基于Vague集距离的多评价指标模糊决策方法

给出了Vague集的基本概念和Vague集多评价模糊决策的概念 ,提出了一个新的基于Vague集距离的多评价指标模糊决策方法 .在这个方法中 ,提出了理想方案的概念和候选方案对满足多评价指标的不确定性的概念 。

基于多评价标准融合的医疗数据特征选择算法

基于医疗数据具有高维度、稀疏等特点,本文提出了一种融合多个评价标准的递归特征消除算法.首先,应用过滤型特征评价标准对特征进行初步筛选;然后,采用特征序列方法对多个特征评价标准的结果进行融合;最后,结合递归特征消除搜索方法进行特征选择.在医疗数据集上与使用单一评价标准的特征选择方法进行疾病预测性能对比实验.结果表明:本文所提方法的预测表现优于其他特征选择方法,其预测的AUC值、精确率、召回率、F1值、准确率均有所提升.

基于多评价因素的面状要素合并变换算法

为解决同一地物数据被重复采集而导致的数据二义性问题,综合不同来源数据的点位精度差异的影响,提出一种基于多评价因素的面状要素合并变换算法.首先分析确定影响合并变换的三大主要评价因素,通过熵法决定其重要性,并将其综合来确定要素的可信度;然后根据离散Fréchet距离识别同名面状要素上的同名点对,进而使用位置加权平均来获得合并变换后的位置.结合海陆图的部分面状要素对该算法进行检验的结果表明,其提高了面状要素的空间位置合并变换质量.

基于Vague集模糊推理的多评价指标模糊决策方法

提出一个基于Vague集模糊推理的多评价指标模糊决策方法,并从基于Vague集的模糊推理的观点看待模糊决策问题。将评价指标和侯选方案之间的关系用一组基于Vague集的推理规则来表示,将决策者的要求用一组Vague集来表示,经过模糊推理等过程最后得到决策结果。

基于多评价函数法的可重构性指标分配

针对多目标优化的可重构性指标分配问题,给出了一重和二重可重构性指标的计算方法。结合多目标优化特点和可重构性指标的定义建立了可重构性指标分配的多目标优化模型。在此基础上提出了一种多评价函数法,用于系统可重构性指标分配,该方法对相互冲突的多个目标建立不同的评价函数,通过在可行解内协调得到最优化结果,最后将其应用于串联系统进行仿真,并与线性加权和法的结果作比较,结果显示基于多评价函数的可重构性指标分配方法更具有效性。

基于多评价因素的地图要素几何位置调整方法

为解决同一地物数据被重复采集而导致的数据二义性问题,综合不同来源数据的点位精度差异的影响,提出一种基于多评价因素的地图要素几何位置调整变换算法。分析确定影响调整变换的三大主要评价因素,通过熵法决定其重要性,将其综合来确定要素的可信度;对于线状、面状要素来说,采用离散Fréchet距离来识别同名要素上的同名点对,使用位置加权平均来获得调整变换后的位置。结合海陆图的部分要素对该算法进行检验的结果表明,其提高了要素的空间位置调整变换质量。

CAD/DFM系统中的多评价系统集成

面向制造的设计 (DFM)的应用扩大了传统设计活动的范围 ,即在设计阶段就识别和消除制造过程中可能出现的问题。然而 ,制造过程中包含许多不同类型的活动 ,且每一类型的活动都有各自的特点和要求。通常一种设计可能对一种制造环节是可行的 ,但对另一种却不合适。这里提出了一个CAD/DFM多评价子系统集成的体系结构 ,在给出的系统框架中 ,当设计师设计一个产品时 ,有一组基于各个不同的制造环节 (如机加工、装配、测量等等 )的评价系统来分析其可制造性并给出改进设计的方法和建议。通过集成模型解决来自不同评价系统的冲突 ,给设计师提供了一个综合要求的信息反馈。

