一种新的区间直觉模糊熵及其应用

提出了区间值直觉模糊集的区间直觉模糊交叉熵,这种交叉熵充分考虑了区间值直觉模糊集的隶属度,非隶属度以及犹豫度。给出一种区间值直觉模糊集的区间直觉模糊熵的公理化体系,并且基于直觉模糊交叉熵公式给出一种区间直觉模糊熵的具体测度公式。利用区间值直觉模糊集的加权相关系数,将提出的熵公式应用于解决属性权重完全未知的区间直觉模糊多属性决策问题。     

区间犹豫模糊三角相似度及其多属性群决策

构建了区间犹豫模糊三角相似度公式,并且研究了区间犹豫模糊环境下属性权重信息完全未知的多属性群决策方法。首先基于正弦三角函数构造了区间犹豫模糊三角相似度公式,并证明其满足区间犹豫模糊相似度公理化定义的四个条件;接着给出了区间犹豫模糊交叉熵的公理性定义,同时研究了区间犹豫模糊相似度和区间犹豫模糊交叉熵的关系;最后基于区间犹豫模糊三角相似度,提出了在属性权重信息完全未知条件下的区间犹豫模糊多属性群决策方法,并用实例验证该方法的可行性和有效性。     

直觉对偶犹豫模糊集在多属性群决策中的应用

基于直觉对偶犹豫模糊集的定义,结合标准距离测度公式,给出了直觉对偶犹豫模糊集的Hamming距离测度公式、Euclidean距离测度公式等。给出了用以度量两个对偶模糊信息之间相关关系的相关系数、加权相关系数的公式及其相关性质。给出了用以度量直觉对偶犹豫模糊集模糊性的熵的定义,并给出了熵的计算公式。基于直觉对偶犹豫模糊集的距离测度、相关系数、熵给出了一种新的直觉对偶犹豫模糊集的多属性群决策方法,并通过实例说明了该方法的有效性。     

基于区间二型模糊熵的多属性决策方法

针对属性权重信息完全未知的区间二型模糊多属性决策问题,提出了一种基于区间二型模糊熵的多属性决策方法。为了量化区间二型模糊集的不确定信息,通过引入模糊因子、犹豫因子和区间因子建立了区间二型模糊熵的公理化准则,并分别基于欧氏距离、海明距离和广义距离给出了三种熵计算公式。同时,根据决策问题中总体不确定性最小化的原则,结合熵公式构建数学规划模型来确定属性权重,利用得分函数给出了具体的决策步骤,并通过实例分析验证了该决策方法的有效性和灵活性。     

混合型概率犹豫模糊熵和交叉熵测度

针对已有概率犹豫模糊熵测度构造复杂、区分能力弱等缺点,提出一种混合型概率犹豫模糊熵测度.混合型熵测度能够综合反映概率犹豫模糊元所具有的个体不确定性和整体不确定性,具有结构简单、物理意义明确、区分能力强等优势.在概率犹豫模糊元规范化的基础上,基于混合型熵测度的构造理念所设计的混合型交叉熵测度,能够克服已有交叉熵测度的设计缺陷,综合反映两个概率犹豫模糊元之间的个体区分度和整体区分度,且具有自然的对称性.基于混合型熵测度和交叉熵测度,进一步设计概率犹豫模糊环境下的多属性决策方法,并将其应用于无人机集群作战效能评估.数值和理论分析结果表明,所提出的混合型概率犹豫模糊熵和交叉熵测度能够成对设计,互为印证,具有广泛的应用前景.     

基于概率犹豫模糊熵的多属性决策方法

针对概率犹豫模糊元的多个隶属度和其概率各不相同的特点,提出基于概率犹豫模糊熵的多属性决策方法.首先,定义3种新的概率犹豫模糊熵:模糊熵、犹豫熵和总熵,以分别测量概率犹豫模糊元的模糊性、犹豫性和整体不确定性;然后给出3种熵测度的公理化定义和表达式;最后,根据概率犹豫模糊元的3种熵,构建能够解决属性权重完全未知的多属性决策模型,并通过案例和对比分析验证所提模型的有效性和合理性.     

