基于Vague集贴近度的工程项目投资快速估算方法

根据Vague集理论和贴近度计算方法,构建了一种工程造价的快速估算模型。首先从历史资料中选出与拟建工程项目类似的既有项目,然后选取了影响项目造价的主要特征元素并全部赋权,建立起相应的特征值矩阵。利用区间数综合单价建立了既有项目对拟建项目的Vague集隶属矩阵,再按照Vague集贴近度计算方法计算出既有项目与拟建项目的相似程度。借助于造价指数和贴近度最大的项目快速估出了拟建项目的单价。最后以某工程项目为实例,计算结果表明该模型准确、有效。     

不完整格的格序化

研究了格序决策理论中格序结构不完整的问题．通过定义格上关键元及最小决定集的确定规则，得到了一种直接由偏序集求最小完备格的并、交不可约元(关键元)的方法；从分析最小格的结构着手，应用逆序嵌人映射的方法确定2个不存在最小(最大)上(下)确界的元素的最小(最大)上(下)确界，从而使得不完整格格序化．最后，举例说明了该方法的可行性．     

格区间值Fuzzy集的分解定理(Ⅰ)

对格区间值Fuzzy集作了进一步的研究,分别给出了[λ1,λ2]、(λ1,λ2]、[λ1,λ2)、(λ1,λ2)上的下截集、上截集、下重截集和上重截集的新的定义及一种新的闭区间与格区间值Fuzzy集的运算,并给出了与此相应的四条重要的分解定理.     

格区间值Fuzzy集的分解定理(Ⅰ)

对格区间值Fuzzy集作了进一步的研究,分别给出了[λ1,λ2]、(λ1,λ2]、[λ1,λ2)、(λ1,λ2)上的下截集、上截集、下重截集和上重截集的新的定义及一种新的闭区间与格区间值Fuzzy集的运算,并给出了与此相应的四条重要的分解定理.     

一种新的区间值模糊集推理方法

在两向量相似度的基础上,定义了两个区间值模糊集在一点处相似度,然后在此基础上提出了一种新的模糊推理方法——区间值模糊集相似度推理方法.并且对该种方法的还原性进行了讨论,给出了满足还原算法的条件.     

一种新的区间值模糊集推理方法

在两向量相似度的基础上, 定义了两个区间值模糊集在一点处相似度, 然后在此基础上提出了一种新的模糊推理方法--区间值模糊集相似度推理方法.并且对该种方法的还原性进行了讨论,给出了满足还原算法的条件.     

基于IAHP和Vague集的高层建筑火灾风险评价

针对高层建筑火灾风险评价存在模糊性和难以分辨性的问题,基于高层建筑火灾特点,从防火系统、灭火系统、消防施救设施、安全疏散和消防安全管理五个方面构建了高层建筑火灾风险指标评价体系。采用区间层次分析法(IAHP)给各指标赋权,结合Vague集理论建立了高层建筑火灾风险的改进模糊综合评价数学模型。最后进行实证分析,结果表明该方法能够有效反映高层建筑火灾风险情况。     

Renyi信息熵指导下的聚合层次化聚类

聚合层次化聚类是聚类分析中发现数据集潜在结构的一类重要方法．在这类方法中,影响聚类质量的一个关键问题是如何度量子类之间的距离．作为子类间的相似性度量,不但可以通过非参数估计的方式进行计算,还可有效地利用子类数据集中所有样本提供的信息,对子类中数据分布的描述更加充分．实验结果显示,在两种具有代表性的人造数据集上,基于Renyi熵的类间距离度量比3种传统度量方法有更好的层次化聚类效果．并且,在图像过分割的情况下,通过Renyi熵距离对子分割区域进行合并可以找到合理的分割目标．     

基于拉普拉斯矩阵的DNA序列集相似性分析

研究两个序列集合之间相似性度量,提出基于拉普拉斯矩阵特征值的分离度概念和公式表示．基于人工序列和真实DNA序列上的实验结果,证实了分离度能够度量序列间的相似程度．     

基于权重的Jaccard相似度度量的实体识别方法

社会网络分析方法将社会行动者映射为图的节点,社会行动者之间的关系映射为图的边,然后利用图论的相关知识来解决社会网络问题．将数据挖掘方法应用于社会网络分析是数据挖掘研究领域的一个新方向．本文主要在算法改进和系统实现层面展开数据挖掘在社会网络分析中的应用,提出了基于权重的Jaccard相似度度量的方法及处理多链接属性的实体识别算法．最后基于电信分析系统平台,使用上述算法在电信数据集上进行测试,实验结果表明上述算法的有效性和实用性．     

基于Vague集的铁路旅客乘车选择行为研究

根据铁路旅客乘车行为的影响因素,建立包括时间、费用以及舒适度的乘车方案选择指标体系。结合Vague集理论,提出铁路旅客乘车选择的多准则模糊决策方法。该方法根据每个指标所包含的正、负影响因素,采用Vague集表述各乘车方案的特征,依据max-min、max-max、max-center三种方法分别计算各乘车方案的记分函数值,据此得到各方案的优劣排序。最后以兰州—北京段铁路旅客乘车实例对该方法进行了验证,并对指标权重、乘车费用及运行时间进行灵敏度分析。研究结果表明:Vague集理论能够充分考虑铁路旅客出行乘车方案选择问题中的模糊性和不确定性,该方法可以为铁路旅客出行选择决策提供合理参考。     

