基于粗集理论的属性权重确定方法

通常属性权重的确定方法是根据决策者的先验知识来确定。本文根据粗集理论中属性重要度的判断方法,提出将决策者先验知识给定的权重同粗集理论确定的属性重要度结合起来最终确定属性权重,即基于粗集理论的属性权重确定,实现主观先验知识同客观情况的统一,从而得出更加理想的权重确定结果。     

基于方法集的综合评价方法集化研究

本文首先基于可能的综合评价方法给出关于可比方法集和相容方法集的定义,并运用模糊聚类分析方法确定相容方法集;然后以相容方法集为基础确定可能的组合评价集,建立评价方法集化模型,寻找一个最满意的组合评价,并对该评价结论进行相容性检验;最后用一个实例说明本研究实际应用上的有效性。     

基于SVM求解不均衡数据集分类的主观权重约束方法

支持向量机(SVM)的二类分问题中针对不平衡数据集可以通过减少样本信息的不对称性和改进算法来解决。本文针对中小企业中有财务风险与无财务风险样本的不平衡性问题,使用一种带有主观权重约束条件的支持向量机新模型对样本进行分类。实验表明新模型确实提高了财务风险企业即少类样本的识别性能,是一种类别不均衡学习(class imbalance learning)的新方法。     

基于方法集化的动态组合评价方法研究

为了解决多种动态评价方法评价结论非一致性问题,提出动态组合评价方法。给出关于可比动态评价方法集和相容动态评价方法集的定义,并运用模糊聚类分析方法确定相容动态评价方法集;然后以相容动态评价方法集为基础确定可能的组合评价集,建立评价方法集化模型,寻找一个最满意的组合评价,并对该评价结论进行相容性检验。最后用一个实例说明本研究实际应用上的有效性。基于方法集化的动态组合评价方法对解决多种动态评价方法评价结论非一致性问题提供了思路,是综合评价方法研究的有益补充,可以利用该方法进行应用研究。     

群决策中基于二元语义的主客观权重集成方法

针对一类属性值和属性权重信息均以语言评价信息形式给出的多属性群决策问题,提出了一种基于二元语义信息处理的主客观属性权重集成方法.首先运用二元语义集成算子计算属性的主观权重,然后给出一种基于最小偏差的属性客观权重计算方法,该方法根据决策者给出的语言决策矩阵计算决策群体对属性判断的偏差,偏差越大,表明决策者对该属性评价意见的分歧越大,则应赋给该属性越小的权重值,以提高群体意见的一致性.在此基础上,对属性的主、客观权重信息进行集成,得到属性综合权重.最后通过算例说明了该方法的有效性和实用性.     

基于粗集的IT项目风险因素多元组合权重研究与聚类分析

属性权重研究是IT项目风险分析的重要过程,在分析属性权重、研究同类方法的基础上,指出了通过传统方法以及粗集方法确定单个属性权重存在的一些问题,由此提出了基于粗集理论的属性组合权重的概念与计算方法,最后根据组合权重的相似系数矩阵,对风险因素进行聚类分析,为项目管理提供决策依据.     

交互式多属性群决策评价方法研究

针对多属性群决策中属性指标权重的确定,将群体看作由多个被评价且参与权重决策的独立成员组成,提出一种交互式迭代算法,以均等属性权重为起点进入迭代过程,每一次迭代在当前给定的权重参数下求解含参规划模型并计算得到新的权重参数。迭代过程终止于任一群成员在相邻两次迭代的参数权重下加权综合属性值的绝对差异控制在非阿基米德无穷小量以内,此时使用的参数权重即为各属性的最优权重。实际迭代计算过程以及属性指标权重由所有群体成员共同参与和决定,故可以认为最终优化和选择结果为绝大部分成员所接受并满意。通过一个算例以及一个关于研发项目选择的实例,说明该交互式群决策评价方法的可行性和有效性。     