可信云服务评估的非加IVHF-GLRA方法

针对可信云服务评估问题,提出一种区间犹豫模糊灰色可能关联分析(IVHF-GLRA)决策方法。首先,提出了区间犹豫模糊灰色可能关联系数概念,进而基于Choquet积分介绍了一种非加区间犹豫模糊灰色可能关联测度;此外,提出了一种新的用于测度区间犹豫模糊元不确定性的熵测度公式,并将其用于确定决策准则间的权重系数。在此基础上,发展了一种用于可信云服务评估的区间犹豫模糊决策方法并进行了实例分析,分析结果表明所提方法科学且有效。     

指数型犹豫模糊熵在多属性决策中的应用

提出一种指数型犹豫模糊熵,并基于熵权法给出犹豫模糊多属性决策模型.首先,给出犹豫模糊元熵的公理化定义,构造犹豫模糊元的指数型犹豫模糊熵测度公式,并证明指数型犹豫模糊熵测度公式满足犹豫模糊元熵的公理化定义基本准则.在此基础上,引入犹豫模糊集的熵定义和熵测度公式,并证明犹豫模糊集的指数型犹豫模糊熵测度公式同样满足犹豫模糊集...     

基于符号距离和交叉熵的概率犹豫模糊多属性决策方法

针对概率犹豫模糊环境下属性权重完全未知的多属性决策问题,提出基于符号距离和交叉熵的多属性决策方法.首先,定义用于测量决策者犹豫程度的3种概率犹豫模糊元的犹豫度:数值犹豫度,信息不完全度和总犹豫度,基于3种犹豫度提出概率犹豫模糊符号距离;然后,为了避免人为添加元素,定义调和概率犹豫模糊元,并结合信息不完全度提出概率犹豫模糊元的交叉熵;最后,根据概率犹豫模糊元的符号距离和交叉熵构建多属性决策模型,并通过算例验证了该模型的有效性和合理性.     

犹豫模糊信息下的协相关度与聚类分析

针对决策信息为犹豫模糊集且属性权重完全未知的多属性聚类问题,提出了一种基于犹豫模糊交叉熵的协相关度与聚类方法。为区分不同的犹豫模糊集,定义了犹豫模糊元的交叉熵,通过与其他距离公式得出的结果进行对比,验证了它的有效性与合理性;由犹豫模糊交叉熵公式,按照离差最大化算法得出属性权重公式;然后提出犹豫模糊集协相关度的概念,证明了它与传统相关系数类似的性质,并将协相关度公式加权;最后把加权的协相关度公式用于犹豫模糊信息下的聚类分析中,通过比较分析不同文献的聚类结果,验证了所提聚类算法的可行性与有效性。     

Generalised fuzzy weighted mean and its applications

Fuzzy weighted arithmetic average or fuzzy weighted average (FWA) for short has been deeply studied. However, no attention has been paid to other fuzzy weighted means such as fuzzy weighted geometric mean (FWGM), fuzzy weighted harmonic mean (FWHM) and the like. This paper presents a very general fuzzy weighted mean, which we refer to as generalised fuzzy weighted mean (GFWM). It includes FWA, FWGM, FWHM, fuzzy weighted quadratic mean (FWQM) and fuzzy weighted root-power mean (FWRM) as its special cases. Linear programming models for solving GFWM and its special cases are developed and the order relationships among FWA, FWGM and FWHM are investigated. Numerical examples that illustrate the computational processes of FWA, FWGM and FWHM are provided and their order relationships are numerically examined.     

信息过滤中基于统计与规则的关键词抽取研究

目前的研究大多把向量空间模型中特征项的选取与权重的计算分开,掩盖中文分词时产生的语义缺失,导致特征项区分度下降。为此,提出一种基于统计与规则的关键词抽取方法。利用句法规则提取出基本短语,以取代词袋模型中的词,考虑特征项位置、分布及语法角色等信息,综合加权计算特征项权重。实验结果表明,与现有方法相比,该方法能够更有效地进行文本信息过滤。     

Reliability analysis of computer solutions of systems of linear algebraic equations with approximate initial data

A weighted least squares problem {ie863-01} with positive definite weights M and N is considered, where A ∈ R^m×n is a rank-deficient matrix, b ∈ R^m. The hereditary, computational, and global errors of a weighted normal pseudosolution are estimated for perturbed initial data, including the case where the rank of the perturbed matrix varies. Translated from Kibernetika i Sistemnyi Analiz, No. 6, pp. 83–95, November–December 2008.     

