基于Hausdorff距离的区间数据的系统聚类分析

基于Hausdorff距离用于定义两个紧集之间距离的考虑,将区间数视为一个紧集,定义了区间数之间的距离,并研究了区间向量的距离,从而得到聚类分析中两个样品间的距离。进一步定义了两个类之间的Hausdorff距离。为消除量纲对聚类结果的影响,研究了区间数据的标准化。基于此,给出了区间数据系统聚类算法。采用随机模拟的方法,对文中方法进行有效性评价,结论表明,Hausdorff距离法的聚类有效性在所有设计的实验条件下都要优于传统的欧式距离法。最后,基于符号数据分析的思想构造区间数据,给出了对多种动物群体按其身高、体重等生理特征进行聚类分析的算例。     

一般分布区间型符号数据的SOM聚类方法

区间型符号数据是一种重要的符号数据类型,现有文献往往假设区间内的点数据服从均匀分布,导致其应用的局限性。本文基于一般分布的假设,给出了一般分布区间型符号数据的扩展的Hausdorff距离度量,基于此提出了一般分布的区间型符号数据的SOM聚类算法。随机模拟试验的结果表明,基于本文提出的基于扩展的Hausdorff距离度量的SOM聚类算法的有效性优于基于传统Hausdorff距离度量的SOM聚类算法和基于μσ距离度量的SOM聚类算法。最后将文中方法应用于气象数据的聚类分析,示例文中方法的应用步骤与可操作性,并进一步评价文中方法在解决实际问题中的有效性。     

一般分布区间型符号数据的系统聚类

现有的区间型符号数据的研究大多假定个体在区间内服从均匀分布,实际上往往并非如此.针对该问题,研究了一般分布条件下区间型符号数据的系统聚类方法.阐述了一般分布区间型符号数据的定义,在一般分布的区间型符号数据的描述统计基础上,给出了基于Hausdorff距离的一般分布的区间型符号数据系统聚类算法,并通过随机模拟对聚类有效性进行评价。结果表明:与个体服从均匀分布的假设相比,一般分布的区间型符号数据的系统聚类分析有效性更好.最后将文中方法应用于电子商务客户价值的评价,进行了应用研究.     

一种基于密度敏感的自适应谱聚类算法

针对传统的谱聚类算法不适合处理多尺度问题,引入一种新的相似性度量—密度敏感的相似性度量,该度量可以放大不同高密度区域内数据点间距离,缩短同一高密度区域内数据点间距离,最终有效描述数据的实际聚类分布.本文引入特征间隙的概念,给出一种自动确定聚类数目的方法.数值实验验证本文所提的算法的可行性和有效性.     

基于区间估计的综合评判方法及其应用

综合评判方法是系统评价中重要的数据处理方法.为了克服传统综合评判方法中的数据信息用"点"数值的不足,考虑整个评价过程中的数据信息用"区间数"表示的合理性,构建基于区间估计的综合评判方法.指标评价区间估计的集值统计处理,指标权重区间估计的区间判断矩阵处理,综合评判区间可能度分析.通过案例分析表明,综合评判方法具有较强的可行性和操作性,特别适用于综合评判中的数据信息不确定情形.     

基于改进区间数密度集结算子指标群赋权方法

针对指标数据已知,而权重数据未知的群组赋权问题,给出了一种基于改进的区间数密度集结算子来进行指标群组赋权的决策方法。首先给出了区间数和区间数密度集结算子(IDM)的定义及性质,改进了以前区间数聚类的方法,应用直接法对一维区间数据组进行聚类,并定义了模糊统计量,以确定最为合理的一种聚类方式。然后基于改进的区间数密度集结算子这种数学模型,来解决指标值数据已知,而权重未知的群组赋权问题。最后举例说明该方法的可行性和实用性。     

函数型聚类分析方法研究

基于距离度量的函数型数据聚类是目前函数型聚类分析方法的主要研究方向之一,而该方法主要是基于数值距离或曲线形态的单一角度来衡量函数型数据的相似性.为了解决这种单一性,提出一种同时兼顾函数型数据的数值距离和曲线形态的相似性度量方法—基于极值点偏差补偿的相似性度量,并给出实证分析,结果显示该方法比较有效.进一步提出一种多元函数型聚类分析方法—函数型熵权法,丰富了函数型聚类分析方法.     

