一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，依据传统的基于数值信息的FCM聚类算法的思路，提出了一种新的聚类分析算法。章首先描述了具有区间数多指标信息的聚类分析问题；其次给出了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理；然后给出了基于区间数多指标信息的FCM聚类算法的计算步骤。该算法的特点是聚类中心的表现形式为精确的数值，给出的两个定理说明了该聚类算法的收敛性。最后，通过给出一个算例说明了本给出的聚类算法。     

基于模糊聚类的不同形式偏好信息的集结方法研究

针对具有5种不同形式偏好信息的群决策问题给出了一种分析方法.当专家给出的偏好信息是模糊互补判断矩阵、区间值、正互反矩阵、序关系值以及效用值时,首先把不同形式的偏好信息转化为模糊互补判断矩阵,然后,再根据模糊互补判断矩阵得出每个专家的方案排序值,据此对专家进行模糊聚类,根据聚类结果确定专家的权重,进而进行信息合成和方案选优,并用算例进行了验证.     

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.     

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.     

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。     

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。     

基于随机模拟视角的混合数据形式密度算子

基于“蒙特卡罗仿真”的思想,采用随机模拟的方法从混合数据形式的角度对密度算子进行拓展研究。首先,给出了一种将混合数据转化为区间数的方法,并通过平移和放大或缩小处理,将所有区间数放到同一区间范围内;然后,运用随机数发生器给出区间上某分布的随机数信息,并依据随机数的分布情况对其进行聚类,给出了密度权重的确定方法;在此基础上,将随机模拟的方法应用于密度算子信息集结模型中,得到带有概率信息的评价结论。最后,通过一个算例验证了方法的有效性。     

大规模混合信息下的群体评价方法及应用

针对目前大规模群体评价研究较少且大多基于单一评价信息的不足,提出了一种包含精确值,区间数,语言信息三种不同偏好信息的大规模群体评价方法。本文首先给出了几种不同的转换函数,将混合信息一致化为语言信息形式;其次提出了一种简单有效的语言信息系统聚类方法,对评价群体进行划分;然后选取每类中的一个有效评价信息,并运用语言密度加权平均(LDWA)算子对其进行集结;最后给出方案的排序结果。该方法使得大规模数据计算简化且避免了类内集结的过程。算例验证了方法的有效性和合理性。     

基于集值统计的直觉模糊聚类

针对聚类问题中样品属性值不能或很难直接给出的情况,提出了一种基于集值统计的直觉模糊聚类方法,讨论了四种情况下的属性直觉模糊相似矩阵的公式,给出了聚类方法的步骤,最后通过算例 对该方法进行了说明和分析.     

基于集对分析的多种不确定偏好形式大群体决策方法

针对具有多种不确定偏好形式的多方案大群体决策问题,提出一种基于集对分析的群决策方法。将区间数、三角模糊数以及语言值三种形式的不确定偏好转换为联系数,保留了不确定偏好信息中的确定性与不确定性。提出一种区间聚类算法,在决策成员权重未知的情况下对成员进行赋权。利用加权综合联系数对大群体偏好进行集结,根据方案的集对势大小给出方案的排序。该方法避免了确定权重时的主观性,同时考虑决策信息的确定性与不确定性,提高了决策结果的可信度。通过实例分析验证了方法的有效性和实用性。     

基于先验信息和一维数据聚类的专家赋权方法

多属性群体评价方法研究中,对专家赋权是一项重要的研究内容。本文结合专家的先验信息和后验信息,提出了一种确定专家权重的方法。首先,利用专家历史评价活动中的序值相关系数,做出本次评价活动的预测值,进而确定专家先验权重;其次,基于群体共识视角,对各专家所给出的指标信息进行一维数据聚类,结合不同分组情况下出现的概率,计算出专家后验权重;最后,将两类权重进行组合确定最终权重,并用一个算例验证了该方法的有效性以及合理性。     

区间数型多属性决策相对灰色关联分析方法及其应用

多属性决策时由于掌握的信息不充分,资料不全,加之问题本身的复杂性、不确定性以及人类思维的模糊性,其属性的精确值往往难以获取,常用区间数形式表示.针对基于"理想方案"的灰色关联分析方法存在的不足,根据TOPSIS法原理,提出一种同时考虑"理想方案"和"负理想方案"的区间数型多属性决策相对灰色关联分析法.通过一个实例说明了该方法的应用,并与其它方法进行了对比,得到的结果一致.方法同时考虑了"理想方案"和"负理想方案",概念清晰,数学推导严谨,评价值分辨率高,克服了仅考虑一种方案时排序的不相容问题,更具有客观性和合理性.     

不完全信息群体决策专家权重的集结

本文对于属性权重信息和属性效用信息都不完全的群体多属性决策问题，通过构造属性值区间和运用系统聚类分析法，对群体决策中的专家进行分类，并确定每位专家的权重．     

基于区间数贴近度的不确定多属性决策模型

针对只有部分权重信息且属性值以区间数形式给出的多属性决策问题,提出了一种基于区间数贴近度的决策方法.首先讨论了区间数贴近度的定义和性质;然后给出了解决不确定多属性决策问题的一般步骤.并依据传统的逼近理想解的基本思路,以实际评价值与理想解之间的贴近度最大化为目标建立优化模型,从而得到指标权重.进而计算出每个方案与正理想解的相对贴近度,即可得到所有方案的排序结果.方法能充分利用规范化评价的先验信息,评价结果客观可靠,不具有主观随意性.最后通过实例分析验证了该方法的有效性和实用性.     

基于双参照点的区间型多属性决策方法研究

文章针对属性值为区间数、权重完全未知的多属性决策问题,提出一种基于双参照点的多属性决策方法。首先,描述了双参照点决策问题的广泛性,分析了双参照点的特征及其对决策行为的影响;接着,通过损益值和态度值来计算效用值,并将效用值用于判断备选策略的可行性;再接着,给出基于损益值的赋权法;然后,利用区间TOPSIS法对效用值进行集结和策略排序;最后,通过一个实例证明本文所提出的决策方法的科学性。     

基于评价信息随机化的群体评价方法与应用

针对群体评价中共识集结的相关问题,从仿真的视角讨论了评价信息随机化的群体共识聚合求解方法。首先,面向实数类型的评价信息,将精确性的数据给予一定的宽松性处理,进一步结合正态分布的3σ原则,利用随机模拟的方式集结出带有概率特征的可能性排序;其次,面向区间数类型的评价信息,整合出各子区间发生概率不同的区间数评价信息,在充分随机模拟的情况下,给出了带有优胜概率特征的可能性排序。最后,通过相应的算例进行求解分析,说明了该方法的可行性和有效性。基于群体共识视角,针对实数和区间数两种类型的评价信息,分别进行相应的随机化处理,并为进一步探索区间数的分布形式提供了一种新的研究思路。