离差最大化特征加权模糊C-划分的聚类分析

聚类分析中每个样本用一个m维向量来表征,每个分量描述样本的一个特征,由于对特征的提取不够完善,使得m维向量的每个分量对聚类贡献不均.基于此本文利用向量间离差最大化对样本的每个分量即特征进行加权,提出一种新的加权模糊c-划分的聚类分析法,一定程度上克服了模糊c-划分的聚类分析对每个特征等同对待不足,又保持其算法的收敛性,最后给出一个算例说明此算法的优越性.     

不确定多属性群决策中混合信息的集结

在不确定多属性群决策中,研究专家给出的评价信息为语言和三角模糊数混合型的决策问题.提出一种转化方法,先将模糊数转化为语言短语集上的模糊集,然后,再将此模糊集转化为二元语义.同时在信息集结过程中,也均以二元语义的形式,以防止信息的过分丢失.最后,给出一个算例来说明此种处理方法的有效性和实用性.