基于基数排序及属性约简的雷电预报因子提取方法

雷电预报因子筛选是构建雷电预报模型的关键,也是提高雷电预报准确度的一个瓶颈问题。本文提出了一种基于粗糙集正域属性约简的雷电预报因子提取方法,该方法采用基数排序方法快速求解决策表的正域,引入可分辨度概念度量属性的重要性,提出了基于可分辨度的核属性与非核属性的提取方法,设计了相应的面向雷电预报因子提取的属性约简算法。真实气象数据集测试结果表明,该方法能有效提取最小集合的雷电预报因子,并较以往方法具有更好的性能。     

一种新的混合智能算法及其在属性约简中的应用

属性约简是粗糙集理论的核心部分.受细菌觅食过程的启发,本文将细菌觅食算法的思想应用于粒子群算法,提出了一种细菌觅食粒子群算法.细菌觅食过程的趋向操作可以指导粒子朝着更优方向进化,而粒子群算法又能提高细菌觅食算法的收敛速度和寻优能力.将该算法应用到属性约简中,数值实验结果表明,本文提出的细菌觅食粒子群优化的约简算法在寻优能力方面均优于Hu算法,粒子群约简算法和细菌觅食约简算法,能得到更好的最小属性约简.     

概率OWG算子及其在多属性决策中的应用

提出了概率有序加权几何算子(P-OWG算子),研究了该算子的一些基本性质,基于该算子提出了属性权重确知、各状态概率已知的不确定多属性决策方法,最后,进行了实例分析。     

概率语言多属性群决策方法及其在新型智慧城市市民获得感评价中的应用

针对公众参与的语言信息多属性群决策问题,研究了考虑参与者满意度的概率语言多属性群决策方法。首先,根据参与者的语言评价信息确定并规范化概率语言决策矩阵。然后,对大群体进行共识分析,由最大化参与者群体的满意度构建线性规划模型,确定参与者群组的权重;构造正、负理想方案的评价向量,构建多目标规划模型,用拉格朗日乘子法求解属性权重;定义各方案的加权贴近度,并以此对方案进行排序和优选。最后,通过新型智慧城市市民获得感评价案例验证了模型的可行性和有效性。     

WC-OWA算子的拓展及其在风险型多属性决策中的应用

研究WC-OWA算子的拓展形式,得到了一些新的数据集成算子,并对其性质进行了研究.在此基础上,探讨属性值以区间形式给出的风险型多属性决策的方法,并用实例进行分析说明该方法的可行性.