基于Vague集模糊推理的多评价指标模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入,并运用于决策问题中,有学者已把Vague集用于多评价指标的模糊决策中,但其决策方法在某些时候却难以得到目标。为此,本文提出了一个基于Vague集模糊推理的多评价指标模糊决策方法。在这个方法中,从基于Vague集的模糊推理的观点来看待模糊决策问题。将评价指标和候选方案之间的关系用一组基于Vague集的推理规则来表示,将决策者的要求用一组Vague集来表示,经过模糊推理等过程最后得到决策结果。然后还给出了一个实例说明这种多评价指标模糊决策方法。这个基于Vague集模糊推理的多评价指标模糊决策方法的提出为决策系统提供了一个有用的工具。

兼顾多评价对象差异与和谐的客观赋权方法

在比较分析基于拉大差距的客观赋权方法和基于和谐思想的客观赋权方法的基础上,总结二者关系的三种性质,提出兼顾多评价对象差异与和谐的客观赋权方法,进而采用该方法对中国31个省份知识竞争力进行评价,验证了该方法的科学性。

基于多评价准则融合的特征选择方法

为降低特征维数并提高分类准确率,提出一种基于ReliefF算法、互信息和类可分性法的多评价准则融合特征选择方法。利用序关系分析法确定3种评价准则的重要性权值系数,按照多评价准则融合模型获得特征重要性排序,通过支持向量机分类器实现最终特征选择。通过3个UCI标准数据集进行仿真实验,实验结果表明,和单准则的特征选择方法相比,该方法在保证良好鲁棒性的基础上,能够有效降低特征维数,具有更高的分类准确率。

多评价指标的首达目标的收益决策模型

本文研究了在限定时刻之前首先满足多个评价指标的收益决策问题,构造了离散时间状态下的依分布最优的决策模型,分析了模型的目标函数的性质,得到求解目标值的方法,并详细讨论了模型的最优策略的性质和结构,从而将最优策略限制在平稳策略中寻找.

基于多评价因子的多源同名要素整合方法研究

同一区域相同比例尺的地理空间数据经常被多次重复测绘,数据差异性导致其可共享性差,不利于多源数据的一体化应用,本文以某沿海区域现有两种来源矢量数据为基础,通过研究同名地理空间矢量数据匹配方法和多源数据整合策略,设计了基于多评价因子的多源同名要素整合方法,实现多源同名要素地理空间矢量数据的有效集成。

风电功率预测模型的多指标融合评价方法

目前风电功率预测模型种类很多,模型评价是进行模型优选的重要依据。针对从单一指标进行评价比较片面,而不同指标下的最优模型又往往不统一的问题,提出了一种基于离差最大化的多指标融合评价方法。首先建立了风电功率预测模型的评价指标体系,根据离差最大化思想来确定各指标的权重系数,最终计算融合评价值得出各模型的评价排序及最优模型。采用山西某风电场的实际数据进行MATLAB仿真研究,并利用两组预测数据进行对比验证,仿真结果表明,该融合评价方法可以得出较为全面、稳定的评价结果,且操作步骤简单,能够有效地指导模型评价。

活塞-缸套摩擦副状态表征参数选取方法研究

建立柴油机试验台架采集数据,对机体表面振动信号进行时频分析,探明不同激励源与机体表面振动信号的关系。选取变分模态分解(variational mode decomposition,VMD)算法对振动信号进行分解,提取各分量的表征参数。通过探究转矩、转速、润滑油温度及配缸间隙与各表征参数的相关性,初步确定相关性强的表征参数集。通过多评价准则对上述表征参数集进行分析,最终得出贡献度最高的表征参数为本征模态函数(intrinsic mode function,IMF)1的标准差、均方频率、峭度、最大奇异值、频域积分和IMF6的脉冲因子、标准差、重心频率、频率方差及最大奇异值。

创新型企业评价方法优选研究

近年,关于创新型企业的评价研究成为学界关注的热点,学者们尝试用各种各样的评价方法对企业进行创新能力的评价,但各家基本上仅仅使用一种方法,无法彼此验证评价的质量。因此,对学者们常用的创新企业评价方法进行对比研究、优选,非常必要。通过选用6种量化、可比的评价方法,运用某地区20家创新型试点企业的数据进行综合评价,对同一对象不同方法得出的评价排序结果采用斯皮尔曼等级相关系数进行优选,可知Topsis法优于其他方法。

