一种基于多粒度语言偏好矩阵的多属性群决策方法

针对决策专家以多粒度语言偏好矩阵形式给出偏好信息的多属性群决策问题,提出一种基于二元语义一致化的多属性群决策方法.首先,构建一个基本语言偏好集作为多粒度语言一致化的参考集合;然后,采用基于二元语义的一致化处理方法将不同粒度的语言偏好信息均统一转化为相同粒度的二元语义形式,再通过二元语义的相关集结算子,对各决策专家给出的偏好信息进行集结并进行方案优选,得到满意结果;最后,通过算例说明了该方法的有效性.     

基于DSmT的DEMATEL改进新方法

原始DEMATEL方法及其改进方法,一方面存在因正规化影响矩阵的无穷次幂可能并不收敛而导致方法在某些情况下失效的问题,另一方面也存在因语言标度之间并不相互独立而不能使用Dempster规则对专家推断信息进行直接融合的问题。为了解决上述问题,以Lee和Tzeng提出的改进DEMATEL方法为研究对象,结合语言评估标度和证据理论中的基本信度分配函数构建了具有柔性表达优势的专家推断信息提取机理,通过引入DSmT组合规则提出了能够对所有专家推断信息进行有效集成的融合机理,并在此基础上给出了DEMATEL改进新方法的具体步骤,应用一个模拟案例分析了提出的方法更具科学性和普适性。     

基于相似度的多粒度不确定语言群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和矢量相似度的群决策方法,弥补了基于距离测度的决策方法易造成信息混淆的不足。该方法首先使用二元语义转换函数对多粒度区间语言评价信息进行一致化处理;然后通过建立使备选方案对正理想解相似度最大、负理想解相似度最小的最优化模型来获得相应的属性权重;最后利用区间二元语义的集结算子对评价信息进行加权集成,并通过优序数排序法实现对各方案的排序。实例分析说明了该方法的可行性和有效性。     

基于证据理论的群组DEMATEL改进方法

在群组DEMATEL（决策试验与评价实验室）分析过程中,科学合理地集成群组专家意见是保证群决策有效性的技术核心。然而现有文献不仅没有对群组专家意见的集成机理作出科学合理的解释,而且还存在单专家对因素关系判断过于主观武断的问题。为克服上述缺陷,在概述传统群组DEMATEL及系统分析其缺陷的基础上,提出了一种基于证据理论的群组DEMATEL改进方法。该方法优点在于：一方面以信度函数反映决策信息的不完备性,并通过Dempster组合规则有效集成群组专家意见;另一方面以整体判断思想实现群组专家证据信息的交互。实例验证结果表明,改进方法是科学可行的,有着较强的实际应用可操作性。     

基于直觉模糊偏好信息的群组DEMATEL决策方法

决策试行与评价实验室（DEMATEL）方法中,构造直接影响矩阵（DIM）是该方法实现系统分析的关键技术。为克服DIM构造过程中存在的专家判断主观随意性太强以及意见集成机理不明确的内在缺陷,提出一种基于直觉模糊偏好信息的DEMATEL决策方法,该方法依据系统直觉思维,充分考虑了专家认知能力、个人偏好、情境特征,将其判断结果通过直觉模糊数予以反映,不仅完善了现有DEMATEL评价模式,使专家对复杂问题的判断更为科学,而且通过精确加权法对专家直觉模糊信息进行集成,更为清晰地揭示出DEMATEL群组决策的集成机理。实例验证结果表明,所提方法实践可操作性较强。     

基于相对熵和二元熵的多粒度直觉语言TODIM决策方法

针对评估信息为多粒度直觉语言集的决策问题,提出一种基于相对熵和二元熵的TODIM方法。该方法首先定义了直觉语言数的相对熵和二元熵,以度量决策信息的差异和不确定性;其次,构建了基于相对熵和二元熵的专家赋权模型,并建立了主观权重完全已知、部分已知和完全未知场景下的属性赋权模型;最后,为集结多粒度群体决策信息,提出了多粒度直觉语言加权算术平均(MIL-WAA)算子。算例分析表明,该方法能够较好地度量决策信息的不确定性和差异性,并考虑了决策者的有限理性行为,具有一定的合理性和有效性。     

