基于改进的信息熵为权重的模糊多属性决策

本文针对未知权重的模糊多属性决策问题进行了讨论,给出了以梯形模糊数得到属性值为元素的模糊决策矩阵,并将其规范归一化,基于信息熵的定义给出了新的熵权的算式,总结了基于此方法的模糊多属性决策的算法,并实践于项目投资的实例中,验证了该方法是行之有效的。     

解决多属性群决策问题的一种线性规划法

研究方案极大综合属性值下的多属性群决策问题.采用区间数熵值法确定属性权重;利用各加权评价专家评分落差构造评分区间,区间及两端点平均值作为属性值取值约束条件,建立方案综合属性值下的单目标线性规划模型,提出一种新的多属性群决策算法,并把该算法用在教师教学评价当中,决策结果验证了算法的可行性.     

基于多属性分类的KNN改进算法

提出了一种基于多属性分类的KNN改进算法,可有效提高传统的欧几里德KNN算法和基于信息熵的KNN改进算法的分类准确度。首先,按照单个属性不同属性值的个数占整个属性包含样本的比例进行属性的分类,分为基于信息熵的KNN算法处理的离散属性和基于传统欧几里德KNN相似度处理的连续属性两类,然后分别对不同属性进行区别处理;其次,将两类不同处理后得到的结果按比例求和作为样本之间的距离;最后,选取与待测样本的距离最小的k个样本判断测试样本的决策属性类别。     

区间直觉模糊集的多属性综合评价新方法．

针对研究对象属性值为区间直觉模糊集形式的多属性决策问题,提出了一种利用区间直觉模糊熵确定属性权重并进行综合评价的方法．该方法的基本思路：用区间直觉模糊熵来定义各方案在不同属性下的权重,将各方案对应的权重视为一种概率分布,基于这种假设利用相对熵集结模型得到区间直觉模糊集的客观优化权重．最后给出了一个算例,说明了该方法的可行性和优越性．     

基于绝对关联度的多属性决策问题研究

针对多属性决策问题,提出了一种新的不完备信息下的多属性决策方案.该方案假设属性值采用区间灰数形式来表达信息的不确定性和模糊性,针对属性值的经济属性进行数据预处理,然后将属性权重值进行集结得到方案集的决策矩阵,通过对灰色关联度分析方法进行拓展,提出了基于区间灰数的绝对关联分析,计算各方案与最优方案的绝对关联度,并以此对方案进行排序并择优,通过实例说明了所提方案的可行性.     

分类规则的蚁群挖掘算法

提出了一种分类规则的蚁群挖掘算法.算法首先对所有的连续属性值离散化,得到相应的离散属性,然后让各只蚂蚁按照某种策略选择相关属性,对所选属性再选择理想的属性值,循环地构造单个规则,接着更新训练集,最终形成各类规则集.最后用新规则约简算法进行约简操作.对两个公用数据的实验及其与Ant-Miner和C4.5的对比表明,算法能够发现更好的分类规则.实验同时表明该算法是有效的.     

区间数相离度的决策矩阵排序的一种新方法

针对属性权重已知而属性值为区间数的多属性决策问题，首先弥补原有的区间数规范化方法的不足，然后绐出了区间数的理想属性值和负理想属性值的定义，接着提出了一种基于相离度的决策矩阵排序的一种新方法，最后给出了一个例子说明此法的有效性和可行性。     

论转型社会中受高等教育权的特权属性——基于社会分层与高等教育互动关系的分析

社会地位生成机制研究表明,社会分层与高等教育之间存在互动关系.本文从社会分层影响高等教育的视角来审视受高等教育权,在我国改革开放以来的转型社会中,受高等教育机会的数量与质量的阶层分布显著差异证明受高等教育机会权的特权属性;高校毕业生的就业率、升学率以及起薪的阶层差异也证明受高等教育成功权的特权属性.高等教育强化社会分层,进而强化受高等教育权的特权属性.受高等教育权在社会分层过程中失去了调节器的作用,成为加剧社会分层的助推器.目前的奖励性高考加分政策也强化了受高等教育权的特权属性.高校毕业生的就业困境以及司法实践也要求把就业权纳入受高等教育权范围.     

基于离差最大化的模糊多属性决策方法

针对属性权重完全未知且属性值为模糊变量的模糊多属性决策问题,提出了一种基于离差最大化模型的决策方法.该方法运用模糊变量的期望值、模糊变量之间的距离等概念,建立了一个模糊期望值模型,然后结合模糊模拟技术求解此模型得到属性的权重,再根据模糊综合评价值的期望值对方案进行排序.最后把该法应用于信息系统投资项目的评价问题.     

