模糊语言多属性群决策的客观综合赋权方法

针对一类属性及专家权重完全未知且评价值为直觉不确定语言数的多属性群决策问题,提出一种基于客观综合赋权模型的模糊群决策方法。通过定义直觉不确定语言数的不确定度和距离测度,对单个专家内部以及专家群体之间的评价值进行分析,分别建立基于离差最大化和熵值的属性综合赋权模型以及基于不确定度和偏离度的专家综合赋权模型,提出一种基于客观综合权重的直觉不确定语言多属性群决策方法。通过实例分析表明了该方法的可行性和实用性。     

主客观权重集成及扩展VIKOR的多属性群决策方法

针对评价信息、属性权重均为不同粒度语言短语的多属性群决策问题,提出一种基于主客观权重集成及扩展多准则协调优化解（VIKOR）的多属性群决策方法。由基本语言评价集实现对多粒度语言评价矩阵的一致化,基于同一粒度的语言决策矩阵计算群体对属性的评价偏差,基于群体评价意见的一致性原则得到属性客观权重,通过二元语义加权算术平均（T-WAA）算子得到属性主观权重,从而集成主、客观权重求得属性综合权重。集结转化后的单个评价矩阵得到群体评价矩阵及其导出矩阵,由扩展VIKOR方法,根据群效用值、个体遗憾值及综合评价值分别对方案进行排序,获得折衷方案。算例分析表明该方法的有效性与可行性。     

考虑心理行为的区间二元语义动态群决策方法

针对当前属性值为区间语言信息的群决策方法的不足,提出了一种考虑决策者心理行为的区间二元语义动态多属性群决策方法。定义了一种更接近决策者思维习惯的区间二元语义新的距离公式;引入时间度概念,结合考虑专家评价的综合一致性,建立优化模型求解时序权重;并基于前景理论,构建前景偏差值最小化的权重优化模型;采用基于新距离测度的交互式多属性决策（TODIM）方法计算方案的综合总体优势度,以此对方案进行排序。并以供应链协同合作伙伴的选择与评价为例,验证了所提方法的有效性和合理性。     

属性和专家客观权重未知的区间数群决策方法

针对偏好信息为区间数形式、属性和专家客观权重未知的多属性群决策问题,提出通过属性评价值之间偏离程度的熵值分析和建立目标最小化的非线性规划模型确定属性客观权重,并结合属性主观权重获得属性综合权重;通过灰色关联法分析专家综合评价和群体综合评价之间一致性程度确定专家客观权重,并利用自适应迭代法求得稳定的专家权重;构造了一个新的区间数比较的可能度公式,并基于此公式,给出了方案排序问题的解决方法。通过算例分析及与其他方法对比,验证了所提出方法的可行性和有效性。最后,分析了相关参数对决策结果的影响。     

考虑碳限额的制造/再制造混合系统生产优化决策

针对属性权重部分未知且专家权重完全未知的多粒度语言大群体决策问题,提出一种基于云模型的决策方法.首先,构建一种基于信任关系的专家权重求解模型来计算专家权重;其次,将多粒度语言转换为云模型并进行聚类;然后,构建一致性优化模型来求解属性权重,从而得到各个方案的综合评价值并对方案进行排序.所构造的专家赋权模型可以有效解决大群体决策过程中决策人数众多、无法客观给出专家权重信息的问题,而且通过定义的直觉信任函数,还可以对专家之间的信任关系进行刻画,充分挖掘专家之间的信息;将多粒度语言转换为云模型,可以有效刻画语言信息的模糊性和随机性,从而避免信息的丢失和失真.     

基于权重集结和相对优势关系的多属性决策方法

分析多属性决策方法中决策矩阵规范化和属性权重计算等步骤可能对决策方法合理性造成的不良影响,为克服这些不良影响,提出一种新的多属性决策方法.该方法采用群决策模式进行赋权,在对专家意见进行一致性分析的基础上,集结各位专家给出的属性权重,通过定义备选方案在属性值为实数、区间数和语言值等不同类型属性上的相对优势关系构造判断矩阵,并以此建立方案效用值计算的线性目标规划模型,从而实现备选方案的评价和排序.实例研究表明了所提出方法的可行性和有效性.     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

具有多粒度不确定语言评价信息的多属性群决策方法

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,提出了一种决策分析方法.首先给出了不确定语言短语两两比较的优势度描述及其性质分析;然后根据优势度、属性权重向量及专家权重向量,通过运用简单加权法,建立两两方案比较的群体综合优势度矩阵,基于群体综合优势度矩阵,给出了一种基于优于次数的方案排序方法;最后,通过一个算例说明了该方法的可行性和有效性.     

基于新型距离测度的概率语言多属性群决策方法

研究属性权重和专家权重均未知条件下的概率语言多属性群决策问题.首先,针对传统概率语言术语集距离测度的不足,提出改进的距离测度,并证明其性质和优越性.其次,基于新的距离公式,定义决策者的平均相似度,并结合专家之间的信任度矩阵计算每个属性下决策者的综合权重;构建基于相似-信任分析的群体共识调节模型,尽可能保留各属性下权威专家的意见;考虑到属性之间的相关性以及各个属性的重要程度,构建基于广义Choquet积分和离差最大化法的主客观综合赋权模型.随后,在新的距离测度的基础上,结合TODIM方法构建概率语言多属性群决策框架,实现对多个备选方案的排序.最后,以光伏电站的选址为例,验证所提出方法的有效性和合理性.     

