采用优化模型指标筛选的马田系统综合评价方法研究

传统的马田系统主要用于分类与诊断.将马田系统作为一种综合评价方法进行研究,分别研究了有基准空间和无基准空间两种情形下的马田系统综合评价方法及步骤.针对传统马田系统变量筛选存在的缺陷,构建多目标规划模型进行评价指标筛选,采用遗传算法求解模型.通过两个实际案例,将马田系统综合评价方法与一些常用的综合评价方法对比研究,结果表明,马田系统可以筛选评价指标和避免指标赋权问题,是一种实用且有效的综合评价方法.     

基于GBMTS算法的不平衡数据分类研究

解决不平衡数据分类问题,在现实中有着深远的意义。马田系统利用单一的正常类别构建基准空间和测量基准尺度,并由此建立数据分类模型,十分适合不平衡数据分类问题的处理。本文以传统马田系统方法为基础,结合信噪比及F-value、G-mean等分类精度,建立了基于遗传算法的基准空间优化模型,同时运用Bagging集成化算法,构造了改进马田系统模型算法GBMTS。通过对不同分类方法及相关数据集的实验分析,表明:GBMTS算法较其他分类算法,更能够有效的处理不平衡数据的分类问题。     

基于粗糙集的马田系统改进及其在分类中的应用

马田系统是由日本著名质量工程学家田口玄一提出的一种模式识别方法,它将正交试验设计、信噪比与马氏距离进行集成,筛选有效特征变量,对待测群体进行诊断、评价和预测.马田系统利用正交表和信噪比筛选特征变量可能存在不足之处,而粗糙集是处理不完善、不确定数据等不完全信息并能进行属性约简的有效方法,引入粗糙集筛选有效特征变量以改进马田系统.癌细胞的及早发现有助于乳腺癌的早期预防和及时治疗,以乳腺癌细胞的分类检测为背景,选取UCI数据库中600个细胞作为研究样本,使用改进马田系统方法区分正常细胞和乳腺癌细胞,并将其分类效果与经典马田系统相比较.结果表明,基于粗糙集的改进马田系统对乳腺癌细胞的分类正确率高于经典马田系统,粗糙集方法大大减少了特征变量个数,可简化数据的收集工作,为医疗上乳腺癌疾病的早期诊断及其他实际分类工作提供技术参考.     

偏好序阈值约束下的三边单向非循环稳定匹配

文章针对单向非循环偏好下的三边匹配问题,提出了一种基于偏好序阈值约束条件下的匹配算法.首先,基于单向非循环偏好结构,给出了三边单向非循环匹配及其稳定性的有关定义,并建立了一对一情形下满足系统稳定性需求的数学模型;然后,通过设置偏好序阈值对模型进行约束限制,提出了偏好序阈值约束下的两阶段逐边优选算法,并分别对该算法的时间复杂度及输出匹配的稳定性进行了计算和证明.最后,通过一个算例验证文章所提算法的可行性和有效性.     

基于消费者多维度偏好的个性化评论排序方法研究

海量评论数据导致了信息过载,基于消费者的偏好对评论进行个性化排序尤为必要。本文考虑消费者多维偏好,即产品特征偏好、评论情感偏好和评论浏览数量偏好,提出了评论排序的消费者偏好满意度量化方法,将排序问题转化为最大化满意度的优化问题,鉴于问题的复杂度无法精确求解,提出了一个基于改进贪婪算法的近似求解算法。采用美团网酒店的评论数据进行实验,结果显示本文提出的算法与其他相关算法相比有效性显著提高,且具有较高的敏感度。研究结果对消费者提高决策效率,以及电商平台获取消费者偏好、改进评论系统,有着重要的现实指导意义。     

基于马田系统和VIKOR方法的网络广告效果评价研究

随着网络广告类型的不断增多,选择投放合适的网络广告已成为决定企业广告投放成功的关键.首先从网络广告投放流程的视角出发,基于广告设计、传播效果、经济效益等三个维度构建了网络广告效果评价指标体系,并根据一级指标的数据特征将其划分为定性和定量指标;其次,结合VIKOR方法与马田系统的相关思想,评价网络广告的效果并给出具体的评价步骤;最后,通过实证研究、灵敏度实验测试以及对比分析表明,方法实施过程科学有效且评价结果稳定可靠,对企业投放的网络广告类型的选择有着较强的指导意义.     

基于岭估计的岭马田系统在复共线性数据中的应用

在多变量模式识别领域,变量间经常会存在复共线性,复共线性不仅会影响参数估计的效果,也会使变量的敏感性出现显著异常.马田系统是以马氏距离作为测量尺度的多变量模式识别方法,复共线性会通过马氏距离影响马田系统变量筛选的效果和判别的准确率.基于岭估计提出了一种新的测量尺度—岭马氏距离,利用岭迹法确定岭参数,将其引入马田系统使得马田系统对病态数据具有更好的耐受性.通过案例验证了岭马氏距离可以很好的克服复共线性,并提高马田系统的判别准确率.     

MEA-BP模型在遥感影像分类中的应用研究

遥感影像分类作为遥感技术的一个重要应用,对遥感技术的发展具有重要作用.针对遥感影像数据特点,在目前的非线性研究方法中主要用到的是BP神经网络模型.但是BP神经网络模型存在对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.因此,为了提高模型遥感影像分类精度,提出采用MEA-BP模型进行遥感影像数据分类.首先采用思维进化算法代替BP神经网络算法进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于思维进化算法的BP神经网络分类模型,并将其应用到遥感影像数据分类研究中.仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值.     

马田系统在数据分类中的应用

马田系统是一种新的模式识别技术,是将田口式信噪比的试验设计方法的一整套思想应用到模式识别的特征变量选择问题上,并通过构建正常样品的基准空间,应用马氏距离值进行样品类别的识别.探讨了马田系统的基本原理,并应用MTGS模型方法对费希尔关于鸢尾花类型的判别问题进行研究,显示了马田系统方法的良好判别分类效果.     

第三方监管机制下PPP项目的三边匹配决策模型

以第三方监管机制下PPP项目匹配供应商和第三方监管机构为研究背景,基于多指标方向偏好评价信息,构建PPP项目的三边非循环最优稳定匹配模型,并给出匹配决策的步骤及方法.首先,基于主体间多指标方向偏好评价信息,给出了主体间方向偏好效用函数的定义及计算方法;其次,以方向偏好效用函数为基础,研究了PPP项目匹配系统总偏好效用,同时,从系统稳定性视角,给出了三边非循环匹配系统下稳定匹配的定义;然后,基于系统稳定性和总偏好效用,建立了PPP项目三边匹配的最优稳定匹配模型,并给出了求解模型的决策方法;最后,通过算例验证最优稳定匹配模型对PPP项目匹配决策过程的可行性和有效性.