基于群体理想解的多属性群决策算法

为了求解多属性群决策问题，采用理想点法，对每个单一属性将个体判断集结成群体判断，构造出了群体多属性决策矩阵．从而，将复杂的多属性群决策问题转化成一般的多属性决策问题，并采用理想点法进行了求解．最后，给出了1个群体投资项目选择的算例．     

闭区间数多属性决策方法

提出一类闭区间数多属性决策问题,建立了闭区间数集的全序关系,在此基础上,讨论了闭区间数多属性决策的方法,同时指出普通多属性的决策是闭区间数多属性决策的特例。     

基于多属性决策运输车编配方案研究

在信息化战争中,后勤运输保障举足轻重。根据部队运输需求,制定出科学合理的运输车编配结构对于提高部队公路运输保障能力具有重要的指导意义。分析了我军运输车编配存在的问题,介绍了基于最大离差化的多属性决策模型,为运输车编配方案评价提供了一种合理的研究方法。并以某摩步师直属汽车营为例,对运输车的备选方案进行了排序和选优,得到了...     

船舶主机选型的不确定性多属性决策方法

船舶主机选型需考虑各种技术与经济因素．满足基本技术要求的主机往往有多个，如何选择最理想主机，是一个不确定性多属性决策问题．文中针对一个实际例子加以说明，并提出了一种基于传统的多属性决策方法——逼近理想解的排序方法(TOPSIS)与证据结合准则相结合的方法来解决该问题．结果证明，该方法能合理解决这类问题．     

多属性决策中属性权重的无偏好赋权方法

针对具有条件属性和决策属性的多属性决策系统在融合主观权重与客观权重时具有人为偏好的缺陷,为实现客观权重与主观权重的无偏好融合,用粗集理论中的属性重要性原理确定各属性的客观权重,再用MATLAB中细胞数组的基本特征和多维空间距离的概念,建立了基于空间距离的二次规划数学模型,确定无人为偏好的主客观权重融合方案.用对流感病人诊断过程的知识决策表说明了本方法的可行性.     

基于设计公理的多属性决策方法

针对多属性决策过程中容易引起目标冲突、重复决策过程复杂等问题,对基于公理设计理论的多属性决策过程进行了研究,提出了基于独立公理的有向层次化指标分析体系和基于信息公理的方案评价方法．所建立的指标体系能够充分考虑指标的层次性和独立性,使决策者能够理清指标间的影响关系,从而降低多属性决策过程中的指标冲突．通过加入满意度计算项,对信息量的计算公式进行了改进,弥补了原有公式仅体现系统能力的不足,并给出了模糊性和非模糊性属性值信息量的计算方法．运用该评价方法,决策者根据系统信息量的大小即可判断方案的优劣．最后,通过案例验证了该方法的有效性和可行性．     

基于模糊偏好的不确定性多属性决策方法

通过建立模糊偏好下模糊属性的序关系，探讨了属性值为模糊数的一类多属性决策问题，在此基础上，提出了不确定多属性的统一序关系。     

基于综合赋权多属性决策的养护路段优化

结合多属性决策原理,提出一种基于Spearman等级相关系数的综合赋权优化方法,对养护路段进行合理排序,使有限资金发挥最大效益,具有重要意义.     

一类面向多属性评价的广义聚合算子MAAO

多属性评价问题中不确定性、不精确性和非独立性导致的非可加性以及可鉴别性是评价中的难点问题.本文基于模糊测度和模糊积分提出一种广义的多属性聚合算子,给出了形式化表达、性质分析和多维描述.该算子能够聚合得到解决上述问题的综合评价结果,对于建立切合实际的定量化评估方法具有较好的现实意义.     

基于新的模糊距离在多属性决策上的应用

针对属性值为模糊数的多属性决策问题,根据一种新的三角模糊数模糊距离公式提出了一种基于逼近理想点解决属性值为模糊数的多属性决策问题的新方法。通过具体的决策实例表明该方法是合理可行的,从而为解决属性值为模糊数的多属性决策问题提供了一个新的决策方法。     

基于多属性决策的机场伪装工程方案排序

运用多属性决策的方法,解决了机场伪装工程方案排序问题。提出了针对机场飞行重点区域,机场伪装方案的排序问题应从伪装目标与影响伪装工程的实施及效果两个方面分析,并分别计算了相应的权重值,最后利用TOPSIS法进行了方案的排序计算,得出了满意解。     

