基于模糊多属性决策的多维时序信用风险评价建模

针对属性权重完全未知且数据为多维时序的信用风险评价问题,提出基于多属性决策与模糊聚类相结合的混杂信用风险评价建模方法.该方法使用离差最大化方法和二次规划模型得出指标属性的综合权重,对受评样本在各时点上进行多属性决策得到决策评分,再通过决策评分矩阵进行模糊聚类,并对结果进行了有效性验证.最后通过实例验证,证明该方法具有可行性和有效性.     

基于相对熵的多属性决策排序方法

针对逼近理想解排序法(TOPSIS)的不足,从相对熵的概念出发,提出了求解多属性决策问题的新思路.利用被评价方案与理想方案和负理想方案的相对熵,定义了一种新的与理想方案的贴近度.据此给出一种新的排序方法--相对熵排序法,并将此法与TOPSIS方法、夹角度量法和投影法进行对比.结果表明,在传统的TOPSIS方法、夹角度量法和投影算法排序都失效的情况下,相对熵排序法能够准确地给出方案的排序.     

区间数多属性决策中一种带有可能度的排序方法

为解决具有不确定性区间数的多属性决策中的方案排序问题,在考虑落在区间内的评价值（即被认为随机变量）服从正态分布的情况下,针对方案综合评价值所在的区间存在相互交叉部分的情形,提出了关于区间数之间相互比较的可能度的概念,并结合给出了有可能度的方案排序方法。通过此方法可计算出一个方案优于另一个方案的可能度。     

多属性目标决策的分类融合威胁排序的模型

协同空战中,目标威胁等级的判定为武器资源的有效配置提供了重要依据,是现代作战指挥决策系统的核心内容.目前该问题的难点在于,如何解决多属性目标量化属性和非量化属性的混合比较问题.运用目标多属性理论探索对空中目标的威胁排序问题,提出了一种基于被保护对象相互关系鼍化的空中目标威胁评估和排序的方法,方法对威胁冈素进行了详细分类,并分析了它们之间的关系,在此基础上融入了我方目标任务属性的比较关系,同时对一些模糊属性进行了量化处理.最后通过示例介绍了威胁评估和排序的求解过程.该方法有效地解决了目标威胁评估与排序问题,是可行和有效的.     

基于多属性决策TOPSIS的簇头选择

针对LEACH协议中因簇头数目和分布位置不合理导致网络能耗不均衡的问题,利用多属性决策逼近理想解排序法(TOPSIS)进行簇头选择。综合考虑节点的剩余能量、邻居节点数量、到基站的距离和传输范围,使用Pareto最优解选择一组簇头,进而通过TOPSIS算法进行排序选出最佳簇头。仿真结果表明,TOPSIS在剩余节点数和网络能耗上优于LEACH和AHP算法,能够有效延长网络生命周期,使网络能耗更均衡。     

基于Vague集的多阶段模糊多属性决策方法研究

综述了基于Vague集的多属性决策方法,针对现有研究成果存在的不足,提出了基于Vague集的多阶段模糊多属性决策方法,阐述了该方法的基本步骤和实现过程。该方法分阶段对决策方案进行筛选淘汰,找出最佳决策方案,能有效解决现有Vague集排序函数失效的问题。数值实验表明,该方法有很好的求解能力,为基于Vague集求解模糊多属性决策问题提供了一种新的思路和方法。     

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.     

基于优势关系的多属性决策对象排序研究

多属性决策问题的实质是利用已有的决策信息,通过一定方式对备选方案进行分析、排序、择优和评价,以找到一种简捷方便的排序方法.鉴于此,针对属性值为区间数的多属性决策问题,首先提出区间数向联系数的转化及联系数可能度;然后根据可能度大小提出区间数及决策对象优势关系,并根据优势关系及联系数可能度大小提出几种新的排序算法;最后以实际投票决策问题为例验证了上述排序算法.     

基于模糊多属性决策的射孔方案选择模型研究

射孔是油气井的主要完井方式之一,不同的射孔参数对井的产能有不同的影响。射孔方案涉及产能比、相位角、孔密、穿深、孔径、套管强度降低系数等因素,各因素之间互相影响,互相制约,射孔方案的选择中存在一定的模糊性。探讨将模糊多属性决策方法应用于油气井射孔作业,建立射孔方案模糊多属性决策模型,讨论了无偏好及有偏好情况下的射孔决策模型。仿真实例验证了模型的有效性,为射孔作业提供了一种决策依据。     

基于属性度的属性排序算法

形式概念分析是一种从形式背景进行数据分析和规则提取的强有力工具。属性拓扑作为一种新型的形式背景表示方法,直观地描述了属性之间的关联。利用属性拓扑可以更方便直观地计算形式概念和概念格。经过对现有属性拓扑的算法与流程的研究,分析了现有属性排序算法的特异性和层次局限性,通过结合度的概念,提出了一种属性衡量的新方式--属性度,并提出了基于属性度的属性排序算法。这种排序算法得到的结果更加灵活,消除了属性排序的层次局限性,对父属性的查找有明显的优势,为基于属性拓扑中的属性排序方法提供了指引方向。     