多属性群决策中一种基于主观偏好确定属性权重的方法

提出一种多属性群决策中同时考虑专家群体对属性主观赋权的偏好和决策者对决策重要性认识的偏好来确定属性权重的方法,能够兼容专家实数型、区间型和语言型等类型的属性权重赋值.首先建立标准属性重要差异矩阵以实现专家对属性赋权的优劣比较和差异规范,定义统一的决策者偏好映射对其进行调整;然后求解各矩阵的排序向量以量化属性的相对重要程度,并与专家权重聚合得到属性权重向量;最后给出了方法的具体步骤,并通过算例说明了该方法的具体应用.     

基于改进直觉模糊熵和信息集成算子的多准则群决策方法

针对直觉模糊环境下准则权重和决策者权重完全未知的群决策问题,提出了一种基于改进直觉模糊熵和信息集成算子的多准则群决策方法.首先,借助直觉模糊数、语言变量法和定量指标值转化公式,将决策者的初始评价准则值规范化;其次,引入改进的直觉模糊熵度量方法确定准则权重和决策者权重;进一步对直觉模糊决策矩阵用直觉模糊加权平均算子和直觉模糊有序加权平均算子进行信息集成,利用新的得分函数对备选方案排序择优.从理论上论证了该方法的可行性,结合算例验证了该方法的有效性.     

基于灰色聚类的系统群安全评估方法

目前大多数信息系统的安全评估工作基于某个单一系统,根据其各个属性分层评估其安全状态,而面向系统群来评价信息系统安全等级的方法较少。针对信息系统的安全需求,提出一种基于系统群的安全等级评估方法。考虑到灰色系统理论中的灰色聚类分析方法采用白化权函数将一些评价对象分为几个等级,适合于系统结构复杂、不确定性高、有效信息缺乏的系统分析,文中使用白化权函数来确定信息系统的安全评估等级。首先,从参与评价的信息系统的角度,采用高效快速的K-均值聚类算法确定白化权函数;其次,运用白化权函数得出各个信息系统的灰级灰色聚类系数;最后,得出各个信息系统的安全状态等级。实例结果表明,该方法可快速有效地对信息系统群的安全等级进行评估。     

基于跳跃Hash和异步共识组的区块链动态分片模型

区块链系统的实现方案普遍存在性能和容量上的缺陷,使其无法取得更广泛的普及和应用。分片被视为最有可能解决区块链瓶颈的技术,然而目前主流的实现方案普遍存在牺牲去中心化或者安全性来提升性能的问题。基于现有分片技术的研究,文中提出了基于跳跃Hash和动态权重的分片构建算法,该算法满足高效性、公平性、自适应性等特点,网络分片效率对比以太坊提升了8%,分片数量动态增减时节点迁移的工作量对比以太坊降低了25%;同时引入了异步共识组机制,提升了分片的交易安全性,能够有效处理跨分片交易。理论分析和实验证明,基于跳跃Hash和异步共识组的区块链动态分片模型的最大交易性能可达5000笔每秒。     

基于前景理论的群体灰靶决策方法

考虑决策者关于各指标均有期望灰靶对群体决策的影响,提出一种基于前景理论的群体灰靶决策方法.该方法以期望灰靶为参考点来定义前景价值函数,利用奖优罚劣的线性变换算子对前景价值进行规范化处理,能够充分反映评价值是否中靶.根据群体意见一致性以及最高和最低评价对决策结果偏差的影响,构建决策者权重确定模型,并根据综合前景值的正负判断方案是否中靶.最后通过突发事件应急预案选择问题说明了该模型的可行性和有效性.     

Secure Group Communication with Hidden Group Key

ABSTRACT

Grid environment is mainly concerned with sharing diverse resources belonging to different administrative domains. Security and scalability are important issues for secure group communication in a grid environment. Secure group communication among group members working on collaborative tasks involves confidentiality and authenticity of the message and the session key. In order to transmit the data in a secure way, a suitable key transfer protocol should be implemented. Key transfer protocols rely on a centralized Key Management Center (KMC), an entity responsible for managing user authentication, generating group keys and distributing it to all the members of the communicating group secretly. In this paper, we proposed a secure key transfer protocol that uses the concepts of soft dipole representation of the image and steganography for transferring password and group key securely to the users. In this protocol, users submit their images at the time of registration with the KMC. First KMC compute the soft dipole representation S_I of every user's image and each user's image can be uniquely represented by its corresponding soft dipole representation. The soft dipole representation of each user's image is used as a password for authentication of corresponding user with KMC. KMC generates the group key using soft dipoles of the images of the group members. To preserve the confidentiality, the group key is embedded into an image (using information hiding technique) and KMC broadcast that image to all the group members.     

有效的适合大群体群签名

该文将构造一种新的群签名体制,它将克服群公钥的长度和群成员数成线性的问题,并且在增加新成员时不用进行公钥的修改。实现的方法是基于DSA的知识签名。     

基于特殊线性群的自同构群的签名

基于特殊线性群的自同构群上的离散对数问题,提出一种非交换群上的签名方案;分析特殊线性群的自同构群上的离散对数问题的困难性。通过适当地选取参数,表明新签名方案的安全性高于有限域上的DSA算法,甚至等同于椭圆曲线上的DSA算法。结果表明,采用Leedham-Green算法计算矩阵的幂运算,使得新方案的运行效率得到提高。     

集体行动

组合模块形式的沙发早已屡见不鲜，然而设计师们依旧热衷于此．不断推陈出新。对于开放式的公共空间来说，可以灵活组合放置又易于分装移动的组合模块沙发十分适合其流动性大的空间特点。     

Group Normalization

International Journal of Computer Vision - Batch Normalization (BN) is a milestone technique in the development of deep learning, enabling various networks to train. However, normalizing along the...