基于粗糙集理论的权重确定方法研究

针对属性权重完全未知且属性值以专家经验给出的多属性决策问题,提出了利用属性重要度计算客观权重的分配方法。根据粗糙集中的相对正域概念,探讨了如何运用属性重要度确定各属性的客观权重。决策者可以通过经验因子的选取来调整客观权重和主观权重所占的比例,通过实例说明该方法更加有效合理。     

一种改进的粗糙集权重方法

深入研究粗糙集表征的属性重要度,针对现有粗糙集理论的属性权重确立方法的不足,结合属性集中各个条件属性的重要度及其确定的条件属性取值个数,提出了改进的粗糙集权重的确定方法,分析了其合理性。通过实例说明了,改进的粗糙集权重方法可以解决原有粗糙集权重确定方法存在的问题。     

基于改进向量相似度的区间数动态多指标决策模型及应用

针对决策信息为区间数的不确定性动态决策问题,在属性权重和时间权重未知的情况下,基于改进向量相似度的方法,构建一种兼顾决策信息和决策偏好的动态多指标决策模型.利用区间型决策信息的相对相似性和属性重要度,构造相对相似度最小规划模型以确定指标权重;在综合考虑决策信息时间价值、决策者偏好的基础上,构建极大熵模型以确定时间权重;结合向量相似度计算存在的缺陷,提出一种基于向量投影思想的向量综合相似度测度方法,从而建立不确性动态决策模型,并通过实例分析检验该模型的合理性和有效性.     

基于熵与邻域约束的模糊C均值改进算法

针对模糊C均值(FCM)聚类算法没有考虑样本不同属性的重要程度、邻域信息等问题,提出一种基于熵与邻域约束的FCM算法。首先通过计算样本各属性的熵值来为各属性赋予权重,结合属性权重改进距离度量函数;随后根据邻域样本与中心样本间的距离计算邻域隶属度权重,加权得到邻域隶属度,利用邻域隶属度约束目标函数,修正隶属度迭代过程,最终达到提升FCM聚类算法性能的目的。理论分析和在人造数据集、多个UCI数据集的试验结果表明,改进后的算法在聚类效果、鲁棒性上均优于传统FCM算法、PCM算法、KFCM算法、KPCM算法和DSFCM算法,表明了本文算法的有效性。     

属性重要度与证据理论结合的加权排序方法

属性重要度与排序方法是多粒度粗糙集研究的一个重要内容。在现有属性重要度的基础上,本文对属性重要度进行改进,提出了多粒度下信息粒的权重与条件属性的权重的概念,并给出了一种数据预处理的方法。与传统方法相比,它能有效克服数据差别不大的数值被划分到不同类中去的问题。同时,基于证据理论提出利用类概率函数的加权排序方法,此方法也可用于多元对象的排序问题。并用一些实例说明了此方法的实用性和有效性。     

属性权重信息未知下基于概率对偶犹豫模糊信息相关性系数的多属性决策方法

概率对偶犹豫模糊集包含隶属度、非隶属度及相应的概率信息,是刻画不确定决策信息的重要工具.针对属性权重信息未知的概率对偶犹豫模糊多属性决策问题,文中提出基于概率对偶犹豫模糊信息相关性系数的多属性决策方法.首先,运用概率对偶犹豫模糊信息熵计算属性客观权重,并与决策者给定的主观权重结合,得到属性综合权重.然后,提出概率对偶犹...     

应用于石油钻井安全评价的改进主成分分析贝叶斯判别方法

针对主成分分析-贝叶斯判别法（PCA-BDA）仅支持安全评价但不能发现危险因素的问题,引入属性重要度的概念,提出一种改进的PCA-BDA算法,并将其应用于石油钻井安全评价。首先,使用原始PCA-BDA方法评估出各条记录的安全等级;然后,利用主成分分析（PCA）过程中的特征向量矩阵,贝叶斯判别（BDA）过程中的判别函数矩阵,以及各安全等级的权重计算得出属性重要度;最后,通过参考属性重要度来调控属性。安全评价准确率的对比实验中,改进PCA-BDA方法准确率达到96.7%,明显高于层次分析法（AHP）和模糊综合评价法（FCE）。调控属性的仿真实验中,调控重要度最高的3个属性70%以上的钻井安全等级得到改善;相对地,调控重要度最低的3个属性钻井安全等级几乎没有变化。实验结果表明,改进PCA-BDA方法不仅能够准确地实现安全评价,同时能够找出关键属性使石油钻井安全管理更有针对性。     

基于句子的多属性融合相似度计算方法

针对现有的句子相似度计算方法没有考虑句子中的关键词的多属性信息,无法更好衡量句子相似度的问题,综合考虑句子的结构和包含的属性,提出一种基于句子的多属性融合相似度计算方法.该方法通过提取句子的词频属性、词序属性、词性属性及句长属性,采用层次分析法(AHP)计算出各属性的权重,并验证权重值的合理性,继而加权融合4种属性的相...     

一类考虑阶段赋权的多阶段三端点区间数型群决策方法

基于区间数相离度理论和熵值理论, 探讨了一类多阶段多属性三端点区间数型群决策中的动态属性权重、动态专家权重和阶段权重问题, 提出了多阶段属性权重确定方法和阶段内专家权重的计算方法. 计算出属性权重、阶段内专家权重和阶段权重, 并利用区间数贴近度方法生成最终的群决策方案排序. 应用实例分析结果表明, 所提出的决策方法具有较好的可行性和合理性.