一种新的加权关联规则模型

关联规则挖掘可以发现大量数据项集之间隐含的关系,在许多领域得到了广泛应用。目前很多关联规则挖掘算法已经被提出,这些算法一般都认为每个数据项的重要性相同。然而在现实中各个项目的重要性往往不同,从决策者角度出发,他们往往会优先考虑利润较高的项目,而忽略利润较低的项目。论文分析了现有加权关联规则文献中存在的问题,提出了一种新的加权关联规则模型,给出了有效挖掘加权频繁项集的MWFI算法。     

带权区域上任意两点间的近似最优路径算法调研

自1991年由Mitchell和Papadimitriou提出带权值区域问题以来,人们开始认识到带权值模型的通用性较强,陆续有很多学者开始研究这个问题。在二维带权区域近似最优路径问题中,一个二维空间被划分成n个三角形区域,每个三角形区域与一个正的权值相关联,不同的三角形区域权值可以不同。如何快速求解出任意两点间的一条路径并使其代价最少就是文中研究的内容。对此问题的国内外现状进行了详细阐述与比较,并提出一个能获得更为逼近最优路径的结果且牺牲运行时间较少的可行方案,最后指出此问题的发展趋势。     

一种改进的加权序列模式挖掘算法

在加权序列模式挖掘中,基于候选码生成-测试方法的MWSP是目前应用性最好的算法之一,然而在挖掘过程中容易出现候选组合爆炸的情况,为此文章提出了一种高效的加权序列模式挖掘算法（PWSM）。PWSM算法引入k-最小加权支持数概念并利用前缀投影数据库原理有效地避免了候选组合爆炸的发生,并且在挖掘的过程中充分利用最小加权支持数,再次对算法进行优化。实验表明,该算法较MWSP算法能更加有效地从序列数据库中挖掘加权序列模式。     

一种基于概率的加权关联规则挖掘算法

针对关联规则数据挖掘在实际应用中出现的问题:不能挖掘小概率事件中的关联规则, 提出了基于概率分布的加权关联规则挖掘算法。该算法同时改进了加权支持度计算方法,保持 Apriori算法的频繁集向下封闭的特性,并在实践中得到了有效的应用。     

一种改进的加权频繁项集挖掘算法

FP-growth算法是挖掘频繁项集的经典算法,它利用FP-树这种紧凑的数据结构存储事务数据库与频繁项集挖掘相关的全部信息,但对于挖掘加权频繁项集并不合适。分析了现有加权频繁项集挖掘算法中存在的问题,并对FP-树进行改进,构造新的加权FP-树,提出了有效挖掘加权频繁项集的算法。最后举例说明了算法的挖掘过程,并通过实验验证了算法的有效性。     

一种改进的加权关联规则挖掘方法

考虑属性数量和属性权值对关联规则的影响,提出一种新的加权支持度和加权置信度计算方法,在挖掘加权关联规则时通过改进加权支持度设置模型保持Apriori算法的频繁集向下封闭特性。与Apriori算法和水平加权关联规则挖掘方法的比较结果证明该方法能快速有效地挖掘重要的关联规则。     

一种改进的射线跟踪定位算法

针对射线跟踪定位算法中在线阶段的大数据量匹配时计算误差较大及效率较低的问题,给出了一种改进的属性匹配算法。该算法用组合加权法对各个属性进行加权,匹配时按照所得属性权重系数由大到小的顺序,将在线阶段的数据与数据库中属性数据进行依次逼近匹配。实验证明,该算法从精度和计算效率两方面均得到了改进,有效地降低了匹配计算的复杂度,并得到了较高的定位精度。