基于全序关系与A-DHFHW算子的DHFMAGDM方法及其应用

研究专家权重未知的对偶犹豫模糊多属性群决策问题.以记分函数和精确度函数为基础,引入广义距离测度,定义一种对偶犹豫模糊数的全序关系.而后,为克服现存算子的不足,定义新的Hamacher运算法则,并提出改进的对偶犹豫模糊Hamacher加权(A-DHFHW)算子,分析算子与参数的内在关系.为获取专家的客观权重,基于距离测度定义群共识测度,建立以最大化群共识测度为目标的权重优化模型.进一步地,基于全序关系、权重优化模型以及A-DHFHW算子提出一种新的群决策方法.通过解决大数据分析平台的评价问题验证所提方法的有效性和实用性,并分析参数对决策结果的影响.     

基于区间犹豫模糊集成算子的入侵检测模型

针对属性值为区间犹豫模糊信息的入侵检测模型选择决策问题,对于区间犹豫模糊集成算子,构建了一种入侵检测模型选择方法。首先,为了完善欠缺,新定义了区间犹豫模糊Hamacher算子基本运算法则;其次,基于新的基本运算法则,对区间犹豫模糊有序加权几何Hamacher(I-IHG)算子与区间犹豫模糊有序加权平均Hamacher(I-IHA)算子分别改进,并且讨论两类算子的性质;最后,通过数据入侵检测模型系统的选择实例,验证了所提出的决策算法是可行的和有效的。     

Pythagorean三角模糊语言Hamacher集结算子及其应用

在Pythagorean模糊集和Hamacher集结算子基础上,研究了Pythagorean三角模糊语言环境下的Hamacher集成算子问题。首先给出了Pythagorean三角模糊语言的定义、运算规则、得分函数、精确函数;其次,介绍了一系列关于Pythagorean三角模糊语言Hamacher集结算子,比如Pythagorean三角模糊语言Hamacher加权平均算子(PTrFLHWA)、Pythagorean三角模糊语言Hamacher加权几何平均算子(PTrFLHWG)等,并研究其具有的性质;之后,提出了两种决策方法来解决Pythagorean三角模糊语言信息环境下的多属性群决策问题;最后,用示例验证所给方法的有效性。     

Pythagorean模糊Hamacher算子及其应用分析

基于Pythagorean模糊环境下的信息集成算子很少见,本文探讨Pythagorean模糊Hamacher集结算子问题,具有一定的理论价值。首先,定义Hamacher算子在Pythagorean模糊环境下的运算规则;之后,给出几种Pythagorean模糊Hamacher信息集结算子,比如,Pythagorean模糊Hamacher算术平均算子,广义Pythagorean模糊Hamacher算术平均算子等,并研究其具有的性质,包括单调性、幂等性、有界性;之后,提出两种不同决策方法来解决Pythagorean模糊信息环境下的多属性群决策问题;最后,通过示例验证所提出方法的可行性和实用性。     

Hamacher算子的一个新性质及其应用

完善了Hamacher算子的定义;发现了Hamacher算子的一个新性质;分析了Hamacher算子与其它模糊算子之间的关系。最后,根据Hamacher算子的新性质,给出了一个新的模糊评判的方法。     

以直觉模糊熵改进权重的模糊数据关联算法

针对多中心点的观测数据存在不确定性的问题,首先将观测数据和预测数据进行直觉模糊化,然后利用直觉模糊熵改进直觉模糊集的数据权重,再计算直觉模糊集之间的加权距离以获得观测与预测数据的隶属度,最后依次搜索最大隶属度实现观测与预测的关联.通过实例将改进的直觉模糊C-均值聚类(IFCM)算法应用于数据关联计算,计算结果表明,存在模糊观测数据情况下,可以比较好的处理距离的权重信息,并得到更好的处理结果,实例证明算法是可行的.     

一种混合的模糊时间序列预测模型

随着理论与应用的需要,对模糊时间序列模型的研究和应用越来越深入。提出从论域的划分和模糊规则的提取两个方面对传统模型进行改进。模型首先采用自动聚类的方法对论域进行划分,并在此基础上建立具有权重的模糊规则;然后,利用粒子群算法对模型进行优化,进一步提高预测精度;最后,将Alabama大学入学人数作为本模型的实验数据。实验结果表明该模型是可行的,其预测结果明显优于参照预测模型。     

一种基于模糊聚类的区间值属性约简算法

针对区间值信息系统基于粗糙集理论提出一种新的属性约简算法:首先计算同一属性下对象间的相似度,然后通过合取算子计算出所有属性下对象之间的相似度矩阵,再用模糊聚类中的传递闭包算子得到等价矩阵,将区间值信息系统转化为具有等价关系的信息系统并且进行约简,从而得到λ-核,同时给出了该算法的复杂度.最后通过一个实例表明这种算法的有效性和合理性.     

基于粗糙集和模糊C均值聚类的空战效能评估

针对评估指标的重要性不一,且存在冗余问题,基于粗集可辨识矩阵,提出了一种计算指标属性重要度和约简的有效、简便算法,对样本信息进行约简,并计算约简后各指标的权重.其中,针对连续属性值离散化过程可能造成信息损失问题,采用了模糊C均值聚类算法离散化连续属性值.最后,建立了基于粗糙集和模糊C均值聚类的空战效能评估模型,并通过实例验证了该模型的可行性和有效性.     

模糊集IF-THEN规则的蚁群空间聚类分析

将蚂蚁的拾起和放下对象的行为表示为模糊集.通过模糊集的IF-THEN规则计算蚂蚁执行任务的激励和反应阈值,得到蚂蚁拾起或放下项目的概率,对蚂蚁的行为做出决策,实现对空间数据的聚类.以矿山实际测量数据为空间数据源,采用基本的蚁群聚类算法和模糊蚁群空间聚类算法分别对其进行聚类.通过对这两种算法的实验结果进行分析比较,证明改进后的算法提高了聚类效果.