基于熵和风险态度的二型模糊多属性决策方法

针对属性权重信息完全未知的二型模糊多属性决策问题,提出了一种基于二型模糊熵和决策者风险态度的决策方法。首先,为了准确测度二型模糊集（T2FS）的不确定性,通过引入模糊因子和犹豫因子建立了二型模糊熵的公理化准则,并基于距离测度给出了对应的计算公式。其次,为了减少整体不确定信息对决策结果的影响,结合二型模糊熵构建非线性规划模型来确定属性权重。同时,将决策者的风险态度引入二型模糊信息的得分函数中并给出具体的决策步骤。最后,通过实例分析验证了该决策方法的可行性,并与现有文献对比发现该决策方法更具有灵活性。     

基于属性纯度的决策树归纳算法

基于粗糙集的决策树算法由于粒化冲突与噪声影响容易导致特征选择的失效。提出属性纯度并结合属性依赖度来构建决策树归纳算法。采用统计集成策略来建立属性纯度,表示决策分类关于条件分类的识别性,并用于相应的属性特征选择;分析属性纯度与属性依赖度的同质性和异态性,采用先属性依赖度后属性纯度选择节点的方法,改进基于粗糙集的决策树算法。决策表例分析与数据实验对比均表明所提算法的有效性与改进性。     

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。     

一种基于信任值的分类属性聚类算法

针对K—Modes算法的不足,提出了一种基于信任值的分类属性聚类算法TrustCCluster,该算法不需预先给定聚类个数,聚类结果稳定且不依赖于初始值的选取。在真实数据上验证了TrustC—Cluster聚类算法,并与K—Modes和P—Modes算法进行了对比,实验结果表明TmstCCluster算法是有效、可行的。     

基于加权多属性云的服务信任评估方法

针对云计算环境中服务信任的随机性和模糊性以及现有基于云模型的信任评估方法对时效性和推荐信任考虑不足的问题,提出一种基于加权多属性云的服务信任评估方法。首先,引入时间衰减因子为每次服务评价赋权重,从服务的多个属性细化信任评估粒度,通过加权属性信任云逆向生成器得到直接信任云;然后,根据评价相似度确定推荐实体的推荐权重,并计算得到推荐信任云;最后综合直接信任云和推荐信任云生成综合信任云,通过云相似度计算确定服务的信任等级。仿真结果表明,所提方法明显提高了服务交互成功率并有效抑制恶意推荐,能够更加真实地反映云计算环境中服务信任情况。     

同可区分度属性约简的研究

通过具体算例指出基于同可区分度属性约简不是王国胤等提出的条件信息熵约简。理论上证明了基于同可区分度属性约简仅是基于差别矩阵的HU属性约简,它是一种基于梁吉业等提出的新条件信息熵属性约简。证明了同可区分度约简协调集一定是代数协调集和信息熵协调集,从而代数约简核属性和信息熵核属性一定是同可区分度约简核属性的子集。     

基于模糊集合的完整性信任度评估模型

完整性度量是可信计算得以实现的一项重要技术。根据影响操作系统完整性的内核模块、二进制可执行文件等因素,通过定义直接信任度、间接信任度和综合信任度等计算公式构建了一个操作系统的完整性信任度评估模型,该模型利用模糊集合理论将完整性度量化为[0,1]之间的具体数值,并根据隶属函数将操作系统的信任度划分为四个信任等级。该模型改变了原有完整性度量中一致执行、不一致停止的二值状态,为远程验证者提供较为精确的操作系统完整性度量值,提高了系统的可用性。仿真实验结果表明该模型较客观地提供了操作系统的完整性信息。     

基于模糊粗糙依赖度的连续值属性约简

针对传统的离散化技术所造成的信息丢失问题,提出了利用模糊粗糙集理论来进行属性约简的方法。描述了模糊等价关系下的粗糙集模型,定义了正域、依赖度等概念,提出了基于模糊粗糙依赖度的属性约简算法,该方法比传统属性约简方法具有更好的时间复杂性,并用实例证明了该算法的可行性。     

基于用户可信度的误用入侵检测系统的研究

提出了基于用户可信度的误用IDS模型,该模型对IDS框架结构、签名匹配策略及协同机制都进行了改进。鉴于通用入侵检测框架CIDF（Common Intrusion Detection Framework）结构中缺少对入侵等级划分的机制,提出了基于用户可信度量化的等级划分方法,提高了系统的合理性。定义了误用IDS安全级别,通过预警原理实现低安全级别IDS对未知入侵的预防作用。另外,在用户可信度IDS中使用了局部性原理,进而改善了签名匹配策略并提高了签名的匹配效率和准确率。