基于新型语言评估标度的二元语义改进模型

为了有效地求解基于语言评价信息的多属性决策问题,针对目前常用的二元语义分析方法中存在的标度转换问题,提出一种处理语言评价信息的新型复合标度(该标度综合了指数标度和-n～n标度的优点),建立了基于新型复合标度的二元语义改进模型.算例验证结果表明,新型复合标度为处理定性的语言评价信息提供了科学依据,所提出的改进模型可以有效提高决策结果的精度和可信度.     

基于效用偏差集成算子的语言型决策方法

针对语言型决策存在着评估标度分布不均等问题,提出一种基于二元语义效用偏差集成算子的群决策方法。首先,定义一种能够反映语言评估标度分布结构的效用距离测度,并以此构造偏差最小化模型,从而给出符合直觉的两种语言型集成算子：二元语义效用偏差加权集成(TUVWA)算子与效用偏差有序加权集成(TUVOWA)算子;以及给出一种基于语言型集成算子的决策方法,并将所提方法应用在新型冠状病毒患者治疗方案的选择中,以验证其合理性与有效性。     

复杂系统DEMATEL算法研究进展评述

决策试行与评价实验室(DEMATEL)作为一种面向复杂社会经济系统问题的因素分析算法,近年来已受到国内外学者的广泛关注,对其进行系统深入的研究有着重要的理论意义和应用价值.为此,在简述该算法操作步骤的基础上,从DEMATEL算法基本理论、群组DEMATEL多专家信息集成、该算法与其他方法交叉融合3个视角对近年来DEMATEL相关研究进展予以评述.最后,对该算法未来可能的研究方向进行了展望.     

基于扩展VIKOR的不确定语言多属性群决策方法

针对不确定语言多属性群决策问题,提出了一种基于扩展多准则妥协优化解(VIKOR)的决策方法。该方法首先借鉴二元语义表示模型定义了不确定语言短语的运算规则及其距离公式,并使用运算规则集结了专家给出的不确定语言评价信息;然后结合属性的效益型和成本型特征分别定义了其正负理想点,通过将VIKOR法扩展到不确定语言环境来获取方案的折衷排序结果;最后,通过算例分析表明了所提出方法的有效性和优越性。     

基于广义直觉语言算子的多属性群决策方法

针对属性权重未知,属性值为直觉语言数的多属性决策问题,提出了一种基于直觉语言熵和广义直觉语言算子的群决策方法.定义了直觉语言熵,并利用直觉语言熵确定属性权重,提出了三种直觉语言算子:广义直觉语言加权几何平均(GILWGA)算子、广义直觉语言有序加权几何(GILOWG)算子及广义直觉语言混合几何(GILHG)算子.利用GILWGA和GILHG算子集结信息,采用基于直觉语言数的得分函数及精确函数进行方案排序与择优,最后通过一个算例说明了该方法的有效性和合理性.     

基于模糊分层SDG模型的故障推理方法

针对传统 SDG 模型诊断方法存在的诊断分辨率低、速度慢、效率低等不足,提出了一种基于模糊分层SDG模型的故障推理方法. 首先建立系统的SDG模型,并进行分层;再利用模糊变量表示节点变量,用条件概率表表达节点间的定性因果关系;最后利用贝叶斯推理和回溯搜索找出故障源候选集,并对候选解进行排序. 应用提出的方法,进行了某型号航空发动机燃油调节系统故障诊断,结果表明该方法能够提高诊断的分辨率和效率,诊断结果准确而且完备.     

