序关系分析下的多阶段交互式群体评价方法

针对传统的群体评价方法多是静态且无交互的局限性,提出了一种序关系分析下的多阶段交互式的群体评价方法.文章首先对序关系分析的思想进行了介绍,并给出了基于理想点法的单轮评价结果的确定方法;然后依据群体意见的波动程度来对其稳定性进行衡量,以此探讨交互终止的条件;最后在群体交互加权算子(DOWA算子和DOWGA算子)的基础上,对各轮交互结果进行了集结.为说明方法的有效性,给出了一个应用例子.

一种多阶段交互式群体评价方法

针对传统的群体评价方法多是静态且无交互的不足,探讨了一种多阶段交互式的群体评价方法。在给出几个假设条件之后,对多阶段交互群体评价的过程进行了描述;然后从"纵向"和"横向"2个角度出发,分别给出了群体意见的稳定性指标和一致性指标,以此探讨交互终止的条件;在群体交互加权算子(DOWA算子和DOWGA算子)的基础上,对各轮交互结果进行了集结。最后给出了一个算例。

多粒度不确定语言信息下的多阶段交互式群体评价方法

针对目前多阶段交互式群体评价研究较少且评价信息多为精确数或区间数的问题,以及大多数交互式群体评价缺乏对评价信息质量判断的不足,提出了一种新的多粒度不确定语言信息下的多阶段交互式群体评价方法.首先,定义了一个多粒度语言转换函数,将多粒度不确定语言信息一致转换为同一粒度下的不确定语言信息;其次,给出了一个语言型稳定性指标,以探讨交互终止的条件;最后,基于2个诱导不确定纯语言算子,分别对评价信息进行"横向"和"纵向"集结.实例分析验证了该方法的有效性与合理性.

基于交互式遗传算法的群体评价模型——以水利人才为例

针对水利人才评价的复杂决策问题,提出了一种基于交互式遗传算法的群体评价模型。以交互式遗传算法中适应度值为接口,实现了群体评价方法与交互式遗传算法的结合,通过人工智能技术把定性指标定量化,解决了水利人才评价这类复杂决策问题的优化目标非定量化的问题。在Matlab环境下建立仿真模型,并将其用于水利人才的评价。实验结果表明:该模型是可行和有效的,为这类复杂、模糊的决策问题提供了一种解决方法。

一种基于两阶段协商的群体评价方法

在群体评价中,针对不同专家(或利益相关者)之间对方案的评价经常存在意见不一致的情况,提出了一种基于两阶段协商的群体评价方法。首先依据给出的协商信息对协商群体进行了意见群划分,然后在此基础上分别对群内意见与群间意见进行了两阶段协商。该方法具有协调群体非一致性意见(或利益)、优化群体评价结论等特点。算例验证了方法的有效性。

基于密度算子的多阶段群体评价方法及应用

从密度算子的角度研究了多阶段群体评价信息的集结问题,并比较分析了各集结途径的评价结果.首先基于评价者判断的离散程度及与群体判断的接近程度,给出了一种评价者权重的确定方法,并基于时间度的概念,给出了阶段权重向量的确定方法.在此基础上,基于密度算子对评价信息进行多途径集结,同时考虑了同一时段和不同时段评价信息分布的疏密程度.最后,通过一个算例对多阶段群体评价信息集结方法的应用进行了说明,并对评价结果进行了比较分析.

基于概率犹豫模糊相似度的交互式群体决策方法

概率犹豫模糊集(probabilistic hesitant fuzzy set,PHFS)是犹豫模糊集的推广,在犹豫模糊集基础上通过为每个隶属度添加与之相对应的概率,以全面表达专家赋予的初始决策信息,是处理多属性指标决策问题的一种有效工具。首先,介绍了概率犹豫模糊数(PHFN)的基本定义和相关运算,指出了传统PHFN的得分函数和汉明距离的不足,并给出了改进方法。其次,通过适当补充隶属度集合中的元素数量提出了PHFN的汉明距离和相似度概念,依据专家赋予的评价矩阵引入了概率犹豫模糊矩阵(PHFM)相似度。最后,在概率犹豫模糊环境下基于PHFM相似度提出了一种交互式群体评价算法,并用实例验证了算法的有效性。

基于两阶段学习的专家群体评价信息集成方法研究

专家群体偏好信息集成是综合评价定性指标测度与指标权重主观分配的基础。首先基于半可加离散分布统一描述的不同类型及精度专家偏好信息,建立第一阶段学习,统一其精度。然后重新界定群体偏好一致性概念,提出相适应检验方法,在此基础上建立第二阶段学习,调整非一致性的群体偏好至满足集成要求,并给出基于马尔科夫链的信息集成方法。上述两阶段学习通过模拟群体专家间的交互反馈机制,尽可能贴近偏好调整实际的同时无需专家参与,提高集成方法的可操作性及效率。最后,通过实例验证了基于两阶段学习的专家群体评价方法的可行性和有效性。

