基于遗传算法的决策对象选取模型研究

本文提出了一个基于遗传算法的决策对象选取模型，在该模型中，基于遗传算法的学习机制被用于提高决策对象特征描述及其权重向量的准确性，同时也使模型有了自适应的能力。该模型在杭州三联电子公司CIMS应用示范工程系统中得到成功应用。     

不确定性推理的似然比方法

本文在文献［3］的基础上进一步研究了似然比推理方法，讨论了似然比推理的更一般情形及带权重信息的组合规则，这种推理思想和人们通常推理行为是相一致的，因而此方法在不确定推理中更具有一般性和更好的适应性。     

电声产品音质的试金石——《电声产品声音质量主观评价用节目源》国家标准CD

衡量一个电声产品的性能除了进行客观技术指标测量外,对其进行主观音质评价是必不可少的。这就要求音质评价用的节目源不仅要系统全面,包括不同体裁和风格的音乐及语声、而且应该有严格的录音、制作质量方面的要求。有没有一种用于音质评价的高质量的“标准节目源”呢? 其实,为了制定统一的音质评价用节目源的标准样件,早在1987年我国电子部音响研究所就向国     

层次分析法在评价某企业报酬要素权重中应用

利用层次分析(AHP)法，对该企业中层干部报酬要素按层次进行分解细化，得到4个基本要素和26个子要素，通过对各判断矩阵求权重向量和一致性检验，最终确定各报酬要素的权重，定性与定量相结合，较合理的解决了企业报酬要素权重如何确定的问题，实践证明，该方法所得的结果在该企业运行中是可行的，具有指导意义的。     

模糊数学矩阵在市场信用评价中的应用研究

模糊数学有助于将社会中难以捉摸的不确定因素量化，使不易准确把握的因素趋于可衡量、可评价．通过在市场信用评价领域中引入模糊数学，方法是首先将影响市场信用程度因素带来的不确定性量化，然后找到一个具有统一而确定的市场信用评价权重序列，使现有的市场信用评价方法的单一性和主观性得到减少或消除。     

教学质量评价系统中评价指标权重的研究

教学评价系统中,权重集设计有多种方法,主要有经验判断法、数理统计法、模糊统计法、层次分析法(AHP),其中层次分析法是一种简易、实用的决策方法,是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。讨论用层次分析法确定教学质量评价体系中各影响因素的权重,为模糊评价提供科学依据。     

基于相关性反馈的自适应热点话题追踪模型

针对在热点话题追踪过程中容易发生话题漂移的问题,提出了基于相关性反馈的自适应热点话题追踪模型。为准确把握话题的动态演变过程,首先,在词频-逆向文档频率(term frequency-inverse document frequency, TF-IDF)的基础上引入了相关度因子。其次,构造了报道与话题的相关度计算公式和新特征词能否反馈加入到话题词汇库的判别函数。同时,利用了话题词汇库本身的特性,构造了自适应更新阈值和自适应相关阈值的动态计算方法。最后,根据各个特征词对该话题贡献度的大小,对更新后的词汇库中的各特征词动态赋予新权重。实验结果显示,和其它3类追踪器相比,该追踪器模型的漏报率平均降低0.018、误报率平均降低0.063,这表明,该追踪模型更适合于解决话题漂移问题。     

基于AHP和熵权TOPSIS模型的岩爆预测方法

为了准确预测地下金属矿的岩爆情况,建立了AHP和熵权TOPSIS模型。运用AHP和熵权法的基本原理,从岩性条件、应力条件和围岩条件3个方面选取预测指标,最终确定的指标为岩石的单轴抗压强度〖σ〗_c、压拉比〖σ〗_c/σ_t、弹性变形指数〖W〗_et、切应力与单轴抗压强度的比值〖σ〗_θ/σ_c和完整性系数〖K〗_v,分别为各预测指标分配合理的权重。然后,运用TOPSIS的基本原理,结合AHP和熵权法得到的权重来计算各岩爆等级临界值和实际矿山数据的贴近度,通过对比这2个贴近度来预测岩爆是否发生。实例研究表明：所建模型得到的预测结果与工程实际情况相一致,因此认为AHP和熵权TOPSIS模型可用于准确预测地下矿山的岩爆问题。     

地质条件对主采煤层冲击地压的影响研究

运用系统理论,采样试验和数据模拟等综合权重占比法进行多种地质条件耦合分析,对诱发屯兰矿主采2、8号煤层冲击地压危险性的开采深度、煤层上方100 m范围顶板岩层厚度及坚硬特征、地质构造引起的开采区域内应力变化以及煤层弹性能量和单轴抗压强度等客观地质条件深入系统的研究.结果表明,现开采区域地质条件对主采煤层冲击地压危险影响...     

基于LDA-wSVM模型的文本分类研究

SVM分类算法处理高维数据具有较大优势,但其未考虑语义的相似性度量问题,而LDA主题模型可以解决传统的文本分类中相似性度量和主题单一性问题.为了充分结合SVM和LDA算法的优势并提高分类精确度,提出了一种新的LDA-wSVM高效分类算法模型.利用LDA主题模型进行建模和特征选择,确定主题数和隐主题—文本矩阵;在经典权重计算方法上作改进,考虑各特征项与类别的关联度,设计了一种新的权重计算方法;在特征词空间上使用这种基于权重计算的wSVM分类器进行分类.实验基于R软件平台对搜狗实验室的新闻文本集进行分类,得到了宏平均值为0.943的高精确度分类结果.实验结果表明,提出的LDA-wSVM模型在文本自动分类中具有很好的优越性能.