基于语言变量和熵权的公路软基处理方案模糊物元决策分析法

为解决公路软基处理方案优选的决策问题,针对软基处理方案优选决策多属性、确定性与不确定性共存的特点,在分析了目前公路软基处理方案优选决策中存在的不足后,以评价指标体系的建立为基础,建立了基于语言变量和熵权的模糊物元决策分析方法:首先确定了基于语言变量的评价集,引入模糊数描述语言变量;采用熵权与决策者的主观权重相结合的方法确定评价指标的综合权重;在模糊物元分析原理的基础上,用方案的各项评价指标及其相应的模糊量值构造复合模糊物元,通过计算与标准模糊物元之间的海明贴近度来实现方案的排序与择优,以此确定最佳软基处理方案。研究结果表明:该决策方法综合考虑了公路软基处理方案优选时经济、技术和环境等因素的影响,通过模糊物元分析为处理评价指标值精确数与模糊数并存的决策问题提供了一条可行路径。最后实例研究证明了该方法应用于公路软基处理方案优选的有效性和可行性。

多粒度不确定语言变量的多属性群决策方法及应用

针对多粒度语言的多属性群决策问题,提出基于不确定语言变量的一致化新方法。利用虚拟术语指标不丢失信息的特点,选取连续性语言评价集,提出符合所给条件的多粒度不确定语言变量的转换函数,将多粒度语言一致化,并探讨了其优势之处,验证了其合理性;给出了不确定语言变量的有序加权平均(ULV-OWA)算子的定义,该算子具有计算简便且能充分考虑偏好信息分布的特点,通过加权算术平均(ULWA)算子和ULV-OWA算子对偏好信息进行集结,再提出优势可能度法对方案排序。所提出的方法不但避免了决策者偏好信息的丢失,而且减少了决策者的工作量,简便直观。最后,通过一个现代电子商务背景下物流供应商选择的案例研究,验证了方法的有效性和合理性。

基于语言变量的不完全文本评语的评价模型

研究了项目评审中考虑专家文本评语和专家评分综合值的决策模型。将文本评语提炼成若干评价指标测评点,构建了含有评语信息和评分值信息的决策矩阵;建立了不完全文本评语下群体和个体指标测评点权重估测模型;提出了不完全文本评语残缺数值的估算模型;建立了考虑专家评审熟悉程度和评语接近程度的评分修正模型。最后的算例说明了方法的可行性和应用步骤。

基于对偶犹豫模糊语言变量的多属性决策方法

首先定义了对偶犹豫模糊语言变量,然后给出其运算规则、得分值函数、精确值函数、比较规则以及对偶犹豫模糊语言变量的加权算术平均算子、有序加权算术平均算子和混合平均算子。针对属性值为对偶犹豫模糊语言变量的多属性决策问题,提出了一种基于对偶犹豫模糊语言变量集结算子的多属性决策方法。最后,结合国家电网公司合作单位选择问题,验证了该方法的有效性和可行性。

带有语言变量的多属性群决策方法

本文在定义了三角模糊数距离的基础上,提出一种基于距离最短的多属性群决策规划模型,该模型简单易行,不仅能给出最终的方案排序结果,且能充分利用专家所给的矩阵信息来确定群成员的相对重要性权重。最后通过实例验证本方法的可行性及有效性。

基于混合语言变量的工程特性优先度确定方法

为了有效地反映质量功能展开中不精确和不清楚的信息,提出了基于混合语言变量的工程特性优先度确定方法。首先,评估成员采用确定的语言变量给出顾客需求与工程特性的关联强度评估矩阵,进而集结评估成员的相对重要度和顾客需求的重要度,通过计算偏差得到工程特性的基本优先度;其次,评估成员利用不确定的语言变量判断各项工程特性的竞争现状,得到各项工程特性的竞争优先度;最后,将基本优先度和竞争优先度合成,确定各项工程特性的综合优先度。以长袋低压脉冲除尘器的新产品设计为例,证明了该方法的可行性和实用性。

基于语言变量的关系数据库模糊查询

在模糊理论的基础上,将权重概念引入关系数据库模糊查询中,以体现用户对查询中各个属性的相对重视程度。记录按匹配度的降序输出,方便用户选择。权重和匹配度都是语言变量,取值为语言值,更加贴近自然。采用模糊集合的alpha截集去模糊的思想,将带语言值权重的模糊查询条件转化为精确的SQL语句,利用RDBMS的机制进行记录的筛选,避免对整个数据库表的扫描,在一定程度上保证查询的效率。

语言变量及其“值”的相关概念和符号使用字体探讨

针对语言变量这个使用日渐频繁的科技术语,分析语言变量的内涵及其与物理量的区别,并举例说明;通过比较研究,认为应正确掌握语言变量及其“值”的相关概念和符号字体使用。提出了相关观点和建议。

基于区间值直觉模糊不确定语言变量的灰色关联度分析方法

给出了区间值直觉模糊不确定语言环境下的灰色关联度分析方法。首先确定了区间值直觉模糊不确定语言正负理想解,然后计算每个评价值与正负理想解的灰色关联度,利用属性的权重向量,计算方案与正负理想解的灰色关联度,最后计算出方案的相对关联度,并根据方案的相对关联度对方案进行排序。如果属性权重部分可知,则需要根据与正理想解有最大的灰色关联度而与负理想解有最小的关联度的原则建立数学规划确定属性的权重。最后,为了说明算法的可行性和有效性,将其应用到房地产开发项目的风险评价上。实例说明了算法的可行性和有效性。