     

不完备信息系统的一种权重确定方法

深入分析了粗糙集表征的属性重要度,针对现有粗糙集理论的属性权重确立方法的不足,结合属性集中条件属性的整体重要度和系统中条件属性的个体重要度,提出了在不完备信息系统的一种权重确定方法,分析了其合理性。通过算例分析表明,新的不完备信息系统的权重确定方法可以解决原有粗糙集权重确定方法存在的问题。     

改进的粗糙集属性重要度

粗糙集理论知识库的属性重要度,体现的是去掉某个或某些属性前后的知识库分类变化的程度。对现有粗糙集理论的属性重要度确立方法的不足,充分考虑条件属性对决策的直接和间接的影响,提出一种新的基于粗糙集属性依赖度的属性重要度确定方法。此外,针对原有属性重要度与改进重要度的差别,讨论改进的属性重要度的意义,并证明改进的属性重要度更加可信。最后,利用改进的方法对机械故障属性重要度进行仿真;对比原有属性重要度的数据,改进方法获得的数据不但更符合属性约简结果,并且具有更大区分度,十分有利于决策者快速做出判断。     

一种属性不一致性加权的K近邻分类方法

针对传统的K近邻算法在计算样本之间相似度时将每个属性视为同等重要的问题,提出了一种基于推土机距离的方法来计算每个条件属性的权重。首先根据近邻关系划分用于比较一致性的两个分布;之后根据推土机距离设计不一致性评价函数,用于衡量每个属性下各个样本的近邻样本集与这一集合由决策属性细化的等价划分之间的不一致性程度;最后将近邻的不一致性程度转换为相应属性的重要性,用于实现属性加权K近邻分类器。通过在多个数据集上进行实验,该方法对参数的敏感程度低,在多个参数下可以显著提高K近邻的分类精度,并且在多个指标下的表现优于现有的一些分类方法。结果表明,该方法可以通过属性加权选择出更加准确的近邻样本,可广泛应用于基于近邻的机器学习方法中。     

基于变精度粗糙集与变权综合的多属性决策

针对多属性决策,提出一种基于变精度粗糙集的多属性决策方法,提出基于属性依赖度和信息度来确定属性重要性,并且与变权综合结合,从而得到属性的权重。通过实例说明该方法是有效的。     

非完备决策信息系统中的不确定性度量

针对粗糙集数据分析中的不确定性度量问题。本文首先构造一种新型的考虑条件属性缺失度的目标概念条件熵和决策知识条件熵。在此基础上,提出基于条件熵的属性权重确定技术和最小条件熵非完备属性取值补充方法,用以解决属性权重完全未知的非完备多属性决策问题。应用实例分析表明:该方法能有效结合粗粒度的初步分级信息,客观地确定决策因素取值,具有很强的解释意义,得到的决策结果更为合理有效。     

基于指数函数的灰色动态多属性关联决策模型

针对同一属性下不同方案的邓氏关联度大小区分较弱以及关联度存在下限的问题, 定义基于指数函数的新关联度. 改进后的关联度对同一属性下不同方案间关联度的分辨率要高于原有关联度, 并证明了改进关联度的性质.利用指数关联度确定属性权重, 构造基于偏差和灰熵的确定了时间权重的优化模型. 最后, 将该方法用于河南省某地级市民营企业的经营业绩评价分析中, 实例说明了所提出模型的有效性和实用性.

     

基于有序差别集和属性重要性的属性约简

针对粗糙集理论的属性约简问题,提出新的差别矩阵简化算法,该算法在无需排序和较少通历次数的情况下 简化了差别矩阵,明显提高了简化速度并最终得到简化的有序差别集。实验验证了该算法的高效性;给出度量属性重 要性的新标准,即根据属性所在差别矩阵元素的权重、在差别集中出现的频数和吸收能力3方面来度量其重要性;在 上述两者基础上,提出一种基于有序差别集和属性重要性的属性约简新方法,理论分析证明新方法的最坏时间复杂度 低于其它基于差别矩阵的属性约简算法。大量实验结果也表明,新方法的有效性甚至可以在很大程度上得到最小属 性约简。     

考虑信任度的Pythagorean模糊两阶段交互多属性群决策方法

针对属性值为Pythagorean模糊语言,属性权重未知且考虑群体一致性和决策者属性偏好不确定性的决策问题,探讨了一种考虑信任度的两阶段交互多属性群决策方法.首先,考虑决策者偏好,将属性集分为必选属性集和可选属性集;其次,构建两阶段交互机制以确保必选属性集的群体一致性达到阈值,第一阶段以提升群体共识水平为目标进行交互,第二阶段以降低冲突水平为目标进行交互;再次,同时考虑交互的积累稳定性和积累影响因子以确定必选属性集下的决策者权重,并依据信任度确定可选属性集下的决策者权重;最后,用距离熵确定属性权重,并用VIKOR法选出最优方案.算例分析表明,该方法能够较好地解决考虑共识和冲突水平的多属性群决策问题.     

缺陷数据的相似性度量方法改进

模糊聚类分析主要研究样本的分类问题.本文利用模糊聚类方法对软件缺陷进行分类,引入缺陷数据属性权重计算方法,依据数据挖掘中的属性邻近性度量方法,对缺陷数据进行相似度分析.并按照属性类别进行分析,不仅体现了缺陷数据属性间的形贴近程度,而且体现了属性之间的距离贴近程度.本文方法对软件缺陷数据进行分析并对比度量结果,实验结果充分说明改进后的模糊聚类相似性度量方法在分类准确性方面有一定程度的提高.