一种改进型专家模糊核聚类赋权方法研究

针对传统基于判断矩阵的专家模糊核聚类赋权方法，由于归一化条件的制约，导致离群点对聚类结果产生不良影响的问题，提出一种改进型模糊核聚类算法。该方法在聚类过程中，通过放宽归一化约束条件，削弱离群点对聚类结果的影响；并且针对传统基于信息熵与一致性系数线性耦合的聚类标准的局限性，提出一种基于偏差熵的赋权方法，依据专家对自身类别的聚类贡献度，确定专家权重，克服了传统方法的不足。算例表明，该方法可行、有效。     

权重信息未知情况下的多属性群决策方法及其拓展

本文针对群决策中专家权重及指标权重难以确定的问题,提出一种在权重信息完全未知情况下的基于证据距离和模糊熵权变换的多属性群决策方法,其核心在于如何仅通过决策矩阵客观地确定决策者权重及指标权重。通过信息熵和证据距离确定专家权重,并利用模糊变换原理,将专家权重向量与指标熵权矩阵合成,得到统一的群体决策指标权重;最后使用线性加权法集成所有专家对备选方案的评价信息,得到整个方案集的排序。实验结果及相关讨论表明,该方法概念清晰,计算量适中,具有较强的客观性,而且易于机器实现,是一种可行、有效的多属性群决策方法。最后将该方法推广到属性值由精确数、语言值、区间数、直觉模糊数等多种形式构成的混合型多属性群决策中。     

一种基于粗糙集和灰聚类理论的IT项目评标决策模型

本文根据IT项目招标的特点，提出基于粗糙集和灰聚类理论的IT项目评标模型，利用粗糙集理论确定指标权重，结合专家对指标的评价，克服了当前评标方法中存在的主观性大等不足，能够较好反映投标商的整体实力，提高了决策效率和公正性。     

一种基于方差最大化的组合赋权评价方法及其应用

粗糙集权重确定方法利用属性重要度来确定属性的客观权重,这种方法克服了权重确定过分依赖专家经验知识的不足,但也忽略了各属性指标本身的重要性问题。本文将粗糙集权重确定方法与专家主观赋权的层次分析法相结合,基于方差最大化的原理提出了一种主客观组合赋权方法。粗糙集结合主观层次分析法的组合权重很好地将两者的优点有效结合,同时方差最大化原理也对传统组合权重确定方法进行了改进,使得权重的确定更加合理,更能有助于决策者做出决策。最后,用一个算例应用证明了该种组合赋权决策方法的可行性。     

基于灰色聚类的社会评价模型及省辖市的实证

根据"坚持以人为本,全面、协调、可持续发展"的科学发展观的内涵,根据人民生活质量,教育卫生等五个准则层构建了社会综合评价指标体系。利用三角白化权函数理论,建立了基于灰色聚类的社会综合评价模型,并采用辽宁省14个地区的截面数据进行了实证研究。本文的创新与特色一是通过将可观测的国民幸福指数纳入评价体系,反映了人们对自身生存和发展状况的感受和体验,改变了现有评价没有考虑人民幸福程度的缺点。二是通过人均可支配收入和最低生活保障线等可获得数据指标计算准基尼系数,间接反映了社会发展过程中的收入分配差距现象,解决了现阶段因辽宁省未统计基尼系数指标而无法对社会发展进行科学评价的问题。三是通过在灰色聚类评价模型中通过熵权法确定指标权重使权重结果客观并唯一,避免了主观赋权方法得出的因人而异的现象。四是运用灰色聚类模型对辽宁省各地区社会发展进行聚类评价,有效地揭示了辽宁省各地区社会发展的不平衡性特征。     

不完备判断信息情境下群组DEMATEL决策方法

为克服群组决策试行与评价实验室（DEMATEL）方法难以处理不完备专家判断信息问题，以及预先指定评价标度和群组信息集成规则不适应复杂决策环境的内在缺陷，本文基于群共识排序理论，提出一种能够有效处理不完备判断信息的群组DEMATEL决策方法。该方法的创新之处在于：第一，它能够以灵活的标度方式有效地反映群组专家的偏好判断表达。第二，它也能通过序列转换和共识度的引入较好地处理群组DEMATEL不完备判断信息。第三，它能够合理地反映决策结果因群共识水平不同而变化的复杂机理。实例验证结果表明，所提方法是切实可行的，能够有效解决实践中的决策问题。     