应用合作博弈确定组合评价权重系数的方法研究

本文运用合作博弈的原理,将用于组合评价、具有相同属性的单一评价方法看作合作博弈中的局中人;采用平均值作为单一方法相对于组合评价结论偏差的参考基准,所得组合评价的误差平方和视为合作的结果;应用多种单一评价方法所得结论的偏差相对于组合评价结论总偏差的贡献,来对单一方法进行赋权。最后针对一个案例,采用自主开发的基于MATLAB语言工具的EVversion1 0软件进行模拟分析与比较分析。     

360度评估体系中权重调整方法研究

在360度评估体系中,评估者主要包括上级、下级、同级和员工本人。评估成员中往往有高估自己而低估他人的倾向,有时也会出现策略性的评估,这会导致评价结果出现偏差。另外在企业的实际应用中,各类评估者的权重往往是固定的,因此对于出现的各类偏差很难调整。本文通过分析成员的评分结果,确定成员自评与他评的一致性类型,给出了自评与他评的权重确定方法,在此基础上设计了成员的得分函数。本文的权重调整方法实际上是一种机制设计,主要是约束各类评估者策略性的评估或者降低由于心理因素带来的各类偏差。最后,将该方法应用于企业员工贡献值的排序问题,并通过与传统方法的比较,说明了此方法的有效性与合理性。     

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。     

多属性决策的组合赋权方法研究

提出了多属性决策组合赋权的一种线性目标规划方法,该法把主观和客观两类权重信息相结合,既能充分利用客观信息,又尽可能地满足决策者的主观愿望,且具有思路清晰、简洁实用、易于计算机上实现等特点。最后通过算例说明了方法的可行性和有效性。     

基于粗糙集的组合评价方法研究

为了解决多方法评价结论的非一致性问题,目前有不少学者提出了组合评价的思路.但现有的组合评价方法普遍隐含着与实际情况相悖的基本假设;所讨论的方法适用于所有评价问题,把所有的评价方法进行组合.针对上述问题本文试图基于粗糙集理论和信息熵概念,首先进行评分方法的筛选,然后再计算主要方法的重要程度,经过归一化处理后即得到各可组合方法的权重,进而得到组合评价的结论.最后用一个实例说明本研究实际应用上的有效性.     

基于信息熵的群组聚类组合赋权法

在多属性群决策方法的研究中,为了科学地确定专家的权重,提出一种基于信息熵的群组聚类组合赋权法。依据各个专家的判断矩阵归一化得到的排序向量,利用相关系数法构造相关矩阵。通过分析阀值变化率选取最优聚类阀值,对相似程度较高的排序向量给出合理的聚类。运用信息熵为类内专家赋权,综合聚类结果和排序向量的信息熵,确定专家的总权重。算例表明该方法可以对较为相近的专家评价结果进行有效分类,并准确衡量每位专家评价信息量的大小,能够有效提高专家赋权的合理性和群组决策的科学性。     

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。     

基于离差函数和联合熵的组合赋权方法

针对多指标评价权重确定问题,提出了基于最小离差和最大广义联合熵的组合赋权方法。该方法一方面综合考虑了各评价方法从不同角度所确定的权向量,使确定的理想组合评价权向量与所有其他方法的评价权向量之间的总体偏差为最小;另一方面尽量消除组合赋权的不稳定性,使各方法各指标权数赋予平衡因子后广义的联合熵最大,使得全局的不确定性最小、最为合理,由此建立了组合权系数优化模型。最后通过实例说明了此方法的合理性。     

基于组合赋权的高速公路上市公司绩效动态综合评价

结合高速公路行业的特点,建立了高速公路上市公司绩效评价的评价指标体系,通过组合赋权的方法赋予动态指标权重,并结合理想解法,运用动态综合评价原理对10家高速公路上市公司2005-2007这一时段的经营绩效进行了实证分析。在动态评价模型中,采用序关系分析法和和熵值法确定指标的组合权重,兼顾了主客观赋权的优点,提高了评价结果的准确性。     

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。