基于三支决策的灰色可能度聚类方法及应用

针对经典的灰色可能度聚类评估模型难以判定决策对象的灰类归属和过度聚类等问题,利用三支决策的思想和方法,通过引入三支灰类的概念描述决策对象和灰类之间的不确定聚类关系;将其代替灰色定权聚类中的灰类和严格的聚类关系,构建基于三支决策的灰色可能度聚类方法,并采用决策粗糙集中的贝叶斯推理确定聚类阈值;最后,以案例验证所提方法的有效性和合理性。结果表明：本文所构建的模型是经典灰色可能度聚类评估模型的拓展和泛化,可以有效避免过度聚类,降低决策风险,提高聚类可靠性。     

基于指标信息量的灰色可能度聚类模型研究

针对灰色可能度聚类方法中指标权重确定问题,利用改进的CRITIC法确定指标权重,构建了改进的灰色可能度聚类模型.对于传统的CRITIC法,运用变异系数和点距离差值代替传统CRITIC法中的标准差和相关系数,以此代表指标间对比强度和冲突性并基于此提出了新型CRITIC法,解决了标准差不能有效反映指标变异程度,避免当指标数量较少时,相关系数波动性较大的问题.改进的灰色聚类模型通过各指标间信息量水平的差异从而确定指标的客观权重,有效体现了指标信息的重要作用,使权重的确定更加科学,最后运用算例验证改进灰色聚类模型的有效性.     

基于灰色投影面积关联度的面板数据聚类方法及应用

为拓展灰色关联分析在面板数据中的应用,针对面板数据的三维特征,将面板数据转化为空间网格.然后基于二维灰色投影关联度,利用空间网格在时间和对象平面上的投影面积,定义了三维灰色投影面积关联度模型.为了解决因为维度不同而导致的关联度差异过大问题,引入灰色聚类检验模型,给出了三维灰色投影面积关联度的面板聚类步骤.最后通过对珠三角四市的空气质量问题的聚类分析,结果表明各类别的差异明显,层次划分清楚,证实了该方法的有效性和实用性.     

基于灰类敏感度系数的评价指标客观权重极大熵配置模型

评价指标权重的确定是多属性决策问题中至关重要的环节。然而,既有研究利用评价指标值之间的差异性进行指标的客观赋权,往往忽略了评价指标对被评价对象全体及所在系统的重要性。本文基于事物自然本质属性差异,运用灰色关联聚类将评价对象划分到预设的类别;借鉴有无对比分析法的思想,定义了反映指标对全体被评价对象类别影响程度的灰类敏感度系数;根据极大熵准则,建立了基于灰类敏感度系数的客观权重极大熵配置模型,以确定多属性决策指标的权重。并通过与文献[21,26]中实际案例的对比分析,说明了本模型的有效性与更贴近现实性,为解决多属性决策指标客观赋权问题提出了一个新思路。     

二维区间密度加权算子及其应用

针对不确定多属性决策中的属性信息分布不均匀,且评价信息多数为二维信息的情况,本文提出了二维区间密度加权算子(TDIDW算子)的属性信息集结方法.依据密度算子的集结过程特点,文章首先定义了二维区间密度加权算子及其合成算子,然后介绍了基于灰色区间聚类法的评价信息分组方法以及基于非线性模型的密度加权向量确定方法,最后进行了算例验证.验证结果表明,该方法可以有效地解决由于属性信息分布不均匀而导致评价结果不准确的问题.     

灰色面板数据视域下的相似性和接近性关联度模型拓展

灰色面板数据包含研究对象诸多信息,由于数据类型和结构较为复杂,目前还没有测度其相似性和接近性的关联度模型,针对这一问题。首先,通过投影方法将灰色面板数据转化为样本关于指标的时间序列行为矩阵,矩阵每行为指标的时间序列;然后,定义一般灰数的距离测度和运算法则;最后,基于两折线间斜率与面积的视角,测度相似性和接近性关联系数。进而构建灰色面板数据的相似性和接近性关联度模型,并研究了该模型的性质。实例表明该模型在测度面板数据类型为一般灰数时的相似性和接近性方面具有良好的效果。     

权重信息不完全的多属性决策的灰色关联分析法

针对属性权重信息不完全且属性值确定的多属性决策问题,提出了一种灰色关联分析的决策方法.该方法依据一般的灰色关联分析方法的基本思路,给出了解决属性权重信息不完全的多属性决策问题的计算步骤,其核心是通过构建并求解一个单目标最优化模型,得到每个方案与正、负理想方案的关联度,进而计算出每个方案与正理想方案的相对关联度,即可得到所有方案的排序结果.最后给出了一个数值例子,结果表明方法简单,有效和易于计算.     

