基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UC I数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.     

基于模糊多属性决策方法的承发包模式比较研究

在前人对工程承发包模式研究成果的基础上，从项目成本、效益以及风险的角度建立了比较指标体系，并提出了指标赋值方法。将承发包模式的选择问题归结为多属性决策中（MADM）的排序问题，采用离差最大化准则下的多属性决策的最优组合赋权方法来对各指标的权重进行赋值，并采用TOPSIS方法来对各方案进行比较研究。，最后通过算例进行计算和分析。     

基于GA-BP神经网络算法和粗糙集理论的交通事故黑点模型

道路交通事故黑点的预测鉴别是改善道路交通安全状况最重要、最关键的一步,采用基于GA-BP神经网络算法与粗糙集理论相结合的方法建立交通事故黑点预测模型.分析天津市津围公路的交通事故统计数据,通过GA-BP神经网络算法建立静态单元,考虑静态道路状况,分析得出道路的事故黑点样本.考虑实时动态道路交通环境条件的影响,并利用粗糙集理论建立有效的交通道路事故黑点预测模型,2种理论的有机结合,减少糙杂繁冗的数据量,降低伪报警率,提高事故黑点的预报精度,并通过实例进行实证分析.     

物流园区建设序列的多阶段多指标决策模型

针对物流园区建设序列问题的多阶段多指标决策和投资优化实质,本文以熵权和理想解法为基础,结合Delphi 法和0-1型整数规划,提出了一个物流园区建设序列的多阶段多指标决策模型,比较好地解决了物流园区建设序列决策中多阶段多指标评价问题和投资优化问题。     

基于多属性决策方法的高速列车运行计划评价研究

为有效利用高速铁路车站和区段通过能力,提高铁路客、货运输能力,必须提高高速列车运行计划的质量,确保铁路运输生产稳定有序.从高速列车运行计划的评价指标分析与选择入手,运用多属性决策方法,对列车运行计划的指标值进行赋值和规范化,采用熵权法确定评价指标权重,运用理想点法求解最佳方案;通过计算实例,对该评价方法的可行性与合理性...     

Supermap环境下空间数据库的设计与实现

根据空间数据库的技术特色和设计原则,对基于GIS公路路线决策支持系统进行了空间数据库设计:数据库采用关系型的数据模型,使用Supermap Objects提供的SDB数据引擎进行数据库的构建与管理;数据来源于现有的地形图,为此建立专有的数据转换模块,将DXF地形图文件转换成Supermap Objects中的数据集;为完善属性数据库,提供人机交互窗口,修改属性表结构,编辑空间要素对象的属性值,为用户提供灵活、便捷的修改、编辑属性数据库的功能,成功地进行了空间数据库的构建与管理,为后续的路线决策提供数据支持。     

一种基于多属性决策的防空阵地选择排序方法

针对防空阵地选择排序定量研究方法较少的现状,提出了一种基于OWA算子的离差最大化区间数多属性决策方法,对防空阵地选择问题进行建模分析,结合具体算例对所建模型进行了验证。     

对运输业属性认识的理论综述

人们对运输业属性的认识基本上是围绕运输业的经济属性(含物质属性、产业属性与市场属性)与社会属性来展开的。在20世纪中叶前,提出了运输业的物质生产部门(物质属性)、第三产业(产业属性)和基础设施(社会属性)等基本属性;自20世纪初开始,人们提出并论证了运输业的市场属性———自然垄断性,并在20世纪中后期深化了对运输业物质属性和社会属性的认识,提出了运输业的俱乐部物品特性与外部性观念;20世纪80年代后,人们对运输业产业属性和市场属性的认识进一步深化,提出了运输业的网络经济性与可竞争性理论。     

基于二次误差测度的带属性三角网格简化算法

给出一种基于边折叠和二次误差测度的快速简便的算法来简化带属性的网格模型。该算法通过分别建立几何和颜色属性二次误差测度来计算几何和颜色属性误差,用几何与颜色属性误差的总和来控制网格简化的顺序和精度。边折叠是根据某种误差测度将候选的边按照折叠代价排序,每次取代价最小的边进行折叠操作,直至满足给定的终止条件。二次误差测度采用点到平面距离的平方作为误差测度。应用实例表明,该算法既能保证简化模型同初始模型在几何上尽可能相似,又能较好地保留初始模型的颜色、纹理等属性信息。     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。