决策评价系统数学模型设计及实现

本文运用层次分析法(AHP)、调整判断矩阵、建立模糊关系矩阵等给出了通用多层次、多目标综合决策评价系统数学模型。主要步骤是建立系统层次结构模型,构建群组决策两两判断矩阵,计算单层次排序权重和针对评价目标的层次总排序权重,最终得到评价结果。为决策评价系统设计提出完整、高效和可行的解决方案。     

基于赋权结果偏差系数的组合赋权法

本文在综合各种赋权方法给出的主观和客观指标权重信息的基础上,建立了求解企业绩效评价指标权重的优化模型,根据各种主客观赋权法给出的赋权结果的偏差系数确定其在权重组合中的加权系数。通过计算权重向量各分向量的偏差度来得到一致性系数,最后通过应用实例对此方法予以说明。     

熵权法优属度矢量模型与高新区发展评价

本文以信息熵理论为基础,引入Theil不均衡指数对模糊多因素、多层次综合评判法加以改进,按照评价数据的离散程度来确定各评价指标的权重,并采用优属度矢量模型得出部分国家高新区2003年的发展水平。与传统的聚类分析法、专家经验评估法等方法相比,该方法提高了评价结果的科学性和合理性。评价结果显示,当前我国各高新区的发展水平差异较大,东西部地区两极分化的现象较为严重,因而有必要根据发展现状对我国高新区进行分类管理。     

决策单元交叉效率的自适应群评价方法

传统交叉效率评价方法因决策单元偏好权重不唯一而难以操作,因交叉效率有效性分值平均化集结而难以被接受。目前的学者通常围绕决策单元指标权重的确定性分配方法、交叉效率有效性分值的去平均化集结等分别开展研究。本文将交叉效率评价方法中自评互评相结合的评价模式看作群决策过程,即每个决策单元既是一个被评对象,又是一个决策"专家",提出了一种决策单元交叉效率的自适应群评价方法,将决策单元偏好权重的确定和交叉效率有效性分值的去平均化集结作为同一个决策过程,根据每个决策单元的评价结果与群体评价结果的接近程度,同步迭代调整决策单元的"专家"权重和决策单元自评产生的、并提供给其他被评价决策单元的一组确定的偏好指标权重。实验验证与实例运用分析表明,该方法收敛效果良好,能得到客观稳定的决策单元交叉效率有效性分值及排序。     

基于案例学习的多层次聚类指标客观权重极大熵挖掘模型

本文针对待聚类对象的多层次聚类指标权重配置问题进行了研究。首先运用向量空间模型将聚类对象表征为包含多个层次聚类属性指标的特征空间向量并基于余弦距离测算底层属性指标的相似程度，然后根据聚类指标的层次结构以及相应各层指标的权重系数综合测算对象之间的相似程度，最后根据历史聚类案例中相同类别对象之间相似度较大，不同类别对象之间相似度较小等特点，构建了基于案例学习的多层次聚类指标客观权重极大熵挖掘模型。通过案例分析以及与其他方法的比较研究，证明了本模型的可行性与有效性，为多层次聚类指标客观赋权问题提供了一种新的研究思路。     

基于VPRS的软件项目投标风险规避群决策研究

设计了一个基于变精度粗糙集的模型算法,用于调整软件项目投标风险群决策表中的分类误差,为了全面反映专家的个人能力和在群决策过程中的公正、认真程度,赋予每个专家相应的权重,计算投标项目和风险指标的综合风险当量,并讨论了相应的风险规避措施、风险规避力度排序和风险规避流程。     

基于信任关系和信息测度的概率语义社会网络群决策模型

设计专家权重和属性指标权重的计算模型已成为近年来备受关注的两个重要研究课题。针对评价信息为概率语义信任函数的社会网络群决策问题,提出一种基于信任关系和信息测度的概率语义社会网络群决策模型。首先,构建基于信任关系的概率语义决策空间,探究专家之间的信任传递模型,通过专家之间信任关系计算专家的权重;其次,引入概率语义信任函数的熵和相似度概念,并运用三角函数设计概率语义信任函数信息熵和相似度的衡量方法;最后,构建基于信任关系和信息测度的概率语义社会网络群决策模型,进而得到合理可靠的决策结果,同时将提出的社会网络群决策模型用于电动汽车供应商的选择实例,对比分析实验验证了模型的合理性和有效性。     