基于语义相似度的话题关联检测方法

为有效识别任意两篇报道的相似性,提出了一种基于语义相似度的话题关联检测算法.该算法首先通过计算特征词之间的相对熵作为两篇报道中特征词之间的语义相似度;其次,通过计算平均语义相似度获得特征词和报道之间的关联度;最后,结合特征词在语料库中的TF-IF(term frequency-inverse document frequency)权重计算两篇报道之间的关联度,实现报道之间的关联度检测.本文提出的方法与现有的向量空间模型方法和仅依赖于平均点互信息的方法进行了比较,并通过TDT4中文语料进行测评,结果表明,基于语义相似度的关联检测方法能够更好地利用文本的语境信息,提高了现有检测系统的性能,其最小DET(detection error tradeoff)代价降低了3%.      

一种基于模糊量相似度测量的模糊数据关联方法

介绍了一种用于汽车雷达多目标跟踪的模糊数据关联方法，这种基于模糊量相似度测量的方法简单，便于实现，首先将传感器的量测值与目标的估计值模糊化，然后计算两个模糊量之间的相似度，得到相似度矩阵，最后根据相似度的大小确定量测与目标之间的关系，蒙特卡洛仿真验证了这种方法的有效性。     

不具线性结构拓扑空间中参数型非紧KKM定理及其在经济平衡问题上的应用

本文在不具线性结构的拓扑空间——广义区间空间——中建立了集值映像的参数型非紧KKM定理．作为应用，我们研究了极大极小问题和广义经济平衡问题。     

�̶����������ж��û�����������Ч����ʧ

用户均衡同系统最优之间通常存在效率损失,它已吸引很多学者来研究这种效率损失问题,但现有文献大多数局限于研究单用户类、确定性均衡的效率损失,而对多用户类随机均衡的效率损失研究得比较少．本文研究了固定需求网络中多用户类随机均衡的效率损失上界问题．通过利用变分不等式的方法,解析推导了固定需求网络中多用户类随机均衡分配分别在时间度量和费用度量两种出行决策准则下的效率损失上界．研究结果表明：时间度量下,其效率损失上界值同路段出行时间函数、网络复杂程度、网络需求以及用户对网络熟悉程度等因素相关;费用度量下,其效率损失上界值除了和上述因素有关之外,还与出行者的时间价值系数有关．     

基于GA的动态时延受限多播路由算法

探讨了包交换计算机网络中，具有端到端时延限制的动态多播路由问题．提出了一种基于遗传算法(GA)的动态时延受限多播路由优化算法．当节点加入或退出时，算法先利用Dijkstra第k最短路径算法求出节点到源点的最短路径集，再用遗传算法搜索最小多播树，仿真试验表明该算法可以动态求得满足时延约束的最小多播树．     

区间客运需求组合预测模型研究

考虑客运需求受不确定因素影响,导致基于点预测的值不能客观反映未来需求波动。文章采用区间集合方法表示需求不确定,同时结合组合预测方法,建立实际观察值与预测区间中心值偏差最小、预测区间宽度最小的多目标区间需求组合预测模型。以2003—2013年扬中市客运数据为基础进行预测,实例分析表明区间预测结果不仅能包含实际观察值,还能体现未来需求的不确定性,同时误差平方和均值和平均相对误差指标下降也表明区间组合预测模型精度提高,说明该模型的可行性和有效性。     

一种复杂背景下图像匹配的快速算法

图像匹配的关键是时效性和准确性，同时也是判定算法优秀与否的垂要标准。传统的基于灰度值的点与点之间做相关运算的算法虽然直接，精确度也较高．但是由于其搜索过程要遍历整幅图片．特别当图片为数据巨大的航空图片时，其花费的时间是巨大的．这不符台时效性的要求。Hausdorff距离是测量两个点集之间匹配程度的一种度量，在计算时不需要建立两个点集中点与点之间的对应关系，只需求得两幅图中相接近点的个数。采用部分Hausdorff距离定义．对目标有噪声影响的’隋况有较好的处理效果。采用Canny算子对图片提取边缘，得到图像中目标的边缘信息。仅利用边缘信息分析计算，而避免采用整幅图片的数据．大大缩短了计算时间。通过对多幅光学图片进行检测，表明基于Hausdorff距离的综台匹配方法是有效的。     

基于可能度的摩托化机动路线选择决策研究

分析了影响摩托化机动路线选择的因素:时效性、安全性和抗断性,指出其中部分因素应用区间数度量,提出运用区间数比较的可能度决策方法进行路线之间的比较,并给出了决策示例。基于可能度的区间数决策理论适用于战时不确定环境下的决策问题。     

基于时延特性建模的多断面短时交通流预测

针对现有交通流预测方法未充分考虑多断面车流演变规律，提出基于时延特性建模的时空相关性计算方法. 该方法采用对不同断面、不同时刻交通流的分布相似性度量，对输入的车辆到达数据序列进行切割构建时空相似度矩阵，得到相邻断面之间的时延参数. 基于时延特性建模，将多断面之间的流量信息进行融合，使用长短时记忆(LSTM)网络进行流量预测. 通过对实际路段数据的预测和结果分析，验证所提方法的有效性和实用性.