考虑决策者行为的水环境审计绩效异质信息多指标综合评价

针对水环境审计绩效评价中存在的模糊性、多指标、异质性等特点,提出考虑决策者行为的水环境审计绩效异质信息多指标评价方法.首先,构建水环境审计绩效评价指标体系;其次,对异质评价信息采用实数、区间数、三角模糊数、语言变量和直觉模糊数5种不同类型数据表示和刻画,并利用前景效用理论,考虑决策者行为对水环境绩效评价的影响,进而提出各个水环境审计绩效异质评价指标关于正负理想解的计算方法,据此确定水环境审计绩效异质评价的水平,并具体给出其评价步骤;最后,通过实例说明所提出方法的有效性和合理性.     

基于多语义元路径的异质网节点分类方法*

异质网是包含多种类型的对象和复杂链接关系的大规模异构信息网络.针对科研异质网,文中提出基于元路径信息的节点分类方法.利用异质网中具有不同语义信息的元路径,建立节点之间的关联特征矩阵,并通过加入跳转路径扩展异质网,解决信息稀疏问题.在DBLP数据集上的实验表明,文中方法可以有效利用较少的分类标签,解决复杂网络中的节点分类,在标注数据比例规模较小时,加入跳转路径,优化决策树分类性能.     

基于广义Choquet积分的Pythagorean不确定语言TODIM方法及其应用

针对评价信息为Pythagorean不确定语言变量且指标具有关联性的多指标决策问题,考虑到决策者的参照依赖和损失规避等有限理性行为,提出一种基于广义Choquet积分的Pythagorean不确定语言TODIM方法.首先,给出Pythagorean 不确定语言变量的定义及其相关理论;其次,考虑决策者的参照依赖行为,计算各方案相对于其他方案关于各指标的收益或损失值;再次,考虑决策者的损失规避行为,集成指标关联情形下方案的收益或损失值,得到每个方案相对于其他各个方案的个体感知优势度;最后,计算各方案的总体感知优势度,并依据总体感知优势度进行方案排序.一个雾霾污染治理的算例验证了所提出方法的实用性和有效性.     

基于概率语言COPRAS的多属性风险型应急决策方法

针对多属性应急决策过程中的风险性和不确定性,提出一种结合累积前景理论和概率语言COPRAS的应急决策方法。首先考虑到专家在评价过程中的犹豫性和偏好程度,采用概率语言表达专家的评估信息;其次将概率语言形式的评价信息纳入到累积前景理论的决策框架中,通过计算方案在不同前景状态下的前景价值矩阵和概率权重矩阵得到综合前景价值矩阵;然后在综合前景矩阵的基础上,以所有备选方案的整体效用度最大化为目标函数建优化模型来求解指标权重,并利用COPRAS方法对备选应急方案进行排序;最后通过一个算例说明了所提方法的有效性和可行性。     

基于动态投影嵌入的多维异质网络可视化研究

异质网络是包含多种类型节点和边的复杂信息网络,因此异质网络的可视化通常涉及异质信息的有效处理与可视技术,传统的网络可视化技术对于异质网络可视化来说布局效果混乱、异质信息难以体现。为此提出一种基于动态投影嵌入的多维度异质网络可视化方法。该方法从异质网络的表示学习方法入手,提出动态投影嵌入模型来学习异质网络的节点表示,在此基础上,提出了多维度（空间）的可视化方法,将异质网络节点根据不同属性映射至不同关系空间中进行可视化分析,从而挖掘出潜在的语义信息。实验结果表明,提出的方法不仅使异质网络表示学习的评价指标（MRR）提升了10%,而且从多维度（空间）对异质网络进行可视化,有效地展示和挖掘了网络中的异质信息与潜在语义信息。     

基于HNLOWA算子的模具制造系统选择研究

考虑到评价指标权重信息完全未知且专家语言评价和自然现象通常服从正态分布特征的多属性决策问题,引入犹豫正态语言信息元(HNLE)的定义,构建了基于犹豫正态语言有序加权平均(HNLOWA)算子的决策模型.首先,为了全面有效地描述复杂环境下的专家评价信息,定义了HNLE及其运算规则;其次,提出HNLOWA算子对专家的评价信息...     