基于一致性局部调整算法和DEA的语言偏好决策模型

设计一致性调整算法和计算可靠的方案排序权重向量已成为近年来备受关注的两个重要研究课题。针对决策信息为语言偏好关系的决策问题，提出一种基于一致性局部调整算法和数据包络分析（DEA）方法的语言偏好决策模型。首先，基于局部调整策略设计一种收敛的乘性一致性调整算法，该算法不仅使得调整后的语言偏好关系具有满意乘性一致性，而且能够尽可能多的保存原始决策信息；其次，基于提出的新型语言DEA模型构造一种语言偏好决策模型用以确定方案的排序权重向量，进而得到合理可靠的决策结果。最后，将提出的语言偏好决策模型用于供应商的选择实例，对比分析实验验证了模型的合理性和有效性。     

一种基于证据距离的客观权重确定方法

证据理论能较好地处理具有模糊和不确定信息的合成问题,广泛应用于群决策中。但在高度冲突的证据下,合成结果会失真,为解决该问题,提出一种基于证据距离的客观权重确定方法。该方法根据各专家提供的证据间的距离来确定其客观权重,从而重新调整各专家证据的基本概率分配,可以降低与群体意见分歧较大的专家的权重。最后用一项目投资选择案例来验证该方法有效性。     

考虑专家判断信息的灰色关联极大熵权重模型

本文提出了一种从关联角度出发将主观先验信息与客观信息纳入约束条件从而求解综合权重的方法。在利用灰关联深度系数对实际决策问题进行客观权重判断研究的基础之上,构建了源于专家判断信息的权重势比的主观约束条件,将主客观因素同时反映在优化模型的约束条件中,并将权重的极大熵作为目标函数,保证权重判断的可信度,从而构建了确定评价指标综合权重的极大熵优化模型。该方法克服了将主客观条件直接通过线性组合作为目标函数时,主客观参数选取导致的权重大小的不确定性,并同其他赋权方法进行案例结果比较,表明了该方法的有效性。     

灰聚类分析结果灰性的测度

在引入了灰聚类权序列的熵的基础上,指出了灰聚类分析结果与聚类权序列熵的关系。给出了灰聚类分析结果灰性测度方法,并研究了此灰生测度的性质。灰聚类分析结果灰性的量化能够帮助应用者深入认识灰聚类分析的结果。通过实例进一步阐明了计算灰聚类分析结果灰性测度的步骤和实际意义。     

基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法

模糊群决策分类方法广泛应用于政治、经济与社会生活各个领域，可有效避免个人知识与经验局限性所导致的决策失误。针对信息不完备的多准则群决策问题，提出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法。首先，给出梯形直觉模糊集及广义梯形直觉模糊几何聚类算子，兼顾考虑群决策中相应依赖属性与决策者的决策偏好。其次，给出基于离散Choquet积分的TOPSIS算子（CI-TOPSIS），以此为基础，进一步给出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类步骤，用于确定具有最大可信度群体一致案例比较信息集，并逐步引导决策者给出部分及全部方案的精确分类，充分考虑模糊决策环境下决策者偏好与案例比较信息的级别关系。最后，通过一个投资决策实例对所提出的多准则分类方法进行验证。实例分析表明：该方法克服了决策过程中信息的遗漏，充分保留了决策过程中信息的完备性，更适用于直觉模糊群决策环境下的决策实践，是一种非常有效和科学的方法，可应用推广到更多决策领域。本文所得结论，对于有效解决多人多投资方案的群决策问题，具有一定的借鉴意义。     

基于案例推理的直觉模糊决策方法

目前大多数决策方法的定权问题仅依靠决策矩阵而忽略了决策背景。针对上述问题,将案例推理方法融入到直觉模糊决策问题。首先根据直觉模糊数的内涵构建一种相似度公式,将案例推理模型跟相似度测度结合求得最优权重以及分类半径,进而进行择优排序。最后通过案例分析详细说明了本文方法的优势之处:根据决策数据又考虑专家意见,使得决策结果与现实情况更加一致,并提出一种解决面向直觉模糊决策问题的新思路。     

半模糊超球支持向量机多类分类方法研究

针对支持向量机在大类别模式分类中存在的问题,提出了一种基于半模糊核聚类的超球支持向量机分类方法.该方法首先利用半模糊核聚类方法对样本进行预处理,完成边缘样本的选取,进而以所选样本为训练样本进行超球支持向量机训练,从而有效提高分类器的性能.实验表明,该方法比标准支持向量机多类分类方法具有更高的速度和精度.