一种基于新的区间二型梯形模糊相似测度的多属性群决策方法

本文首先基于区间二型梯形模糊数的周长、面积、负指数距离提出了一种新的区间二型梯形模糊相似测度,讨论了其性质。其次,基于该相似测度公式分别构建了区间二型梯形模糊专家权重和属性权重确定模型,然后通过集结区间二型梯形模糊决策信息与权重信息,给出了一种基于该相似测度的群决策方法。最后,通过投资方案选择实例说明了该方法的合理性和有效性。     

股票综合评价的符号数据PCA方法

符号数据分析是一种新兴的数据挖掘技术,区间数是最常用的一种符号数据。研究应用区间型符号数据的PCA方法来评价股票的市场综合表现问题。首先介绍了符号数据分析的基本理论。接下来研究了区间数据样本的经验描述统计量的计算,并基于经验相关矩阵,给出了区间主成分分析的算法,该算法最终得到区间数表达形式的主成分取值。最后选取上海证券交易市场20支股票在某一周上的交易数据,进行了实证研究,基于区间主成分得分的矩形图表示,将20支股票按其市场综合表现分成了四类。     

基于区间灰关联度的飞机战术意图识别方法

针对敌机在某一时刻其状态属性特征具有迷惑性的特点将某时间段敌机的特征指标变化序列用区间数表示,然后将敌机各类战术意图基准特征值也用区间数表示,将两类区间数都进行规范化处理,求得目标特征区间值与各类意图基准特征区间值的距离矩阵,用AHP方法确定特征指标权重,然后提出了一个新的灰关联模型并对其满足灰关联四公理进行了证明,用提出的灰关联度模型对目标战术意图进行识别.仿真结果证明区间灰关联度方法用于飞机战术意图识别的有效性,同时可以发现其在实时性方面的优势.     

基于区间二型模糊数的多属性群体灰色关联决策方法

针对属性值以区间二型模糊数形式给出的多属性决策问题,提出基于灰色关联度的多属性群体决策方法.首先,提出了一种新的计算区间二型模糊数之间距离的测度;然后,结合该距离测度公式构造出一种新的基于距离测度来求权重的方法,运用此方法求出决策者属性的权重;接着,通过主客观综合赋权法求出专家权重;最后,通过各方案与理想方案的灰色关联贴近度对方案进行大小排序.案例分析及对比分析说明该方法的合理有效性.     

基于统计检验的基因表达数据特征选取与分类模型

采用统计检验的方法对基因表达数据的特征选取和冗余去除展开研究,为此提出了相应模型及算法,与已有文献中的模型与算法相比较,该模型所提方法思路直观,易于理解,算法构造简单,且运行效率高.数值实验选取3个两分类基因表达数据集,实验结果表明该方法对特征选取和冗余去除均有较好的效果.在此基础上,采用类中心距离法对选取的特征基因进行了分类实验,结果进一步表明,本文提出的方法对两分类基因表达数据具有较高的分类精确度.     

基于粗糙集理论的区间型多属性灰决策规则及应用

本文在粗糙集理论的基础上,针对属性值为区间数的信息系统,提出了一种新的决策规则。首先,借助于改进的粗糙聚类算法对区间型属性值进行离散化,之后通过构造划分同族矩阵来确定属性约简集。最后,基于灰色关联分析技术提出了灰色决策规则。而在属性权重的确定方面,通过属性相对重要性的定义构造互反矩阵,利用遗传算法解优化模型得到属性权重。     

超高维Ⅱ型区间删失数据的非参数变量筛选法北大核心CSCD

在定期随访的医学研究或临床实验中,人们经常会收集到高维区间删失数据,如何对这类数据进行降维是一个非常有意义的问题.本文基于Kolmogorov-Smirnov检验统计量,利用分割和融合的技巧,把独立特征筛选方法推广到区间删失数据中,提出了一种可以处理超高维Ⅱ型区间删失数据且不依赖于任何模型假设的变量筛选方法.此方法的适用范围很广,可以有效地处理各种生存模型下的超高维Ⅱ型区间删失数据,而且可以处理离散型,连续型等多种类型的协变量.在估计生存函数时,本文采用EM-ICM算法,极大地提高了计算效率.大量的数值模拟实验验证了此方法在有限样本下的有效性.     

