基于优化模型的直觉模糊三支群决策方法

针对直觉模糊三支群决策模型的概率阈值难以确定的问题,基于优化模型,提出一种确定直觉模糊三支群决策模型概率阈值的新方法,进而获得直觉模糊三支群决策知识.首先根据经典三支决策模型概率阈值的实践语义,分别构建两个线性规划模型,并通过KKT(Karush-Kuhn-Tucker)条件导出模型的最优解,其解表明:通过构建优化模型确定经典三支决策概率阈值的方法是可行有效的.进一步,将此方法拓展到直觉模糊三支群决策模型的概率阈值确定中,建立两个非线性优化模型,并证明了模型最优解的存在性.然后,采用LINGO软件对模型进行求解,并获得直觉模糊三支群决策模型的概率阈值及其决策知识,在此基础上提出一种基于优化模型的直觉模糊三支群决策方法.最后,通过算例分析说明所提出方法的可行性和有效性.     

基于群体共识的语言直觉模糊三支决策方法

针对基于语言直觉模糊数评价损失函数的三支群决策问题,提出一种具有群体共识的语言直觉模糊三支决策方法.首先,基于海明距离定义了语言直觉模糊相似测度(语言直觉模糊数),进而构建基于非相似度最小的最优集成模型并导出权重迭代公式.在此基础上,设计一种实现语言直觉模糊综合损失函数一致性的迭代算法且理论上证明了该算法的收敛性.依据迭代算法获得满足一致性的综合损失函数,建立确定语言直觉模糊三支群决策阈值的单一优化模型,并提出基于群体共识(即所谓群体一致性)的语言直觉模糊三支决策方法.最后,算例分析和仿真实验验证了所提出方法的有效性.     

考虑权重信息未知的区间直觉模糊三支群决策方法

本文提出优化视角下专家权重信息未知的区间直觉模糊三支群决策方法。首先利用区间直觉模糊加权平均算子集结不同专家提供的区间直觉模糊损失评价,获得群体综合损失评价结果。以专家个体与群体综合评价相似度越髙,越能反映群体综合评价意见且赋予髙的专家权重为原则,分别构建专家权重信息完全未知和部分已知的权重确定模型。进而建立确定区间直觉模糊三支决策概率阈值对的优化模型,并提出基于专家权重信息未知的区间直觉模糊三支群决策方法。最后,算例分析及比较结果表明所提出方法的有效性。     

融入用户风险偏好的三支协同过滤推荐模型

基于用户的不同风险偏好特征,提出一种融入用户风险偏好的三支协同过滤推荐模型来提高推荐规则的准确性.首先,考虑用户的不同风险偏好对项目评分的影响,基于用户-项目评分矩阵定义用户关于项目的偏好概率测度,建立用户-项目偏好概率模型,从理论上证明了该模型是现有模型的推广和拓展.其次,利用决策粗糙集,推导出用户在不同风险偏好下的三支推荐模型阈值表达.然后,以上述工作为基础,将推荐准确性和推荐成本作为优化目标,设计基于粒子群优化算法的用户偏好概率模型参数确定方法 .最后,在MovieLens数据集上的实验验证了提出模型的有效性.     

二元不确定语言术语集成算子及在群决策中的应用

针对基于不确定语言评价信息的群决策问题,本文对不确定语言术语进行拓展,定义了包含语言术语权重信息的二元不确定语言术语,并给出能克服目前不确定语言术语集成运算不足的二元不确定语言术语集成运算法则。在此基础上,提出了基于二元不确定语言术语集成算子的群决策方法,并通过算例说明决策方法的可行性和有效性。     

Dempster-Shafer证据理论驱动的邻域粗糙分类方法

为了进一步改进邻域分类器的分类机制,提升分类性能,提出Dempster-Shafer(D-S)证据理论驱动的邻域粗糙分类方法.首先,采用邻域决策错误率作为属性重要性的指标研究基于邻域决策错误率的属性约简方法,通过删除冗余属性,为分类学习提供重要的属性集合;其次,改变传统多数投票机制,将D-S证据理论引入邻域样本的信息融...     

基于直觉不确定语言评价的群决策方法

针对直觉不确定语言评价的群决策问题,定义了直觉二元不确定语言数及其运算法则、期望值和精确值.提出了直觉二元不确定语言和(IBULS)算子以及加权平均(IBULWA)算子,并验证了IBULWA算子的性质,如单调性、幂等性和介值性.在此基础上,提出一种属性权重已知且属性值为直觉不确定语言信息的群决策方法.最后通过实例说明决策方法的有效性.