基于核方法的模糊对象语言概念格聚类分析

在现实生活中,存在着大量语言值数据.为了解决在语言环境中不确定信息的聚类问题,本文提出了一种新的机器学习方法,即基于核方法的模糊对象语言概念格聚类分析模型.该模型通过融合层次聚类与概念格聚类的原理,在寻找到层次聚类局部最优层次的同时优化概念格聚类中的概念选择与概念构造问题.具体地,提出模糊对象语言概念格及其相关性质,它...     

混合型多属性决策的灰色关联分析法

针对属性权重信息不完全且属性取值为精确数,区间数和模糊数相结合的混合型多属性决策问题,提出了一种基于理想解的多属性决策的灰色关联分析方法.首先将三种不同形式的属性值均转化为区间数形式,然后依据灰色关联分析的思路,给出了解决该问题的计算步骤,其核心是构建并求解一个单目标最优化模型,得到每个方案与正、负理想方案的关联度,进而计算出每个方案对正理想方案的相对关联度,即可得到所有方案的排序结果.最后给出了一个数值例子,结果表明方法简单,有效和易于计算.     

区间模糊ISODATA动态聚类算法

目前模糊技术已经应用于许多智能系统,如模糊关系与模糊聚类.聚类是数据挖掘的重要任务,它将数据对像分成多个聚类,在同一个聚类中,对象的属性特征之间具有较高的相似度,有很大研究及应用价值.结合数据库中的挖掘技术,对属性特征为区间数的多属性决策问题,提出了一种基于区间数隶属度的区间模糊ISODATA动态聚类方法.     

Clustering noise-included data by controlling decision errors

Cluster analysis is an unsupervised learning technique for partitioning objects into several clusters. Assuming that noisy objects are included, we propose a soft clustering method which assigns objects that are significantly different from noise into one of the specified number of clusters by controlling decision errors through multiple testing. The parameters of the Gaussian mixture model are estimated from the EM algorithm. Using the estimated probability density function, we formulated a multiple hypothesis testing for the clustering problem, and the positive false discovery rate (pFDR) is calculated as our decision error. The proposed procedure classifies objects into significant data or noise simultaneously according to the specified target pFDR level. When applied to real and artificial data sets, it was able to control the target pFDR reasonably well, offering a satisfactory clustering performance.     

不同直觉偏好信息下的多属性决策方法

研究了属性值为实数且决策者对属性的偏好信息以直觉判断矩阵或残缺直觉判断矩阵给出的模糊多属性决策问题.首先介绍了直觉判断矩阵、一致性直觉判断矩阵、残缺直觉判断矩阵、一致性残缺直觉判断矩阵等概念,而后分别考虑关于直觉判断矩阵和残缺直觉判断矩阵的多属性决策问题,接着建立了基于直觉判断矩阵和残缺直觉判断矩阵的多属性群决策模型,通过求解这些模型获得属性的权重.进而给出了不同直觉偏好信息下的多属性决策方法.最后通过一个例子说明了该方法的可行性和实用性.     

基于区间犹豫模糊信息双向投影技术的双边匹配决策方法

近年来,双边匹配决策问题受到学者们的广泛关注,然而区间犹豫模糊信息双向投影技术的双边匹配决策问题的研究并不多见。因此,针对基于区间犹豫模糊信息下的双边匹配问题,本文提出了一种基于区间犹豫模糊信息双向投影技术的双边匹配决策方法。给出了区间犹豫模糊信息下的双边匹配问题的描述;依据双边主体给出的偏好信息构造区间犹豫模糊矩阵,运用双向投影法对区间犹豫模糊矩阵进行技术处理,构造双向投影矩阵;采用传统Topsis思想构造贴近度矩阵;在此基础上,构建了该双边匹配问题的优化模型,并使用组合满意度法对优化模型进行求解,从而得到了双边主体间的匹配结果;最后,通过算例说明了所提方法的有效性和可行性。     

