基于最大隶属度的区间概率灰色随机多准则决策方法

定义了一种灰色隶属函数.针对概率为区间数、准则值为区间灰数的灰色随机多准则决策问题,提出一种基于最大隶属度的决策方法.首先,运用区间数可能度排序向量将区间概率转化为点概率,并将其转化为无风险决策问题;然后,计算各方案在负理想方案到正理想方案上的灰色隶属度,并计算各方案准则值的相对灰度,进而根据灰色隶属度和相对灰度大小对方案进行排序;最后,通过算例验证了该方法的可行性和有效性.     

含区间时变时滞的线性不确定系统鲁棒稳定性新判据

研究一类区间时变时滞线性不确定系统的鲁棒稳定性问题.通过引入增广Lyapunov泛函,结合积分不等式方法,导出了区间时变时滞线性系统的时滞相关鲁棒稳定性新判据.与现有方法不同,该方法不涉及自由权矩阵技术和任何模型变换,减少了理论和计算上的复杂性,而且在估计Lyapunov泛函导数的上界时没有忽略某些有用项.数值算例表明,所提出的判据是有效的,具有更低的保守性.     

广义求和与乘积算子中参数w的影响规律分析

广义求和算子与广义乘积算子是基于区间数的证据合成方法得以应用的两个重要参数,实际应用表明两者中参数w对证据合成结果影响较大,掌握参数w的影响规律对其应用将大有裨益。通过对关键函数fu和fi的数学分析,同时依据实例分析的结果,推导出广义求和算子与广义乘积算子中参数w对基于区间数的证据合成结果的三条主要影响规律：1）随着广义求和算子中的参数w增大,证据合成结果变得悲观;2）随着广义乘积算子中的参数w的增大,证据合成结果变得乐观;3）两者中参数w的同时增大或减小可以平衡各自对证据合成结果的悲观或乐观作用。总结出的影响规律可辅助选择适当的参数w,以更好地满足实际工程应用需要。     

基于区间直觉模糊集的C均值聚类算法

针对区间直觉模糊集(IVIFS)的聚类问题,提出了基于IVIFS的C均值聚类算法.算法首先应用IVIFS的欧氏距离,构造了聚类的目标函数;然后根据拉格朗日乘数法推导出聚类的迭代公式,得到IVIFS聚类算法;此外,还提出一种IVIFS聚类的有效性函数,并将此函数和聚类结合,给出可以确定最佳聚类类别数的聚类流程;最后通过实...     

一种含噪数据FCM聚类算法

针对IADFCM算法在运算过程中忽略区间中点和半宽对区间数分析的问题,给出基于中点、半宽含权重区间数间的欧氏距离,提出一种改进的聚类分析算法,对模拟数据集和实际数据集分别进行仿真实验,实验结果表明,该算法是有效的。     

频域单源区间和欠定的盲信号分离

探讨在感知器个数少于源信号个数时的盲分离问题,提出频域中的单源区间矩阵恢复方法,以实现时域检索平均法在频域中的扩展,与传统的聚类算法相比,该算法计算简单、精度高,在理论上能够无偏差地估计混叠矩阵。在源信号的恢复上,根据稀疏的原则,在仅m个源在频域中较大、其余源可近似为0的假设下,得出求解L1范数的简化方法。语音信号仿真实验展示了该方法的性能和实用性。     

三参数区间数多属性决策的后悔理论方法

本文将后悔理论方法用于解决三参数区间数多属性决策问题.首先,提出一种将三参数区间数转换为两参数区间数的方法,避免了传统三参数区间数在大小比较方面不确定信息的遗失.其次,依据两参数区间数决策信息计算不同状态下备选方案及正理想方案各属性的效用值,从而可得各备选方案的后悔–欣喜值及综合感知效用值.然后,针对权重范围已知的情况,通过构建备选方案综合感知效用最大化优化模型求得属性权重;针对权重信息完全未知的情况,提出一种基于注水原理的属性权重求解方法.最后,利用属性权重加权求和方法得到备选方案综合效用值,从而通过比较综合效用值得到方案的排序结果.     

求解昂贵区间多目标优化问题的高斯代理模型

本文将数据挖掘(高斯过程回归建模)和智能进化算法(GA,NSGA-Ⅱ)进行结合,用于解决优化函数未知的昂贵区间多目标优化问题.首先利用高斯过程对采用中点和不确定度表示的未知目标函数和约束函数进行建模,由于相关性和准确性是区间函数模型的两个必备条件,故提出一种融合多属性决策的双层种群筛选策略,并将其嵌入到遗传算法求解高斯模型参数的过程中,第1层根据相关性属性排除候选解集中部分劣解,第2层根据准确性属性排除候选解集中其余超出种群规模的劣解,两属性的权重系数决定两层排除劣解的比例.然后将所建模型作为优化对象的代理模型引导区间NSGA-II算法优化求解,从而获得所需的Pareto前沿.     

区间直觉模糊信息下的双向投影决策模型

研究权重完全未知、评价信息为区间直觉模糊数的多准则决策问题. 考虑犹豫度影响, 给出备选方案与正理想方案、负理想方案形成的向量表达方式, 提出一种针对区间直觉模糊信息的向量投影测度方法; 构建基于方案投影总偏差最小的非线性规划准则权重确定模型; 给出基于方案投影的相对贴近度测算公式, 并以此对方案进行排序. 最后通过算例对比分析表明了所提出方法的有效性和可行性.