基于超图卷积的异质网络半监督节点分类

近几年,图神经网络(Graph Neural Network)由于能够较好地提取网络结构信息以获得网络表示,逐渐成为网络节点分类的主流算法.然而,与广泛研究的同质信息网络相比,真实世界中网络往往是由不同类型的对象通过复杂关系相互连接所构成的异质信息网络.异质信息网络包含复杂的结构信息和丰富的语义信息,这也给网络节点分类提供了新的机遇与挑战.在异质信息网络中,网络模体(Motif)能够用于理解和探索复杂网络,其既能描述复杂的语义信息,又能保存网络中高阶近邻结构信息.因此,提出基于网络模体的异质超图卷积网络模型MHGCN(Motif-based HyperGraph Convolutional Network).首先,将重复出现的高阶网络模体建模为多个相关节点所构成的超边(hyperedge),进而将整个异质信息网络转换成由不同超边构成的超图,以克服同质网络中只能描述节点之间(pair-wise)关系的缺点;然后,利用超图的基本性质和谱理论设计超图上的卷积操作,同时引入超边自注意力机制聚合超图内部不同类型的节点,并通过在超图网络中加入自环解决在模型的前向传播过程中对异质信息网络覆盖不足的问题;最后,通过注意力机制对于不同语义的超图表示进行聚合,从而使最终的节点表示可以有效保持高阶近邻关系和复杂的语义信息.由于MHGCN是端到端的,最终模型直接学习得到节点的分类标签,并通过半监督节点分类任务进行验证,与其它方法相比,MHGCN在DBLP-P、DBLP-A数据集上比最好的基准方法micro-F1提高了0.56％～3.51％,macro-F1提高了0.54％～4.37％,验证了MHGCN模型的有效性.     

基于概率语言术语信息的前景决策方法

针对属性值为概率语言术语、属性权重完全未知的多属性决策问题,提出一种基于概率语言术语信息的前景决策方法.首先,为解决语言决策信息的群集结问题,通过power语言集结算子把一组语言术语集集结为概率语言术语,最大程度保留决策信息;其次,考虑概率语言术语集现有距离公式分辨率不高,定义一种新的距离公式;再次,鉴于决策者主观风险态度,引入前景理论至概率语言环境中,结合新的距离公式,构建前景决策矩阵;进而,综合主客观因素,构建组合赋权模型计算属性权重;最后,结合前景理论决策模型和指标权重求得综合前景值以此排序得最优方案,并通过算例验证其有效性.     

直觉模糊语言信息下的三维动态评价方法及应用

针对当前综合评价大多集中在静态评价以及属性权重未知的问题,在直觉模糊语言环境下提出一种三维动态评价方法.首先,利用模糊质量功能展开求解指标权重以弥补传统主客观确权方法的不足,体现指标越能表征顾客需求贡献度权重越大的赋权思路;其次,考虑到评价指标间的相互关系也会影响最终的评价结果,引入幂平均算子并将其扩展到直觉模糊语言集中,通过直觉模糊语言幂加权平均算子集结多属性信息得到静态综合评价值;接着,在静态评价值求解的基础上,基于全局信息定义分层激励因子和阶段信息定义成长因子分别对评价基础值的增长态势和增长趋势进行测度,构建基于评价基础值、变化状态与发展趋势的三维动态评价指数模型;最后以小微企业的信用评价为例验证所提出方法的有效性和可行性.     

网络安全综合评价方法的应用研究

研究网络安全问题,网络安全评价是一项复杂的系统工程.由于各种不正常信息入侵,病毒的干扰,影响着网络的安全.评价指标体系的建立和权重的确定是科学合理确保网络安全的手段.传统的定量评价方法无法准确测量,导致评价结果不准确,误差比较大.为了提高网络安全评价准确率,结合网络评价实际情况,提出一种层次分析法的网络安全综合评价模型.首先利用德尔菲法构建网络安全评价指标体系;然后利用层次分析法确定各指标的权重,并对网络安全进行评价;最后以具体实例对评价模型进行仿真.结果表明,层次分析法评价模型能够客观对网络安全状况进行评价,提高网络安全评价准确率,为网络安全提供了一种新的评价方法.