Multicriteria sorting using a valued indifference relation under a preference disaggregation paradigm

Most multicriteria decision methods need the definition of a significant amount of preferential information from a decision agent. The preference disaggregation analysis paradigm infers the model’s parameter values from holistic judgments provided by a decision agent. Here, a new method for inferring the parameters of a fuzzy outranking model for multicriteria sorting is proposed. This approach allows us to use most of the preferential information contained in a reference set. The central idea is to characterize the quality of the model by measuring discrepancies and concordances amongst (i) the preference relations derived from the outranking model, and (ii) the preferential information contained in the reference set. The model’s parameters are inferred from a multiobjective optimization problem, according to some additional preferential information from a decision agent. Once the model has been fitted, sorting decisions about new objects are performed by using a fuzzy indifference relation. This proposal performs very well in some examples.     

构建不确定语言型多属性决策的投影模型

研究不确定语言型多属性决策评价结果与决策者对方案的偏好信息之间存在偏差的问题.通过建立与区间型语言标度对应的术语指标矩阵,及方案综合属性值与决策者主观偏好值之间的投影模型,确定属性的权重,然后运用加权法得到方案的综合属性值,利用已有的可能度矩阵排序公式得到决策方案的排序.构建了一种基于方案综合属性质与决策者主观偏好值之间的投影模型,通过算例对该方法的实用性和有效性进行了证明.     

A group decision making approach based on aggregating interval data into interval-valued intuitionistic fuzzy information

Group decision making is one of the most important problems in decision making sciences. The aim of this article is to aggregate the interval data into the interval-valued intuitionistic fuzzy information for multiple attribute group decision making. In this model, the decision information is provided by decision maker, which is characterized by interval data. Based on the idea of mean and variance in statistics, we first define the concepts of satisfactory and dissatisfactory intervals of attribute vector against each alternative. Using these concepts, we develop an approach to aggregate the attribute vector into interval-valued intuitionistic fuzzy number under group decision making environment. A practical example is provided to illustrate the proposed method. To show the validity of the reported method, comparisons with other methods are also made.     

一种体现发展趋势的自-互激励型多阶段信息集结方法

针对时序动态综合评价中多阶段信息集结问题,提出一种体现发展趋势的自-互激励型集结方法。首先,根据被评价对象不同的发展趋势得出不同的预测点,连接预测点得到预测线,以预测线为基准对被评价对象进行状态上的自激励;其次,依据原始评价值的大小衡量增长难度,并与增长速度结合,进行增长水平上的互激励;最后,通过算例验证方法的有效性。该集结方法从激励的视角考虑被评价对象自身的发展趋势和相对增长水平,据此对不同起点的对象实行差别化激励,充分尊重了个体发展差异。     

基于二元语义TAC积分算子的语言型多属性群决策方法

针对属性之间存在模糊关联的语言型多属性群决策问题,给出了二元语义TAC(Two-Additive Choquet)积分算子的定义,分析和证明了算子的有关性质,并提出了相应的决策方法。该方法首先将各专家提供的语言短语形式的属性权重信息、属性关联信息与属性评价信息转化为二元语义形式,然后利用二元语义TAC积分算子将转化后的属性相关信息集结为各专家的方案评价值,并进一步集结专家意见获得方案的综合评价值,从而确定其排序。最后,通过实例分析和方法比较说明了所给方法的有效性和优点。研究结果表明,该方法具有属性关联刻画细致、计算过程简单且无信息损失、决策结果可解释性强等优点,为求解属性之间存在模糊关联的语言型多属性群决策问题提供了一种新的途径。     

偏好信息为模糊互反判断矩阵的模糊多属性决策法

研究只有部分权重信息且决策者对方案的偏好信息以模糊互反判断矩阵形式给出的模糊多属性决策问题。提出了一种基于目标规划模型的模糊多属性决策方法。该法首先基于模糊互反判断矩阵，利用转换函数将决策信息一致化，建立了一个目标规划模型．通过求解该模型确定属性的权重，然后运用加性加权法求出各方案的模糊综合属性值，并利用已有的三角模糊数排序公式求得决策方案的排序。文章最后把该法应用于解决风险投资领域中的项目评估问题。