基于二元语义信息处理的一种语言群决策方法

针对解决具有语言评价信息的多指标群决策问题,提出了一种基于二元语义信息处理的 群决策方法. 该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算, 它是依据传统理想点法的基本思想,通过计算每个方案与正、负理想点间的语义距离,最终确 定最优方案,使该方案最贴近正理想点和最远离负理想点. 该方法具有对语言信息处理较为精 确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失. 最后给出了一个 算例.     

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Rough Sets理论的证据获取与合成方法

证据理论是处理不确定性问题的有力工具,它处理的证据来源于专家.专家的知识经验是有限的,获取较困难,且可能存在一定的主观性.针对上述问题,提出了一种基于粗糙集理论的证据获取的新方法,并对证据合成和应用进行了研究.首先研究了大型决策表分解问题.利用粗糙集理论分析条件属性间的依赖关系,对条件属性集进行聚类,形成多个条件属性集相对独立的子决策表;其次对各子决策表进行分析,利用粗糙集的分类思想和隶属度概念,计算证据的基本可信度分配;最后文章对证据的合成及其在决策分析中的应用进行了研究,提出了相应的解决方法.     

基于Mo-RVIKOR的混合多属性决策方法

针对复杂性和不确定性多属性决策问题,考虑定量和定性融合的属性形式,提出了模块化随机多准则妥协解排序法（Modular Random VlseKriterijumska Opti-mizacija I Kompromisno Resenje,Mo-RVIKOR）,该方法无需将信息统一,就能处理多种信息形式存在的多属性决策问题。采用精确数、随机变量处理定量评价信息,用概率语义术语集处理定性评价信息;通过改进离差最大化法确定属性权重;根据Mo-RVIKOR对决策对象进行排序;最后以某公司C2B定制化服务质量评测项目为例,验证了所提方法的有效性。     

群体研讨支持系统中的智能可视化研究

时间和共识是群体研讨的两个重要因素.提出一种共识评价、分析及预测智能可视化技术.在界定研讨信息属性、定义信息结构及其关系的基础上,按照语义关系,提出共识点、分歧点和争议点的概念,结合共识水平及共识状态、关注水平及关注状态、共识水平变化趋势、关注水平变化趋势四个指标,建立智能可视化模型,并用Java和XML技术设计并实现了基于Web的共识评价、预测及分析智能可视化.以一个实例给出了以人-机结合的系统思想为指导的共识评价和预测方法以及通过共识分析,形成群体注意力聚焦的示范应用.最后用实验的方法分析了智能可视化的应用效果.     

基于离差的区间二元语义多属性群决策方法

针对具有多粒度区间语言评价信息的多属性群决策问题,提出一种基于区间二元语义信息处理和离差最大化的群决策方法。该方法首先针对由基本语言评价集表示的区间二元语义信息,采用了多粒度区间语言评价信息一致化的方法;然后对属性权重信息完全未知的情形建立基于离差最大化的目标规划模型,得到一个求解属性权重的公式,从而获得相应的属性权重;再利用区间二元语义的集结算子对评价信息进行加权集成,通过区间二元语义信息的可能度公式对集成结果进行排序和择优;最后由实例分析说明该方法的有效性和可行性。     

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。     

基于本体的商务语义信息检索算法研究

为了提高Internet上的信息搜索效率,基于语义的信息检索以成为目前电子商务迫切需要解决的问题之一.本文提出构建商务领域的高层本体结构(EUO)的方法和一种综合信息内容和概念节点链接距离的语义相似度新方法,利用EUO和相关反馈的检索方法提取互联网中页面信息的语义特征向量.通过文档的语义特征向量和基于EUO的相似度函数来确定查询条件和文档信息的语义相似关系,并将该方法运用在商务信息的检索中.实验表明该方法与传统的TF-IDF信息检索方法相比,检索的性能明显改善.     

一种新的面向属性归纳中概念层次技术研究

面向属性归纳的方法目前是数据挖掘主要技术之一. 在分析基本的面向属性归纳算法不足 的基础上,提出了一种概念层次优化技术,包括:将基于规则的概念图转化成一棵概念树;对于不平 衡的概念树,再转化成平衡的概念树;用节点集合来记录数据库中每个元组在概念层次中的泛化路 径. 利用置信度、支持度和LS 充分性因子等评价指标对学习结果进行取舍. 最后,将算法在爱尔兰 教育经历数据库分析中进行了应用测试,结果显示了算法更加有效,适用性更强     

基于证据推理和广义Shapley值的扩展概率语言多属性群决策方法

扩展概率语言词集通过语言变量概率分布的调整能够转化为多种语言信息表示模型,是语言变量、不确定语言信息、扩展犹豫模糊语言词集、分布语言评估信息、概率语言词集等的一般化,具有较强的通用性和实用性,是处理不确定性信息的重要工具。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出基于证据推理和广义Shapley值的多属性群决策方法。首先,提出扩展概率语言词集的定义和相关基础理论。其次,将广义Shapley值和证据推理相结合用于专家信息融合,并将广义Shapley值和TODIM方法相结合用于备选方案排序。再次,提出基于灰色关联法的权重确定模型来处理专家/属性权重部分未知的情况。最后,以绿色供应商选择为例进行分析,通过对比分析验证所提方法的有效性和优越性。