – gives a first estimate of action classification from video sequences, by performing an image feature analysis. Those results are afterward passed to a common-sense reasoning system, which analyses, selects and corrects the initial estimation yielded by the machine learning algorithm. This second stage resorts to the knowledge implicit in the rationality that motivates human behaviour. Experiments are performed in realistic conditions, where poor recognition rates by the machine learning techniques are significantly improved by the second stage in which common-sense knowledge and reasoning capabilities have been leveraged. This demonstrates the value of integrating common-sense capabilities into a computer vision pipeline.