功能动作筛查的应用研究

功能动作筛查是通过7个基本动作和3个疼痛筛查动作,对人体基本动作模式的完成情况进行确认、分级和排序,进而对受试者的运动损伤风险进行预防的评估体系;应按照"评分排序原则"和"动作排序原则"对筛查分数进行排序以确定纠正治疗的顺序;功能动作筛查的纠正策略应遵循着"评估"-"灵活性纠正练习"-"静态稳定性纠正练习"-"动态稳定性纠正练习"-"力量练习"的流程逐一进行。

数据压缩技术的应用与研究

主要介绍了数据压缩技术的基本概念、基本原理 ,常用的数据压缩技术及分类 ,数据压缩标准以及数据压缩的应用。

基于案例信息的多准则群决策分类方法

针对多准则分类问题中决策者难以提供分类模型参数以及多人参与决策的复杂性,给出了基于案例信息的多准则群决策分类方法.该方法首先根据效用函数分类模型的基本性质定义了案例信息的一致性,根据决策者的不同决策权重定义了案例信息的可信度.然后,建立整数规划模型从各决策者的案例信息中挑选出可信度最大的一致案例信息,并利用该信息和一致性条件对所有待评价方案分类.在分类过程中,直接利用案例信息分类,不需要设置分类边界参数.最后,通过一个MBA项目分类的实例说明了方法的可行性与合理性.

基于模糊偏好关系的多准则群决策分类方法

提出了一个基于模糊偏好关系的多准则群决策分类方法.该方法要求各决策者分别提供参考方案之间的模糊偏好关系,并根据决策者的权重构造参考方案的群体一致模糊偏好关系矩阵.通过启发式算法将各准则下的评价值划分成若干个子区间,并根据群体的一致模糊偏好关系矩阵和各类中方案数的限定,建立混合整数规划模型来确定方案的分类结果.最后通过一个MBA项目评价的算例验证了方法的可行性与稳健性.

离岸服务外包承接地的分类决策方法

离岸服务外包已经成为企业界关注的热点,服务外包承接地的选择直接影响着外包项目的实施效果。利用UTADIS分类法中的分类规则和效用函数形式,构建了一个划分离岸服务外包承接地的多准则分类模型。该模型考虑到离岸服务外包环境的复杂性和发包决策者认知的有限性,允许决策者提供关于服务外包承接地的不完全分类信息,并根据这些分类信息对外包承接地分类。最后,采用A.T.Kearney公司2009年的全球服务区位指数数据,对50个服务外包承接国进行了分类,分类结果说明了方法的可行性。

基于非结构模糊决策的中国药品安全管理体系研究

基于安全管理理论和中国药品管理实践,通过专家意见和社会调查,确定中国药品安全管理的要素和决策标准;运用非结构模糊决策方法确定中国药品安全管理中各重要要素的权重,从而探索中国药品安全管理体系;对体系的不同要素进行排序。研究表明:影响中国药品安全管理的主要要素有,安全交易、许可制度、药品利润率、可追溯体系、药物警戒、应急管理;决策标准是,成本、经济水平、硬件条件、从业人员素质、消费者观念;重要性排序是,可追溯体系、许可制度、药物警戒、应急管理、安全交易、药品利润率。药品安全管理体系的建立和要素排序为政府监管提供了科学依据。

基于ELECTRE TRI的维修任务优先级分类方法

在任务执行期合理、科学地确定维修任务的优先级别对于有序、高效地组织维修保障活动具有重要意义。将ELECTRE TRI方法应用于任务执行期修维修任务优先级分类问题中。首先,介绍了ELECTRE TRI方法;然后,给出了维修任务优先级评估指标体系及其模型构造方法,利用粒子群算法推断ELECTRE TRI模型指标的权重系数、分类阈值、无差别阈值、偏好阈值、否决阈值、截止水平等参数。最后,应用该方法对具体实例进行了求解,验证了方法的有效性和可行性。

基于协调权的案例学习群决策分类方法

基于案例学习的决策方法具有易于理解、贴近实际决策过程的优点,成为当前决策领域的一个研究热点。文中针对如何有效地集成不同决策专家提供的案例信息,提出了一种基于协调权的案例学习群决策模型用以解决多属性分类决策问题。该方法首先针对各决策者给出不同案例数据,通过构建混合整数规划模型,识别出具有一致案例信息重要度最大化的典型案例集。然后设计了分类阈值远离程度最大化模型,以此确定兼容各个决策者案例信息的指标权重(协调权)和最优分类阈值,由此构建一致性的效用函数并应用获得的阈值进行分类决策。最后通过案例研究以及与其他模型的比较分析,验证了方法的可行性。

企业研发项目中止决策的灰靶分析模型

中止决策是研发项目过程管理中不可或缺的环节,是企业提高研发效率、改善资源配置的有效手段。根据该问题模糊多属性分类决策的本质,以案例分析为起点,结合模糊集与灰靶决策理论构建求解属性权重、临界点等分类参数的优化模型,利用所得参数计算待判项目的综合靶心矩,最后按照综合靶心矩所属区间对待判项目进行分类决策。将所提方法应用于一个具体的决策分析过程,其可行性和合理性得到验证。

