向量型二元语义密度集结算子及其应用

针对多属性决策问题,面向二元语义信息,以向量的形式对决策信息进行集成,提出了向量型二元语义密度加权平均(V-TDWA)算子的信息集结方法.首先,对向量型二元语义密度加权算子及其合成算子的基本构建思路进行了介绍,并对其性质进行了分析.然后,基于信息分布的疏密程度讨论了向量型二元语义信息的分组问题,给出了一种基于向量相似度的聚类方法,在聚类组的基础上,通过最大化熵值法求解不同聚类组的密度权重.最后通过算例对向量型二元语义密度集结算子的应用进行了简要说明.

基于改进区间数密度集结算子指标群赋权方法

针对指标数据已知,而权重数据未知的群组赋权问题,给出了一种基于改进的区间数密度集结算子来进行指标群组赋权的决策方法。首先给出了区间数和区间数密度集结算子(IDM)的定义及性质,改进了以前区间数聚类的方法,应用直接法对一维区间数据组进行聚类,并定义了模糊统计量,以确定最为合理的一种聚类方式。然后基于改进的区间数密度集结算子这种数学模型,来解决指标值数据已知,而权重未知的群组赋权问题。最后举例说明该方法的可行性和实用性。

基于多源密度信息集结算子的组合评价方法

基于密度加权平均(density weighted averaging,DWA)中间算子的集结性质,构建了面向组合评价的DWAFor-ce算子,该算子对用于"组合评价"的"甄别奖惩"思想进行了方法性的拓展,可通过参数的控制对"甄别奖惩"的程度进行无限级的调节。DWAFor-ce算子具有适合组合评价问题的多种优良性质,并能对点数据或向量数据进行处理,同时具备了组合优化评价值或序值的集结结构。最后用一个算例验证了DWAFor-ce算子的有效性及一些新颖的特征。

毕达哥拉斯三角模糊数密度算子及其应用

针对属性信息为毕达哥拉斯三角模糊数(PTFN)的多属性决策问题,考虑属性信息分布的疏密关系,提出毕达哥拉斯三角模糊数密度(PTF-DM)算子。首先介绍PTFN及其相关运算法则,并基于模糊参考理想法(FRIM)的基本思想以及得分函数,运用有序增量分割法以实现PTFN的有效聚类。然后,提出PTF-DM算子及相应的合成算子,并运用熵值法建立规划模型确定最终的密度权重。最后,通过一个算例对PTF-DM算子的应用做一简要说明,结果发现PTF-DM算子具有较好的稳定性,在辅助决策者做出决策方面可以发挥良好效用。该方法以PTFN数据类型为背景,呈现信息表达及信息集成理念的新发展趋势,并进一步拓展密度算子的实际应用范围与决策工具的选择空间。

广义梯形模糊数密度加权算子及其应用

针对多属性决策问题,本文面向广义梯形模糊数的决策信息,提出了广义梯形模糊数密度加权算子(TF-DWA算子)的信息集结方法。首先介绍了广义梯形模糊数密度加权算子及其合成算子,并分析了其性质特点。然后,基于信息分布的疏密程度讨论了广义梯形模糊数的分组问题,通过质心排序指标值进行聚类。在此基础上,基于熵值法求解密度加权向量。最后,通过一个应用算例对本文提出的算子进行简要说明。