含分布式电源配电网运行效率的多指标评价方法

分布式电源DG(Distributed Generation)接入配电系统的形式多样。对于DG接入配电网的评价过程中一直缺少全面、综合的方法,提出了有功网损、电压偏移、电压稳定性和DG运行效率四个配电网评价指标,并基于粒子群算法对DG的并网位置和容量进行多目标优化。最后,将提出的评价指标和优化方法应用于IEEE33节点配电网标准算例,分别对DG的接入位置和接入容量进行了单目标和多目标优化。仿真结果表明,合理选择DG的接入地点和并网容量,可以兼顾配电网网损、电压偏移、电压稳定、DG运行效率多个评价指标,得到最优的DG接入配电网方案,对更多DGs接入配电网提供有价值的参考。

基于多评价标准的代理模型综合比较研究

代理模型是指利用有限的样本信息建立结构输入与输出之间的数学关系,其在复杂装备的结构和多学科设计优化中的应用日益广泛,为了获取不同代理模型在代替仿真分析或物理试验时的表现效果,采用38个测试函数对常见的代理模型方法进行了系统对比。对九种代理模型在不同样本数量、不同非线性程度、不同维度的测试函数下的预测精度进行研究,并分析了模型在不同维度测试问题下的计算成本,最后通过两个工程实例对比了不同代理模型的预测性能。结果表明,在所有模型未进行参数优化的情况下,传统的代理模型(多项式回归,径向基函数模型,支持向量回归,克里金模型)在工程分析时能保持较好的预测性能;支持向量回归在大多数测试函数下,总能保持较好的预测精度;径向基函数在高非线性问题中鲁棒性最好,随机森林在低非线性问题中表现出更好的鲁棒性。因此,针对不同的回归问题,采用相适应的模型能进一步提高计算结果的准确性和效率,对研究回归模型在优化设计领域中的应用具有指导意义。

新课程背景下语文教学及评价的多元化趋向

各种新兴学科的发展,要求我们的语文教学通过文理的交叉渗透,提高学生知识信息的接收量。以众彩纷呈的教学风格,采用多媒体教学辅助手段,帮助学生感受和理解所学内容,增添教学内容的源头和活水,扩大信息量。我们的语文老师要从尊重学生主体的目的出发,注重语文课程评价的多元化,改变以往单一的用学生结果来衡量学生学习和教师教学好坏的标准,而且我们也提倡教师的教学活动接受学生的评价。

基于ESN的多指标DHP控制策略在污水处理过程中的应用

针对污水处理过程(Wastewater treatment process,WWTP)溶解氧(Dissolved oxygen,DO)及硝态氮浓度控制问题,提出了一种多评价指标的DHP(Dual heuristic dynamic programming)控制策略.该策略能够降低评价指标的复杂性,提高评价网络的逼近精度.采用回声状态网络(Echo state networks,ESNs)实现评价函数及控制策略的逼近,研究了控制器的在线学习算法.实验表明,该策略在控制性能上优于单评价指标的DHP策略及常规PID控制策略.

基于卷积神经网络与特征选择的医疗图像误差预测算法

针对传统医疗图像误差预测算法无法很好的选择图像特征,存在图像误差预测值与实际值拟合度低、预测耗时长等问题,提出基于卷积神经网络与特征选择的医疗图像误差预测算法.首先,选取5种集成规则构建自适应多分类器,对医疗图像区域进行分类;其次,训练卷积神经网络,利用训练完成的神经网络提取不同类别医疗图像区域特征,以此为基础计算区域距离,寻找出相似度最小的区域,完成图像可疑区域定位;再次,融合多评价标准生成特征子集,从中搜索得到最优特征子集,完成可疑区域图像特征选择;最后,以选择得到的特征区域像素点作为训练样本,建立预测样本与训练样本之间的多元线性回归矩阵,实现误差预测.实验结果表明,所提算法的集成规则适应度较高,分类性能好,区域距离计算准确率高达95%左右,特征选择的AUC值(Area Under Curve)高,且预测结果拟合度和预测耗时均优于传统算法.