区间数多准则分类问题的一种UTADIS扩展方法

针对带有区间数的多准则分类问题,扩展了传统的UTADIS(UTilites Additives DIScriminantes)方法,提出了一种区间UTADIS(interval UTADIS,IUTADIS)方法。该方法不是将区间数转化为一个精确值(如均值),而是根据区间数的端点,建立一个线性规划模型,得到了各方案的分配范围,即分类区间。由于是直接采用区间数的端点计算,所以可以尽量减少因区间数运算带来的信息损失;并且,决策人对部分方案的分配,只需提供分类区间,这样可使该方法更加灵活。最后,用一个算例说明了该方法的可行性。

应急物资运输路径多目标优化模型及求解算法

针对应急前期运输商自有车辆不足的实际背景,采用自有车辆和第三方租用车辆共同配送的运输模式,对混合车辆路径的组合优化问题进行研究。首先,考虑需求点和运输商的不同利益诉求,以系统满意度最大、系统配送时间和总成本最小为优化目标,建立带软时间窗的多目标混合车辆路径优化模型。其次,考虑NSGA-Ⅱ算法在求解该类问题时收敛性差和Pareto前沿分布不均匀的缺点,将蚁群算法的启发式策略和信息素正反馈机制用于生成子代种群,非支配排序策略模型用于指导算法的多目标择优过程,并引入变邻域下降搜索以扩大搜索空间,提出求解多目标的非支配排序蚁群算法以突破原有算法瓶颈。算例表明:构建的模型可对决策者在不同的情境下依据不同的优化目标选择合理的路径提供参考,提出的算法在求解不同规模的问题和不同分布类型的问题中均表现出较好的性能。

基于自适应遗传算法的雷达信号特征选择

特征选择是机器学习领域的研究热点,是解决维数灾难的有效途径之一。采用一种新的自适应遗传算法和新的特征集评价准则(DFS)作为特征选择的方法。该遗传算法利用有限齐次马氏链进行建模,同时采用佳点集的方法,提高算法的准确度。该特征集评价准则通过计算特征集合中全部特征对于雷达信号分选的联合贡献来判断特征集合的优异性。仿真实验表明,该算法在雷达信号的特征选择的应用中,具有全局收敛性,有效地选择出最优特征集合,降低了特征维数,获得了更高的雷达信号分选正确率。

基于IVIF-VIKOR的雷达辐射源信号分选识别特征性能综合评价方法

为解决雷达辐射源信号分选识别特征评价不够客观和缺乏评价依据等问题,提出了一种基于区间模糊原理、模糊交叉熵和多准则折衷法的特征评价方法.首先通过区间模糊原理建立信噪比分级评价模型,并基于汉明距离进行寻优得出信噪比权重;其次结合信噪比权重和区间直觉模糊加权平均算子将分级模型整合成群决策矩阵,使用熵最大化法计算属性权重;最后基于多准则折衷法框架,采取模糊交叉熵实现特征方案排序.仿真实验结果表明,所提方法能够给出与实际仿真实验相一致的分选识别特征评价排序结果,并优于逼近理想点方法,验证了所提方法的可行性和有效性.

基于案例比较信息的多准则群决策分类方法

提出了一个基于案例比较信息的多准则群决策分类方法.该方法使用级别高于关系作为决策者的偏好模型.它要求决策者根据自己的偏好预先给出部分方案之间的比较信息.基于这些比较信息和决策者的重要度确定了具有最大可信度的群体一致案例比较信息集,并利用该信息集构建一个混合整数规划模型来计算方案的分类区间,从而引导决策者给出部分方案的精确分类信息.在此基础上,确定一个代表函数来获得其余方案的精确分类.最后通过一个实例说明了方法的可行性和合理性.

案例信息不确定下的多属性分类方法

针对实际决策问题的复杂性以及决策者认知的局限性,提出了一种案例信息不完全确定情况下的多属性分类方法.该方法采用二元语义处理方案的语言评价信息,以方案到正理想点的距离作为分类依据,利用案例集提供的分类概率信息建立区间目标规划模型,推导方案的属性权重及各个类的边界值.在建模过程中,考虑了案例信息的不确定性,并引入了可信度的概念,将总的可信度作为分类模型的评价标准.此外还从理论上证明了模型的合理性.最后,通过一个项目评价的分类实例说明了所提方法的可行性.

基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法

模糊群决策分类方法广泛应用于政治、经济与社会生活各个领域,可有效避免个人知识与经验局限性所导致的决策失误。针对信息不完备的多准则群决策问题,提出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法。首先,给出梯形直觉模糊集及广义梯形直觉模糊几何聚类算子,兼顾考虑群决策中相应依赖属性与决策者的决策偏好。其次,给出基于离散Choquet积分的TOPSIS算子（CI-TOPSIS）,以此为基础,进一步给出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类步骤,用于确定具有最大可信度群体一致案例比较信息集,并逐步引导决策者给出部分及全部方案的精确分类,充分考虑模糊决策环境下决策者偏好与案例比较信息的级别关系。最后,通过一个投资决策实例对所提出的多准则分类方法进行验证。实例分析表明：该方法克服了决策过程中信息的遗漏,充分保留了决策过程中信息的完备性,更适用于直觉模糊群决策环境下的决策实践,是一种非常有效和科学的方法,可应用推广到更多决策领域。本文所得结论,对于有效解决多人多投资方案的群决策问题,具有一定的借鉴意义。