融合关联性准则模糊测度的改进型VIKOR方法研究

多准则决策环境下,厘清准则关联性对决策结果影响机理将有助于提高决策结果的可靠性。首先,详细阐述了关联性准则的模糊测度表征的shapley值和交互系数;其次,以VIKOR方法为基础,深入分析了关联性准则对群体效用值和方差以及个体遗憾值的影响规律,提炼并总结了3条重要性质;再次,提出了包含准则交互系数的改进型VIKOR方法;最后,通过实例的对比研究凸显了本方法的优越性。

面向大规模数据精简的聚类中心点优化和FCM算法设计

基于FCM的大规模数据聚类算法设计中,聚类中心点选择的迭代次数较多易于造成算法模型伸缩性不强、敏感性较弱和陷入局部最小值的难题.以大规模数据点精简算法设计为切入点,研究初始聚类中心点选择与FCM模型设计.首先,基于K近邻思想提出了数据点精简算法,获得精简之后的代表点集合.其次,兼顾原始数据点的稀疏程度和精简后代表点的分布特征,提出了基于密度的初始聚类中心点选取规则和具体步骤.再次,基于代表点集合和初始聚类中心点结果,给出了一种精简再融合的两阶段聚类算法.最后,运用仿真方法说明了本方法的有效性和优越性.