基于密度的最佳聚类数确定方法

确定数据集的正确聚类数目是聚类分析中的一个基础性难题。常用的聚类数确定方法通常依赖特定的聚类算法,且在数据集存在子簇群的情况下效果欠佳。本文提出一种新的最佳聚类数确定的指标,该指标着重于分析簇的几何结构,从数据对象分布密度的角度来度量类内紧密度与类间分离度。该指标对噪声不敏感并且可以识别数据集中的子簇群,在实际数据和合成数据上的实验结果表明,新指标的性能优于广泛使用的其他指标。     

聚类系数无显著性差异下的灰色综合聚类方法研究

在灰色聚类评估分析中,当灰色聚类系数无显著性差异时,按照已有的灰色聚类方法无法对聚类对象进行准确的聚类,而在实际研究中经常会遇到聚类系数无显著性差异这类问题。因此本文提出了一种新的灰色综合聚类方法。具体步骤是:首先计算各聚类对象的聚类系数,并对其进行归一化处理;再根据对象中每一灰类的灰色聚类系数在聚类过程中的作用,计算聚类对象的综合聚类系数;最后根据综合聚类系数对聚类对象进行聚类,确定聚类对象应属的灰类。并且证明了当聚类对象的聚类系数差异大于1-2/S时,一般灰色聚类方法与灰色综合聚类方法所得聚类结果完全相同。最后,以江苏省第二产业内部主导产业选择为例进行了实证分析。     

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。     

一种基于PIM与核方法的模糊聚类新算法

本文针对模糊C均值聚类在大数据量时收敛较慢以及不能对多种数据结构有效聚类的缺点,结合PIM算法与核方法提出了一种新的高效聚类算法———KPIM算法,并从理论上证明了该算法的收敛性.最后利用标准实验数据IRIS数据集测试,结果表明KPIM算法在保证收敛速度的同时,聚类效果更有效.     

聚类方法在高等学校绩效评价中的应用

高等学校都试图构建绩效评价体系,增强本校的竞争力和综合实力.本文以绩效评价、平衡计分卡等理论为指导,借鉴国内外高校绩效评价的经验,建立了高等学校绩效评价指标体系,指标体系综合考虑高等学校的财务绩效、办学效果、内部管理、学习与成长等4个方面.并且通过建立的指标体系,应用聚类挖掘方法,分别横向和纵向分析了教育部直属的72所高校2002-2006年的绩效评价指标数据,指出高等学校绩效评价分析系统中存在的问题,评价结果的信息主要用于帮助各级管理人员迅速获得高校运行的准确信息,在没有限定类别的情况下,运用数据挖掘的聚类方法把评价指标相似的学校划分到一个类中,对高等学校进行聚类评价,为分析使用提供依据,以期构建一个有利于高等学校绩效评价的决策支持环境.     

修正模糊互补判断矩阵一致性的一种新方法

本文首先对一个常用的检验互补判断矩阵一致性标准作了简化,对任一模糊互补矩阵构造相应的模糊一致矩阵,在此基础上给出了一种一致性调整的新方法,并证明了此方法的收敛性.最后用一个算例说明这种调整方法的应用.     

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。     

一种基于可能度的区间判断矩阵排序法

给出了区间数两两比较的一种可能度公式,以及文献[4]中的方法参数k,m的取值范围,提出了一种基于可能度的区间判断矩阵排序方法。最后,通过算例说明了该法的可行性和有效性。     

Web文档聚类系统的实现方法探析

提出了一个易于实现,且可扩展性较好的Web文档聚类系统,包括用户界面和需求传递、Web文档收集、文档预处理和特征表示、聚类处理、Web文档聚类结果输出5个主要模块,并对文档预处理和特征表示、聚类处理做了重点分析.     

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。     

混合多属性群决策中的群体一致性分析方法

本文针对一类属性值为精确实数、区间数和语言值的混合型多属性群决策问题,提出了一种群体一致性分析方法。在该方法中,计算群体一致度时,首先根据专家提供的评价信息在属性层面上计算专家之间的差异度,再由此得到群体一致度,计算过程中不需进行数据类型转换,避免了数据类型转换造成的信息损失;当群体不一致时,在属性层面上给出相应的调整策略,可以使专家有针对性地修改相应属性上的评价信息,使群体尽快达成一致,同时避免了专家评价信息的过度修改。最后通过一个实例分析验证了该方法的可行性和有效性。     

一种基于区间数判断矩阵的群决策新方法

针对基于区间数判断矩阵的群决策问题,提出了一种群决策新方法.借助于集值统计原理,构造了与区间数判断矩阵群信息等价的具有一定可靠度的确定数判断矩阵,建立了计算这类群信息集结值可靠度的模型,运用和积法对所得新判断矩阵进行处理,得到了一种简便的方案排序方法.最后,通过一个算例验证了该方法的有效性和实用性.     

