基于GRA-GCRITIC和改进加权双向投影的区间Fermatean模糊多属性群决策方法

针对司法案件决策环境的复杂性及评价信息的模糊性,提出一种基于GRA-GCRITIC(grey relational analysis-group criteria importance through intercriteria correlation)和改进加权双向投影的区间Fermatean模糊Hamacher-TODIM多属性群决策方法。首先考虑到各位专家对各评价方案下各指标评价信息的差异性,提出一种GRA-GCRITIC方法,该方法将灰色关联融入到CRITIC中,以确定指标综合权重比单一获取的指标权重更加客观可靠;其次,结合信任关系对加权双向投影法进行改进,兼顾主客观关系,利用专家个体与群体评价信息的隶属度及非隶属度矩阵间的相似度得到专家权重;最后,考虑到决策者的损失规避心理,将融合了Hamacher算子的TODIM方法拓展至区间Fermatean模糊环境中,通过具体算例可得到其综合优势度及排序,验证了所提方法的可行性及灵活性。

基于加权双向投影的决策专家权重确定方法

针对现有单向投影法存在相似度误判的问题,提出一种区间数矩阵加权双向投影公式,其能更好地度量矩阵间的相似性关系,进而提出基于加权双向投影的专家权重确定方法。首先将每位决策专家的决策矩阵进行集结形成平均决策矩阵,然后通过专家个体隶属度矩阵、非隶属度矩阵与群体平均隶属度矩阵、非隶属度矩阵的加权双向投影值来获得专家个体与群体的相似度,进而通过相似度确定每位专家的权重。不仅充分利用了决策数据,还解决了现有投影法相似度误判的问题。最后通过3种具体的决策实例分析,验证了所提方法的有效性以及适用性。

双向二维加权LPP语音特征降维算法

提出一种双向二维加权局部保持投影算法(Two-directional Two-dimensional Weighted Locality Preserving Projections,(2D)2WLPP)用于语音特征提取后维度的降低,考虑到普通的二维降维算法只能从一个方向进行特征降维且所降至的维数选择非常受限,该方法能够从水平和垂直两个方向对语音矩阵进行降维处理,这样可以大大降低提取后的语音特征数目;考虑到不同投影向量对保持局部结构的重要程度不同,进而对各个特征赋予不同的权重系数.实验证明,该算法运算速度快,与已有的二维局部保持投影相比,获得了更高的识别率.

基于情景模糊集的教学档案管理员服务质量评价

采用数学方法评价教学档案管理员的服务质量,不仅能使评价结果更加科学合理,而且能够为改善教学档案服务质量提供坚实的数据基础。为了研究教学档案管理员的服务质量评价问题,本文给出情景模糊集上的加权双向投影概念,并构建基于加权双向投影和TOPSIS的情景模糊多属性决策模型。该模型以情景模糊加权双向投影衡量方案与正、负理想方案之间的相似性,然后根据方案的相对贴近度对方案进行优劣排序,并选出最优方案。最后,通过实例论证该方法的有效性和可行性。