基于区间语言变量的高校体育教师绩效评价

教师绩效评价是高校体育教师管理工作中的重要环节,如何在分析高校体育教师绩效内涵及实际特点的基础上,选用合理的绩效评估方法,设计有效的评估指标,量化客观的指标权重等是高校体育教师绩效评价工作迫切需要解决的问题。通过构建层次化、多样化的评价指标体系,将语言变量的评价集有效迁移,运用专家权重法和客观权重法相结合,精确量化各指标的权重,确定绩效评估综合评估值或区域阈值,输入评价数据获得绩效评价的名次序列表,从而完成对高校体育教师绩效的区间精准评价。

不确定区间隶属度语言变量及其应用

基于不确定语言变量和区间模糊数,提出了不确定区间隶属度语言变量的概念,定义了不确定区间隶属度语言变量的运算规则、大小比较方法,给出了不确定区间隶属度语言变量的加权算术平均算子、加权几何平均算子及其相应性质,并将这些算子应用于属性权重确知且属性值以不确定区间隶属度语言变量形式给出的不确定多属性群决策问题中,通过示例验证了基于不确定区间隶属度语言变量信息的多属性群决策方法的有效性和可行性。

一种基于三参数区间灰色语言变量的多属性群决策方法

针对属性值为三参数区间灰色语言变量的不确定型多属性决策问题进行了研究,本文将语言变量和三参数区间数融合,提出了三参数区间灰色语言变量的概念,定义了三参数区间灰色语言变量的运算规则和可能度公式,在此基础上建立了基于投影模型的三参数区间灰色语言变量的多属性群决策方法。最后,通过对移动银行服务质量评估案例验证本模型的有效性。

基于灰色语言变量的移动银行网络安全风险评估方法

针对移动银行网络安全风险评估问题,提出一种灰色加性语言有序加权平均算子的网络安全多人评估模型。首先在灰色模糊数中将语言变量融入其模部形成灰色语言变量,在此基础上界定了灰色加性语言变量间的运算法则、可能度以及几种灰色加性语言信息集成算子,最后构建了移动银行网络安全多人评估模型。仿真示例验证了模型的可行性。

基于灰色加性语言变量和灰色关联分析的网络安全风险评估方法

提出一种基于灰色加性语言变量和灰色关联分析的网络安全多人评估模型。首先在灰色模糊数中将语言变量融入其模部形成灰色语言变量,并界定灰色加性语言变量间的运算法则及其距离公式,在此基础上利用灰色关联分析构建网络安全多人评估模型。仿真示例验证了模型的可行性。

语言变量模糊本体的表示与构建

语言变量模糊本体是语言变量在语义Web中的明确的规范化说明,有利于模糊系统与语义Web的结合,使得语义Web更加方便地处理模糊信息。通过引入语言变量模糊本体的概念,研究使用RDF表示模糊本体的方法,将本体与模糊概念表示为"资源"。进而以工业洗衣机的模糊控制为例,提出从模糊系统构造语言变量模糊本体的过程。

基于语言变量和TOPSIS的物流企业人力资源评价体系研究

为了对物流企业员工给予正确的评估,促进物流企业的发展和员工的积极性,基于语言变量和TOPSIS方法,建立了一个新的物流企业人力资源评价指标体系。首先,借助语言变量构建出语言指标矩阵及其对应的指标权重矩阵;其次,将上述矩阵转换成三角模糊矩阵,并构建加权三角模糊矩阵;然后,应用TOPSIS法分别求解出人力资源评价方案及每个方案的相似度,根据相似度值的大小可确定出各个方案的优劣性;最后,引入实例来验证提出的人力资源评价指标体系的有效性,并得出相关结论。

基于模糊语言变量的综合评判模型及其工程应用

提出一种模糊综合评判模型.该模型在权重赋值、评价集和单因素评判三个方面利用模糊语言变量表达决策者的观点,并用一种带可信度的梯形模糊数来量化模糊语言变量.举例说明该模型的工程应用方法.

一个基于语言变量认知流的认知建模方法

提出了一种新的认知流(epistemic fluent)用来解决自主角色的感知和推理问题。该方法是在 John Funge 的区间取值认知流的区间上定义相应的语言变量(linguistic variables)。新方法能够将离散取值认知流和连续取值认知流统一起来,并且使得自主角色的认知模型更简单。文章还描述了怎样解决不可数“可能世界”的问题,以及新认知流怎样用来推理不等式。

基于不确定语言变量的网络安全风险评估方法

提出一种基于灰色不确定语言优先平均算子的网络安全多人评估模型。首先在灰色模糊数中将不确定语言变量融入其模部形成灰色不确定语言变量,并界定了灰色不确定语言变量的运算法则和灰色不确定语言优先平均算子,在此基础上构建了计算机网络安全多人评估模型,并将该模型应用于仿真算例。

一种基于语言变量的MCDM问题的决策方法

基于语言变量的 MCDM(Multi- Criteria/Multi- Person Decision- Making)问题的解决可分为三部分 :(1)选择合适的语言变量集合 ;(2 )选择恰当的聚合算子 ;(3 )选择最佳备选方案。本文第三部分提出语言模糊集截集方法 ,通过语言模糊截集方法和 L OWA算子的混合使用 ,不仅能决策出最佳备选方案 ,而且可以给出备选方案间的一个排序。最后给出两个实例。