[目的]探讨改进组合赋权法与多准则妥协解排序法(VIKOR)相结合开展茄芯化学品质评价,以期丰富雪茄烟叶质量评价方法。[方法]以云南茄芯烟叶化学成分为研究对象,引入变异系数和复相关系数改进传统CRITIC法(Criteria importance through i...[目的]探讨改进组合赋权法与多准则妥协解排序法(VIKOR)相结合开展茄芯化学品质评价,以期丰富雪茄烟叶质量评价方法。[方法]以云南茄芯烟叶化学成分为研究对象,引入变异系数和复相关系数改进传统CRITIC法(Criteria importance through inter-criteria correlation),采用e^(0/4)~e^(8/4)标度取代层次分析法(Analytic hierarchy process,AHP)中的1~9标度,并基于博弈论计算组合权重,利用无权重个体遗憾值改进的VIKOR法开展茄芯化学品质评价。[结果]与传统CRITIC法确定的化学成分指标权重相比,改进CRITIC法中钾的权重提升1.09倍,还原糖指标权重降低45.26%;e^(0/4)~e^(8/4)标度与1~9标度AHP法确权结果相比,权重大小排序一致,不同化学成分指标间权重的差异减小;改进VIKOR法与传统方法对茄芯化学品质的排序结果具有较高的一致性,但也存在不可忽略的差异,说明有必要在个体遗憾值中考虑权重的影响。[结论]改进CRITIC法能够解决传统方法确权受计量单位和正负向指标影响的问题,AHP法中通过标度的替代显著提升判断矩阵的一致性,无权重个体遗憾值条件下的VIKOR法在综合考虑化学品质整体表现的同时,突显了表现较差的化学成分指标的作用,评价结果相对合理。展开更多
大规模多视图聚类旨在解决传统多视图聚类算法中计算速度慢、空间复杂度高,以致无法扩展到大规模数据的问题.其中,基于锚点的多视图聚类方法通过使用整体数据集合的锚点集构建后者对于前者的重构矩阵,利用重构矩阵进行聚类,有效地降低...大规模多视图聚类旨在解决传统多视图聚类算法中计算速度慢、空间复杂度高,以致无法扩展到大规模数据的问题.其中,基于锚点的多视图聚类方法通过使用整体数据集合的锚点集构建后者对于前者的重构矩阵,利用重构矩阵进行聚类,有效地降低了算法的时间和空间复杂度.然而,现有的方法忽视了锚点之间的差异,均等地看待所有锚点,导致聚类结果受到低质量锚点的限制.为定位更具有判别性的锚点,加强高质量锚点对聚类的影响,提出一种基于加权锚点的大规模多视图聚类算法(Multi-view clustering with weighted anchors,MVC-WA).通过引入自适应锚点加权机制,所提方法在统一框架下确定锚点的权重,进行锚图的构建.同时,为增加锚点的多样性,根据锚点之间的相似度进一步调整锚点的权重.在9个基准数据集上与现有最先进的大规模多视图聚类算法的对比实验结果验证了所提方法的高效性与有效性.展开更多
文摘大规模多视图聚类旨在解决传统多视图聚类算法中计算速度慢、空间复杂度高,以致无法扩展到大规模数据的问题.其中,基于锚点的多视图聚类方法通过使用整体数据集合的锚点集构建后者对于前者的重构矩阵,利用重构矩阵进行聚类,有效地降低了算法的时间和空间复杂度.然而,现有的方法忽视了锚点之间的差异,均等地看待所有锚点,导致聚类结果受到低质量锚点的限制.为定位更具有判别性的锚点,加强高质量锚点对聚类的影响,提出一种基于加权锚点的大规模多视图聚类算法(Multi-view clustering with weighted anchors,MVC-WA).通过引入自适应锚点加权机制,所提方法在统一框架下确定锚点的权重,进行锚图的构建.同时,为增加锚点的多样性,根据锚点之间的相似度进一步调整锚点的权重.在9个基准数据集上与现有最先进的大规模多视图聚类算法的对比实验结果验证了所提方法的高效性与有效性.