基于粗糙理论的顾客需求权重确定方法

质量功能展开法是一种由需求驱动的,旨在提高产品质量和顾客满意度的质量评价方法,但是传统质量屋中确定顾客的需求有着过于主观性的缺点,影响质量功能展开法使用的准确性.粗糙理论处理评价信息时无需提供问题所需处理数据之外的任何先验信息,将粗糙理论用于确定初始权重可以降低评价系统的主观性.顾客需求是动态变化的,为了解顾客的稳定性需求,采用马尔科夫链分析需求变化情况.顾客对于不同种类需求的敏感性不同,使用KANO模型分析需求种类对需求权重的影响.最后综合考虑各因素对权重的影响来确定顾客需求最终权重,将此需求权重用于质量功能展开,能够提高质量功能展开法使用的准确性.     

基于集对分析的指标属性测度确定方法

以大坝安全监测资料为基础,将评价指标和评价目标的实质特性有序分割为多个内在属性,利用集对分析中的联系度概念,提出了一种确定大坝安全综合评价指标属性测度的方法,建立了适合于大坝安全评价的梯形分段属性测度函数,并给出了一个评价实例,为大坝安全综合评价中指标属性测度的确定方法提供一条新的途径.实例表明:将集对分析方法应用于大坝安全属性识别评价方法中,采用集对分析来确定指标属性测度是合理、可行的,具有信息利用充分、结构形式简单的特点,能较好地描述评价指标与属性子集之间的内在属性关系.     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出了一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来基于粗集的神经编制 优越性。     

一种确定模糊数决策矩阵属性权重的方法

在实际的多属性决策过程中,往往由于决策自身的模糊和不确定因素,从而导致了方案的属性值、属性权系数等等参数的不确定和不完备.针对关于属性权重未知且属性值为三角模糊数的多属性决策问题,利用属性的熵计算出属性权重,三角模糊数排序进行比较,进而从备选方案中选出最优方案.实例分析说明,该方法在实际应用中是可行有效的.     

基于粗集理论的开关电路分析和综合方法

提出一种基于粗集理论的开关分析和综合方法，首先阐明粗集开关电路的功能表的关系，然后介绍开关电路的简化分析，最后提出开关电路的综合方法。     

基于粗集理论的约简算法

在基于属性重要性和基于分辨矩阵两种算法的基础上,提出了一种同时满足属性重要性和频度的启发式约简算法RedFreSigni。该算法的基本思想是:以属性的核为基础,把核和用户偏好集同时作为属性近似约简的一部分,以频度作为选择属性的启发信息可同时生成计算属性的频度信息与不可分辨矩阵,减少了计算时间。在此基础上进而提出了基于规则支持度和置信度的决策挖掘算法,该算法能有效提取出用户感兴趣的规则。     

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法.首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值,然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值,最后给出两个具有直观意义且计算简便的排序准则,利用它们对方案进行排序并选出最优方案,实例分析表明了该方法的可行性和有效性.     

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法。首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值，然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值。最后给出两个具有直观意义且计算简便的排序准则，利用它们对方案进行排序并选出最优方案，实例分析表明了该方法的可行性和有效性。     

基于粗集的几种属性约简算法分析

研究了粗集理论中基于差别矩阵、属性依赖度、条件信息熵、遗传算法的几种属性约简算法，分析了各种算法和原理，指出了优缺点，对以后的研究方向提出了建议。     

基于粗集方法的图像识别系统

提出了基于粗集理论的一种图像识别系统，该系统包括图像预处理，特征提取、决策表生成，条件属性简化等，运用粗集方法，能有效地压缩图像特征数目从而大大提高运行速度。     

面向ETO产品大批量定制的项目规划方法研究

针对按订单设计（ETO）产品大批量定制的特点,提出基于项目主规划的快速项目规划方法.在ETO产品主结构的基础上构建了项目主规划,对基于项目主规划的项目规划派生流程进行了研究,对项目规划派生过程中用到的项目规划规则库进行描述;基于规则的项目规划派生能够快速生成ETO产品大批量定制的项目规划,提高项目规划效率.以柴油机产品为例进行了应用验证,在一个具体的应用系统中建立柴油机的项目主规划,实现柴油机大批量定制项目规划的派生,从而提高柴油机大批量定制项目规划效率,缩短项目规划时间.     