基于共识模型和ORESTE的扩展概率语言多属性群决策方法

扩展概率语言词集作为一种更具通用性的语言信息表示模型,能够更加充分地描述原始评价信息,提高语言多属性决策的科学性。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,提出一种基于共识模型和ORESTE方法的多属性群决策方法。首先,给出了扩展概率语言词集的概念以及相关理论。其次,考虑到群决策过程中专家群体因知识背景以及素质能力的不同从而给出不同的评价信息导致群体意见不一致的情况,提出了扩展概率语言环境下的共识模型。再次,鉴于多数情况下备选方案间不存在单一排序顺序,本文对经典的ORESTE方法进行改进,提出扩展概率语言ORESTE方法。基于本文提出的扩展概率语言共识模型和扩展概率语言ORESTE方法,提出了扩展概率语言多属性群决策方法。最后,为了验证本文提出方法的有效性和合理性,采用共享单车设计方案评价算例进行分析,并通过与其他方法的对比分析说明本文提出方法的优越性。     

基于不同粒度语言判断矩阵的多属性群决策方法

针对具有不同粒度语言判断矩阵形式的偏好信息的多属性群决策问题,首先给出了不同粒度语言转换的准则,给出了将不同粒度语言短语一致化的函数及其性质,并进而提出了基于不同粒度语言判断矩阵的多属性群决策方法.该方法不仅简洁、直观,且不会发生信息丢失,所得的决策结果较为精确、合理,最后通过算例对方法的实用性和有效性进行了说明.     

基于模糊判断矩阵信息确定专家权重的方法

本文对群组模糊判断矩阵集结过程中确定专家权重的问题进行了研究,建立了模糊判断矩阵的特征矩阵和求解群集结矩阵的最优化模型,通过矩阵之间距离度量判断信息自身逻辑一致性程度和群体相容性程度,给出一种基于专家判断信息的可信度计算其后验权重的方法,最后用算例予以说明.     

基于三维密度算子的群体DEMATEL指标权重确定方法

针对现有DEMATEL指标权重确定方法大多基于个体决策,且未考虑群体决策评价标度不一致的情况,提出一种新的基于三维密度算子的群体DEMATEL指标权重确定方法。首先,定义了不同评价标度的转换函数,以此将群体DEMATEL矩阵进行一致化处理;其次,给出一种群体DEMATEL矩阵的聚类方法,在此基础上利用三维密度算子对其进行集结;最后,依据DEMATEL方法识别出指标的中心度和原因度,并计算各指标的权重。文末通过一个应用实例验证了所提方法的可行性与有效性。实例结果表明,该方法由于能够较好解决群体决策评价标度不一致的问题,还能够充分考虑群体决策的共识度,因此可使指标权重结果更为客观合理且更为可靠。     

基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策

针对区间乘性语言偏好关系群决策问题,提出了一种基于交叉效率DEA和群体共识的群决策方法。首先,提出乘性语言偏好关系导出函数的定义,并构建产出导向的DEA模型,证明了一致性乘性语言偏好关系的DEA效率得分与排序向量之间存在比例关系。在此基础上,建立基于理想值的交叉效率DEA模型,提出乘性语言偏好关系的通用排序方法。同时,基于群体共识建立目标规划模型来计算各语言偏好关系的权重系数。最后,利用Monte Carlo随机模拟的方法对群体语言偏好空间进行统计分析,得到群决策期望排序向量及其可信度。算例分析表明本文方法能够有效的避免信息损失,具有较强的适用性和较高的可信度。     

移情关系影响下的群体共识决策模型研究

群体成员之间的社会关系及其网络结构特征是影响群决策的重要因素。移情关系是客观存在于一些现实群决策问题中的一种社会关系,但目前考虑移情关系的群决策研究尚不多见。为拓展群决策模型的应用范围,面向移情网络环境提出一种群体共识决策方法,并揭示移情关系对群体共识决策的影响规律。首先,从偏好交互影响的角度出发,构建局部移情模型和全局移情模型,并由此确定移情关系影响下决策者偏好演化的结果。其次,利用个体偏好分解为内在偏好和移情偏好的结构特点,为群体共识达成过程设计一种有效的移情关系引导的反馈机制,该机制可以通过内在偏好层面的偏好调整实现个体偏好层面的共识收敛。最后,数值仿真分析表明：群体成员之间的移情关系提升了群体共识水平,而且全局移情关系比局部移情关系更有利于群体共识的达成;移情网络结构和群体规模是影响移情网络环境下群体共识达成的重要因素。相关决策模型和研究结论可为移情网络环境下的群体共识决策提供理论和方法支持。     

基于模糊判断矩阵的群决策方法研究

对多个决策者给出的偏好信息的有效集结是群决策过程的重要问题之一.不同类型的偏好信息有不同的集结方法.基于模糊判断矩阵一致性的定义,提出一种加权集结方法的最优化模型,从而得到群决策中一类模糊判断矩阵的集结方法,并进一步分析和研究群组判断矩阵与各决策者给出的判断矩阵之间关系的一些重要性质.