竞争风险数据和协变量相依权重下可加可乘的子分布风险率模型

本文在竞争风险数据下提出一种灵活的含变系数的可加可乘的子分布风险率模型.通过对删失时间的风险函数建立Cox比例风险模型,得到调整后的与协变量相依的权重,在新权重下建立估计方程来估计模型参数,并获得了估计的大样本性质,同时提出了模型中协变量的时变效应的检验方法.通过数值模拟验证了所提方法的有限样本性质,结果表明所提方法可以大大降低估计偏差.最后,分析了一组淋巴滤泡细胞的竞争风险数据集来展示所提方法的实际应用效果.     

基于误差传递和联系数的动态区间型多属性决策方法

提出了一种基于误差传递和联系数的动态区间型多属性决策方法。该方法从区间数型属性值的误差视角出发,运用误差传递模型确定了属性权重区间;兼顾多时间段内信息“累积存量”和“增长速率”,确定时间变权;利用UDWA算子集结所有决策时间段的属性权重区间,获得综合属性权重区间;利用IWAA算子集结不同属性下决策信息,得到属性综合决策矩阵;根据集对分析理论,利用联系数和投影隶属度得到备选方案的优劣性排序。以高专利密集型企业研发伙伴选择为例,验证了该方法的可行性和有效性。     

基于区间偏好信息的不确定性应急局部群决策模型

针对突发事件应急决策的复杂性特征,本文提出一种专家基于领域知识对应急方案集合进行局部评价的群决策模型。以区间数互反判断矩阵对属性进行偏好评价,采用线性规划求解权重区间,并利用集值统计序列得到属性权重向量的平均估计;在专家局部评价基础上,基于目标优化方法对方案群权重进行分配,并同时得到专家权重;通过集结个体局部偏好得到应急决策群组成员对备选方案偏好的一致性排序。最后,以地铁火灾事故为例模拟仿真应急疏散方案的群决策,对模型的实际运用说明了模型的可行性与有效性。     

基于相似性度量的改进DBSCAN算法

针对传统DBSCAN算法对高维数据集聚类效果不佳且参数的选取敏感问题,提出一种新的基于相似性度量的改进DBSCAN算法.该算法构造了测地距离和共享最近邻的数据点之间的相似度矩阵,克服欧式距离对高维数据的局限性,更好地刻画数据集的真实情况.通过分析数据的分布特征来自适应确定Eps和MinPts参数.实验结果表明,所提GS-DBSCAN算法能够有效地对复杂分布的数据进行聚类,且在高维数据的聚类准确率高于对比算法,验证了算法的准确性和可行性.     

基于区间值对偶犹豫模糊集的多属性决策方法

基于区间值对偶犹豫模糊集的基本定义,提出了区间值对偶犹豫模糊熵与相似性测度的概念。给出了区间值对偶犹豫模糊熵的定义及公式,在此基础上构造了熵权重模型;由距离与相似性测度的关系给出三种区间值对偶犹豫模糊集的距离公式。由此基于区间值对偶犹豫模糊集的熵和相似性测度提出一种新的区间值对偶犹豫模糊集的决策方法。最终给出此方法的计算步骤,通过实例验证该方法的有效性。     

不确定决策环境下绿色供应商选择方法研究

针对不确定环境下绿色供应商选择问题,提出了一种属性权重信息完全未知且属性值以区间数形式给出的多属性决策方法。基于区间数相离度概念,定义了区间数的平均差,建立属性权重计算方法——带参数的平均差极大化方法。此方法具有一定的柔性,可以通过参数来调节属性之间的差别程度。最后把该方法应用于绿色供应商选择,说明了该方法的实用性和有效性。