基于Bert模型对不完整事件日志的多属性修复

流程挖掘是从事件日志中自动构建流程模型,并利用其分析、增强、监测实际的业务流程.然而不完整的事件日志会严重影响流程挖掘的结果.因此,修复事件日志是提高过程挖掘结果准确性的举措之一.现有的修复事件日志技术主要修复事件日志中的缺失活动,很少考虑修复日志中多个缺失的属性.现实中日志除了活动缺失,还存在属性缺失现象.针对此问题,提出了一种基于Bert的神经网络模型,用来修复事件中多个属性的缺失.该方法从数据的角度出发,通过Bert模型的预训练任务学习事件中属性之间的依赖关系,根据属性的前后文信息预测缺失的属性值.最后使用公开可用的真实事件日志对所提出的方法进行实验评估,评估结果表明本文所提出方法可以修复事件日志中多属性的缺失,且验证了该方法的准确性.     

物流信息化过程中基于熵的信息组织分析方法研究

引入香农信息熵的概念．提出物流信息化过程中,基于信息熵理论对数据库中的属性重要性进行排序,挖掘物流信息系统中信息的价值,并将熵理论应用到物流信息系统集成上,用信息熵定量衡量信息的流动性、持续性,客观性和全面性．这种方法使得企业能从定性与定量相结合的角度进行决策．     

基于梯形模糊语言变量的多属性决策方法

研究了决策者的偏好信息（属性值）为梯形模糊语言变量（TFLV）的模糊语言多属性决策问题．定义了2个梯形模糊语言变量比较的可能度公式并研究了它的一些基本性质,给出了基于可能度公式的梯形模糊语言变量多属性决策的方案排序方法．这种方法通过对决策信息进行TFLWA算子加权集结,并通过比较梯形模糊语言变量的可能度得到所有方案的排序结果．在不损失模糊语言信息的条件下,该方法计算过程简单,决策结果合理且有效．最后,通过一个实例说明了该方法的操作过程．     

逻辑斯蒂映像混沌区的几个非线性特征量

运用非线性动力学的方法分析了逻辑斯蒂(Logiotic)映像混沌区的几个非线性特征量。采用重现图形(Recurrence plot analysis,RPA)和重现定量(Recurrence quantification analysis,RQA)分析法得出系统存在确定性的规律;计算了序列的关联维数、最大Lyapunov指数和近似熵(Approximate entropy,ApEn)。结果表明:关联维数介于1～2之间,系统的最大Lyapunov指数大于0,ApEn的值为0.676 460。     

一种混合集结算子及其在多属性决策中的应用

结合加性加权平均 (AWM)算子和有序加权平均 (OWA)算子的特点 ,提出了一种集结决策信息的混合集结 (HA)算子 ,并提出了一种基于混合集结 (HA)算子的多属性决策方法 .理论分析和数值结果表明 :混合集结 (HA)算子同时推广了加性加权平均 (AWM )算子和有序加权平均(OWA)算子 ,它不仅能反映所给数据自身的重要性程度 ,而且还体现了数据所在位置的重要性程度 .因此 ,混合集结 (HA)算子在实际应用中能更好地反映现实情况 .最后进行了实例分析 .     

投资决策中有方案偏好的模糊多属性决策方法

针对属性值以模糊语言形式给出,属性权重完全未知但给出有方案偏好信息的模糊多属性决策问题给出决策方法。该方法是将模糊语言给出的属性评估及方案偏好转换为梯形模糊数,通过建立一个不确定二次规划模型来确定属性的权重,基于加权平均法则来对规范化的模糊属性值及权重进行集结,利用模糊数大小比较的期望值方法来对方案进行排序和择优．最后给出一个应用实例．     

基于互补判断矩阵的模糊多属性群决策方法

针对属性值为梯形模糊数,属性权重未知,决策者对方案有梯形模糊数互补判断矩阵的模糊多属性群决策问题,提出一种群决策方法.给出了由综合属性值得到方案间相互比较的梯形模糊数互补判断矩阵的转化方法.借助梯形模糊数间距离的顶点法表示,建立模糊规划模型,最小化两类梯形模糊数互补判断矩阵间的偏差.求解模型,得到属性的精确权重.进而根据综合属性值对方案排序.最后给出一个数值例子验证所提方法的有效性.     

网络基本属性探析

网络具有自身的本质属性、功能属性和社会属性。网络的本质属性表现为物质性与知识性的交融、现实性与虚拟性的结合、扩展性与联系性的统一。网络的功能属性包括网状中介性、交互传导性和广泛承载性。网络的社会属性表现为全球性与民族性的结合、系统性与小众化的结合、社会化与个性化的互渗。