基于动态加权网络凝聚度的交互式评价信息集结法

针对多阶段交互式群体评价信息集结问题,以动态交互网络为切入点,提出一种新的、基于动态加权网络凝聚度的交互式评价信息集结法。该方法将评价者视为节点,以两两评分间的相似性为联系,从而构造有权无向的网络邻接矩阵,并借助网络凝聚度来确定评价者权重,以此"横向"集结评价信息;通过紧密度的变化来确定交互终止判定条件,并设计规划函数来求解阶段权重,进而"纵向"合成评价结果。该方法可较全面、准确地集结群体意见,符合SR原则,同时评价结果的稳定性亦较理想,实例分析表明了其有效性和可行性。

大规模混合信息下的交互式群体评价方法及应用

针对目前多阶段交互式群体评价研究大多是基于单一评价信息且多适用于中小规模群体的不足,提出了一种大规模混合信息下的交互式群体评价方法.文章首先选用不同的函数对混合信息进行一致化处理;其次运用语言系统聚类的方法对评价群体进行划分,并在每类中选取一个"委托者"来进行下轮的交互;然后给出了稳定性和一致性指标,以此来判断交互终止;最后在密度加权平均算子和认可度诱导语言算术加权集结(RLOWA)算子的基础上,对评价信息进行单轮和多轮的集结.算例验证了方法的有效性和普适性.

医学院校博士后研究人员出站考核评价的研究

世界各发达国家发展科技和培养高级人才的成功经验表明,博士学位培养只是获得高级知识一个初级阶段,从获得学位到成为独立的创造性人才还需要一个过渡性的适应与转换阶段[1].

基于犹豫毕达哥拉斯模糊矩阵相似度的交互式群体评价方法

犹豫毕达哥拉斯模糊集(HPFS)不仅是毕达哥拉斯模糊集(PFS)和犹豫模糊集(HFS)的结合,而且是处理多属性指标信息群体决策问题的一个新工具。本文首先回顾了犹豫毕达哥拉斯模糊数(HPFN)的一些基本定义和相关运算。其次,通过适当补充隶属度、非隶属度集合元素数量和海明距离引入HPFN的相似度,并基于专家赋予的评价矩阵提出犹豫毕达哥拉斯模糊矩阵(HPFM)的相似度。最后,在犹豫毕达哥拉斯模糊环境下基于HPFM相似度设计一种交互式群体评价方法,并通过实例验证该方法的有效性。

基于密度算子的多阶段群体评价信息集结方法及其应用

在群体评价中,已有的信息集结算子大都没有考虑到信息分布的疏密情况.针对这种不足,提出一种基于密度算子的多阶段群体评价信息集结方法.首先给出了评价数据的分组与密度加权向量的确定方法;然后定义了两种新的算子—–密度算术加权平均算子(DMWAA)和密度有序加权平均算子(DMOWA),并分别用于评价信息的横向和纵向集结;最后给出了一个应用算例,结果表明该集结方法具有定性判断与定量分析等优良特性,且可拓展性强.

两阶段子群群组评价机制的设计

当评价活动趋于大规模时,实现个体成员的"逐一评价"和全体成员的"交互式评价"困难重重.基于此,对传统的群组评价技术进行了改进,提出了一种两阶段子群群组评价技术.首先,对主体和客体进行分子群评价,减弱了大规模情形对评价活动的影响;其次,根据子群内的一致性意见进行等距抽样,并对样本实行全体成员间的交互式评价,以避免不同子群评价标准不一致对评价结论的影响.另外,根据样本意见进行测验等值,得到非样本客体的全体一致性意见,增加了评价结论的科学性和可靠性;最后,给出了应用算例,结果表明该方法具有可操作性和必要性.

东部地区制造企业悟性创新研究

有关研究表明,悟性创新在制造企业的发展过程中起着重要作用,但是悟性创新对制造企业发展的影响并未引起学者们的研究重视。因此,提出了多阶段交互式群体评价和序关系分析相结合的方法,选取东部地区制造企业实证分析其悟性创新情况。研究结果表明,在制造企业的发展过程中,悟性创新可以促进制造企业的更好发展。

也谈“差生”

“差生”在每个教育群体中都或多或少地存在着，这是每个教育者都熟知且头痛的话题，他们也是教育的弱势群体。尤其对于我们职业学校而言，更是“群英荟萃”。面对这些义务教育阶段的失败者，为人师的我们真的需要好好思索一下。多年来传统的评价方式是，评价一个学生的好坏，

试卷讲评怎样更有效

练是基础,讲是精华.测试后的讲评是教学中的重要环节,其目的是反馈测试评价的结果,让学生了解自己的知识、能力水平,弥补缺陷,纠正错误,提高分析和解决问题的能力,促进后续阶段的教学.但据调查,试卷讲评时,大部分教师认为公布正确答案,学生听懂改错就行;有些教师独揽讲评大权。

发挥比赛活动的效应

比赛在幼儿园是经常开展的活动。有计划地举行各种内容丰富、形式多样的比赛,能增强幼儿的群体意识,还可给幼儿一个与他人比较的机会,使孩子对自己有个正确的估价和认识。比赛是形式,而发挥比赛的效应才是目的。几年来,我在组织孩子参赛的过程中,体会到比赛的主要效应在于:一、激发孩子的进取心班里有40多个孩子。