基于高斯过程分类器的三维模型多粒度语义检索

为解决三维模型语义检索中用户检索意图不一致问题,建立多粒度语义检索框架,使学习模型能够有效地适应用户的不同检索意图。首先对模型分类知识进行层次划分,形成语义概念的多粒度结构。然后提取一种多视图特征来描述三维模型的形状特性,并采用高斯过程分类器建立不同粒度层次上的学习模型,实现低层特征和查询概念之间的语义一致性描述。和已有研究相比,多粒度语义检索框架使用户可通过语义粒度级别变化进行检索意图设置,从而检索结果尽可能符合用户语义。在实验部分,采用三维模型基准数据库对框架进行算法性能测试。结果表明,检索准确率要明显提高,并且符合人类思维特点。     

模型检测规划中的状态分层方法

基于模型检测的规划方法是最近发展起来的新方法,它可以处理带有不确定性的规划问题.分别设计了对求弱规划解、强规划解和强循环规划解的问题中的状态进行分层的方法.状态被分层后,求规划解只需要在从上层到其下一层状态之间寻找状态动作序偶就可以了,其他状态动作序偶都可以去掉.分别获得了求弱规划解、强规划解和强循环规划解时状态被分层后的一些重要性质,这些性质是关于一些状态动作序偶是否可以不参与构成弱规划解、强规划解和强循环规划解的结论.通过所获得的性质可以将大量的状态动作序偶直接去掉,从而减少问题规模.以往的对基于模型检测规划的研究都是采用从目标状态开始的反向搜索方法,在状态被分层以后可以采用正向搜索技术展开相应的研究.     

A Metaphor Comprehension Method Based on Culture-Related Hierarchical Semantic Model

Neural Processing Letters - Usually a metaphor is encoded with rich cultural connotation, which signifies that culture plays a key factor in truly comprehending a metaphorically-used utterance....     

基于云模型与PROMETHEE方法的语言型Z-number多属性决策

针对属性权重未知,属性值为语言型Z-number的多属性决策问题,提出了一种基于云模型与丰富度评估的偏好排序组织方法（Preference ranking organization method for enrichment evaluation, PROMETHEE）的决策方法。首先,引入语言尺度函数,然后利用其建立转化模型完成语言型Z-number向云模型的转化。此外,通过定义云可能度函数,建立属性权重求解公式及构建正弦偏好函数,进而计算方案的优先指数,通过计算方案的正负方向优序级别值得到备选方案综合优序级别值,进而得到方案排序。最后通过算例及比较分析验证本方法的有效性和可行性。     

融合句法信息的双语词对齐方法研究

词对齐研究是多文种信息处理工作的一项不容忽略的基础性研究内容。通过针对中文和蒙古文词对齐研究中存在的形态和词序不对称以及支撑词对齐研究的对齐语料缺乏问题,开展融合语言信息的中蒙混合词对齐模型构建方法研究。利用产生式词对齐结果以及中蒙两种语言的语言信息作为潜特征,建立高质量的融合语言信息的中蒙混合词对齐模型。实验结果证明,该文提出方法对于利用可比语料抽取对齐语料是可行的。     

基于扩展主题模型的异常医疗处方检测方法

异常处方指的是医生为患者所开具的存在异常的处方。医疗处方中出现异常,如滥用药或者开错药等,会影响患者的治疗效率,甚至造成严重的后果。由于一些主观或者客观原因,医生总会开具一些异常处方。检测出这些异常处方能够提升患者就医效率,减少社会医疗成本,并且对药物滥用、多开药、错开药的有效管理等都有着重要意义。为此,提出了一种基于扩展主题模型的异常处方检测方法。该方法能够自动地从大量处方数据中检测出异常处方,并且对于每一个新的处方,该方法都能够判断其诊断和用药是否匹配,进而判断其是否正常。与其他异常检测算法相比,该方法具有更广泛的应用,不仅可以在医疗领域中使用,以检测异常处方,还可以在其他领域中使用,以检测其他特征之间的匹配关系异常。该方法已经得到了实现,并在真实的处方数据集中得到了验证。