多粒度粗糙近似算子的格结构研究

刻画了基于一般二元关系及悲观多粒度粗糙近似算子的完备格结构,证明了在选取蕴涵算子之后,基于一般二元关系的粗糙近似算子构成MV、R0与布尔代数。

     

粗糙集中区分矩阵约简方法的优化

基于属性约简的区分矩阵方法的思想,对区分矩阵方法进行了改进,并给予了理论上的证明,同时对优化方法进行了分析与探讨.优化方法不保留区分矩阵方法中的冗余信息,减少了比较次数,从而提高了约简的效率,节省了存储空间.     

面向大批量定制的配置产品变型设计

从配置产品创新性与重用性相结合的角度探索了在集成环境下产品变型设计的发展规律，系统地提出了面向大批量定制的配置产品变型设计理论和方法.针对配置产品的不同设计域层次，定义了一整套适用于不同抽象层次和不同类型配置模型的递归化设计方法，通过不同设计域、不同层次、不同类型配置规则的模糊推理、模糊派生、柔性聚合实现设计过程的跃升和设计信息的继承.提出了配置单元派生进化、关联进化、替换进化的一整套方法，将配置单元进化演绎的历史与配置设计过程结合起来，实现复杂配置产品方案设计的自动化、递归化和可视化.结合企业具体应用将上述理论应用于实际产品开发中，取得了良好的效果.     

面向产品族的设计方法研究

面向产品族的设计是实现大规模定制的核心，而对设计方法的研究则是面向产品族设计的关键．本文对模块化的产品族设计方法进行了研究。在PFA方法的基础上，提出了利用构造机制进行多样性生成的基本方法，并利用其进行产品族设计结构描述．最后进行了实例设计一客车座椅的模块化设计．设计过程表明，该设计方法简单易行，适合于产品中各个功能组件相对独立、模块化程度比较高的产品族设计。     

邻域粗糙集的随机集成属性约简

为了解决传统的辨识矩阵空间复杂度高,难以应用于大规模数据的问题,提出了一种基于随机抽样的属性约简算法.首先随机抽取多个小样本子集,以降低辨识矩阵的空间复杂度; 然后分别对每个样本子集进行属性约简,并计算每个属性子集的权重; 最后选择高权重的几个属性子集进行测试,找出精度最高的属性子集.实验结果证明,本文方法比传统辨识矩阵的占用空间降低2～3个数量级,并且精度与其基本相当.     

大规模定制下的产品配置设计研究

产品配置设计是实现大规模定制的关键技术之一，本针对产品配置设计的全过程进行了分析研究，提出了产品配置系统的总体框架、体系结构，开发了原型系统，并以儿童车为对象，给出了系统的应用实例。     

粗糙集神经网络在图像分割中的应用

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.     

一种属性变量为Vague集的多属性决策方法

针对属性值为Vague值的多属性决策问题,提出了一种灰色关联度和TOPSIS方法相结合的决策方法.首先根据Vague集的特点,确立了理想解和负理想解的记分函数标准,计算各方案与理想解和负理想解的灰色关联度,然后根据TOPSIS方法计算各方案的相对贴近度,根据相对贴近度大小确定方案的优劣排序,最后结合案例说明了基于Vague集的灰色关联TOPSIS方法的评价过程以及该方法的有效性和优越性.     

基于单值中智集和云聚类的产品造型设计决策方法

为了获得客观、合理的权重分配,综合考虑有限理性心理行为特征和策略操控行为,把决策专家进行科学聚类,提出基于单值中智集（SVNS）和云模型聚类的产品造型设计多属性决策方法.决策专家构造标准属性和备选方案的成对比较比率平方矩阵获得SVNS,映射真、假、不确定3个隶属度值到单值中智立方体（SVNC）中,筛选各标准属性下备选方案的评估结果,获得标准属性的相对权重.利用融合多粒度语言的云模型聚类方法集群决策专家,淘汰存在冲突和非理性的决策专家,获得有效的设计决策专家权重.由标准属性权重和决策专家权重,综合计算各备选方案的总体优先级得分并进行排序.以汽车造型设计方案为例,验证所提方法的可行性和有效性.结果表明,所提方法避免了恶意策略操作,有效地解决了复杂和不确定情况下的汽车造型设计多属性决策问题.