公共文化服务平台

一种区间型多属性决策的新方法被引量：3: 2008年; 针对决策者的偏好信息和决策矩阵元素均为区间数的不确定多属性决策问题,提出了一种新的决策方法。该方法引入决策者的心态指标把区间型决策矩阵转化为带心态指标的决策矩阵,再通过求解主观偏好与客观偏好的总绝对偏差最小的单目标规划问题,得到属性的权重向量,利用方案的综合属性值给出各方案的排序结果。当决策者处于不同的心态时,可以通过调整其心态指标来进行决策,更加符合实际,计算简单,易于计算机上实现,应用实例表明了方法的有效性和实用性。; 万树平; 关键词：多属性决策区间数

基于心态指标的区间型多属性决策方法被引量：11: 2008年; 针对决策者的偏好信息和决策矩阵元素均为区间数的不确定多属性决策问题,提出了一种新的决策方法。该方法引入决策者的心态指标把区间型决策矩阵转化为带心态指标的决策矩阵,再通过求解最小化最大绝对偏差的优化问题,得到属性的权重向量,利用方案的综合属性值给出各方案的排序结果。当决策者处于不同的心态时,可以通过调整其心态指标来进行决策,更加符合实际,计算简单,易于计算机上实现,应用实例表明了方法的有效性和实用性。; 万树平; 关键词：多属性决策区间数

确定性信号的Poisson过程与局部平均采样逼近: 2008年; 用新的Ditzian光滑模和统一的新型K泛函导出了利用Poisson过程及局部平均采样定义的Szász-Kantorovich算子逼近确定性信号的强逆不等式,进而给出了[0,∞)上的有界连续函数的光滑性与Szász-Kantorovich算子逼近误差的渐近关系.; 胡玉梅叶培新宋艳霞赵冠楠; 关键词：POISSON过程光滑模

基于幂均算子的区间型多属性决策方法被引量：9: 2009年; 针对决策矩阵元素为区间数的不确定多属性决策问题,提出一种新的决策方法.定义了区间数幂均算子和区间数的相似度,利用一致度矩阵获得每个属性与其他属性的相对一致度.通过区间数幂均算子集成得到方案的综合属性值,进而给出了方案的排序结果.该方法不需要求解属性的权重.应用实例表明了所提出方法的有效性和实用性.; 万树平; 关键词：多属性决策区间数

基于相对熵的不完全信息群体专家权重的集结被引量：15: 2009年; 针对属性权重信息和属性效用信息都不完全的群体多属性决策问题,运用相对熵理论提出了一种专家权重的确定方法.该方法通过集结各方案的综合评价值向量,客观地得到专家的权重,避免系统聚类方法中由给定相似度水平归类而产生的主观性问题.应用实例表明了方法的有效性和实用性.; 万树平; 关键词：群体决策不完全信息区间数相对熵

基于树状扫描的零树编码方法研究: 本文在经典零树编码算法的基础上,提出了一种新的扫描方法,这种方法改变了孤零节点的子孙节点与后序节点的扫描顺序,在遇到孤零节点时并不是像经典零树编码那样采取Z字型扫描,而是采取树状扫描机制。这种方法减少了重复扫描,即减少了...; 潘健方志军; 文献传递

基于数学规划的多传感器目标识别方法: 2010年; 针对具有多个特征指标的目标识别问题,提出了基于数学规划的多传感器信息融合方法。该方法利用最大最小隶属度函数将识别系统特征矩阵转化为指标隶属度矩阵,通过求解各目标类型综合隶属度偏差最大的最优规划问题,客观地确定了特征指标的权重,根据综合隶属度给出目标识别方法。该方法较好地避免了特征指标权重选取的主观性缺陷,提高了目标识别结果的客观性和区分程度。算例分析验证了该方法的有效性和实用性。; 万树平; 关键词：多传感器数据融合目标识别数学规划

Any Long Cycles Covering Specified Independent Vertices: 2009年; An invariant σ2（G） of a graph is defined as follows： σ2（G）：= min{d（u）＋ d（v）｜u, v ∈V（G）,uv ∈ E（G）,u ≠ v} is the minimum degree sum of nonadjacent vertices （when G is a complete graph, we define σ2（G） = ∞）. Let k, s be integers with k ≥ 2 and s ≥ 4, G be a graph of order n sufficiently large compared with s and k. We show that if σ2（G） ≥ n ＋ k- 1, then for any set of k independent vertices v1,..., vk, G has k vertex-disjoint cycles C1,..., Ck such that ｜Ci｜ ≤ s and vi ∈ V（Ci） for all 1 ≤ i ≤ k. The condition of degree sum σs（G） ≥ n ＋ k - 1 is sharp.; DONG Jiu Ying

基于主成分分析的多传感器数据融合被引量：4: 2008年; 针对多个传感器对某一特性指标进行测量实验的数据融合问题,根据多元统计理论,提出了一种基于主成分分析的融合方法。该方法把各传感器的测量数据作为一总体,定义总体的各主成分,利用测量值与主成分的相关关系,给出了各传感器的综合支持程度和数据融合公式。该方法不需要知道总体的分布和先验概率,避免定义距离矩阵和受主观因素作用的关系矩阵。应用实例验证了该方法的有效性和具有较强的抗干扰能力。; 万树平; 关键词：多传感器数据融合特征指标主成分

基于期望值的模糊多传感器信息融合方法被引量：1: 2008年; 通针对目标类型的特征指标值和传感器的测量值均为三角模糊数的多传感器类型识别问题,提出了一种新的融合方法。该方法将三角模糊数决策矩阵元素转换为期望值,通过求解目标类型与未知目标属性偏差最小的优化问题得到属性的权重,根据各目标类型的综合属性期望值给出目标识别结果。较好地避免了属性权重选取的主观性,计算简单,易于计算机上实现,仿真实例表明了方法的有效性和实用性。; 万树平; 关键词：多传感器信息融合三角模糊数

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(10626029)