基于家庭属性差异的大学生出行方式选择行为研究

为剖析家庭属性差异对大学生出行方式选择行为的影响,基于非集计理论,构建家庭属性差异的大学生出行选择多元Logit 模型. 根据四川省2 571 份大学生出行行为调查问卷,运用SPSS 软件标定模型参数,获取影响大学生出行选择的主要家庭属性因素,并进行敏感性分析. 结果表明：家庭平均年收入、经济净流对大学生出行方式选择有显著的影响;以航空运输为参考,家庭平均年收入、经济净流对公路运输方式选择的影响大于铁路运输;“祖辈替孙辈购买机票”的折扣票务形式可提高大学生选择航空出行的概率.     

出行者对出行方式服务属性的感知差异研究

解析出行者对服务属性的感知差异能够为提升城市公交服务水平提供理论依据.基于上海市居民出行意愿调查,建立考虑行程时间与车内拥挤度交叉项、可靠性的出行方式选择效用;根据多项Logit模型和混合Logit模型的通用参数和选项特定参数估计结果,量化出行者对出行方式服务属性的感知差异.结果表明:拥挤有座时的时间价值是不拥挤有座时的1.41倍,拥挤无座时的时间价值是不拥挤有座时的1.56倍;地铁的可靠性价值显著高于私家车和常规公交;同一车内拥挤程度水平下,常规公交的时间价值大于地铁.     

高速公路养护机械合理配置方案的多属性决策模型

以经济性、技术性、协调性、适应性为主要元素,构成表征养护机械配置方案的属性集合;利用三角模糊数的相似度和可能度理论,构建高速公路养护机械合理配置方案的多属性决策模型,模型中通过单目标优化模型确定属性的最优权重向量.以某高速公路机械化养护中心的养护机械配置为例,证明该方法切实可行.     

论文化产业的属性与运动规律

文化产业的多重属性是文化产业定义困难的原因,同时也是文化产业运动的特殊性之所在。文化产业的多重属性是文化产业发展主客观运动的结果。文化产业的多重属性决定了文化产业价值运动的多重性。正是这种多样性与复杂性影响和规定了文化产业运动规律的多样性与复杂性。文化产业增长周期波动规律对于文化产业发展具有特别重要的意义。     

Latent Supportive Utility of Irrelevant Attributes in Feature Selection

This paper proposed a novel feature selection method LUIFS (latent utility of irrelevant feature selection) that not only selects the relevant features, but also targets at discovering the latent useful irrelevant attributes by measuring their supportive importance to other attributes. The method minimizes the information lost and simultaneously maximizes the final classification accuracy. The classification error rates of the LUIFS method on 16 real-life datasets from UCI machine learning repository were evaluated using the ID3, Nave-Bayes, and IB (instance-based classifier) learning algorithms, respectively; and compared with those of the same algorithms with no feature selection (NoFS), feature subset selection (FSS), and correlation-based feature selection (CFS). The empirical results demonstrate that the LUIFS can improve the performance of learning algorithms by taking the latent relevance for irrelevant attributes into consideration, and hence including those potentially important attributes into the optimal feature subset for classification.     

摆线轮检测的公法线法

本文给出了摆线轮最小跨齿数的计算公式及其解的区间;确定了最小跨齿数为最佳测量跨齿数,以及包含三种修形方式的统一的公法线理论测长计算公式,该计算方法已由作者编制了计算程序,当输入摆线轮已知参数时,可准确计算出理论测量位置及理论测长.     

行业标准管理办法

第一条为加强行业标准的管理,确保行业标准的协调、统一,根据<中华人民共和国标准化法>和<中华人民共和国标准化法实施条例>的规定,制定本办法.     

Discretization Algorithm Based on Particle Swarm Optimization and Its Application in Attributes Reduction for Fault Data

In order to increase the fault diagnosis efficiency and make the fault data mining be realized, the decision table containing numerical attributes must be discretized for further calculations. The discernibility matrix-based reduction method depends on whether the numerical attributes can be properly discretized or not. So a discretization algorithm based on particle swarm optimization (PSO) is proposed. Moreover, hybrid weights are adopted in the process of particles evolution. Comparative calculations for certain equipment are completed to demonstrate the effectiveness of the proposed algorithm. The results indicate that the proposed algorithm has better performance than other popular algorithms such as class-attribute interdependence maximization (CAIM) discretization method and entropy-based discretization method.