基于广义正交三角模糊数的WSM-TOPSIS群决策方法

结合广义正交模糊集和三角直觉模糊数,给出广义正交三角模糊数的定义和运算法则,在此基础上,对WSM和TOPSIS方法进行拓展,提出一种多属性群决策方法WSM-TOPSIS。考虑到决策者和属性的权重,该方法使用WSM对决策者提出的决策矩阵进行第一次集结,通过TOPSIS计算各方案的相对贴近度得到方案的优劣排序。最后通过实例和对比分析验证了该方法的有效性和实用性。

含广义三角模糊数的机械结构可靠度计算方法

针对可靠性度量时机械结构中存在广义三角模糊数的不确定性问题，提出一种基于证据理论的离散化机械结构可靠度计算方法．为合理地构建不确定性变量的基本概率分配，首先基于证据变量基本概率分配的离散特性，改进了熵等效法在广义三角模糊数去模糊化时的不足，并在改进熵等效法的基础上提出一种广义密度法对其进行去模糊化处理．然后利用离散化方法将随机变量和广义三角模糊数进行证据结构表征，并将离散的连续焦元序列（子区间）作为其证据体，进而构造其基本概率分配．最后利用证据融合法则对证据体进行融合，以实现信任度和似真度的数值计算．将所提出的方法运用于曲柄滑块机构的可靠度计算，并结合蒙特卡罗模拟法验证了该方法的可行性．

基于ISM和网络计划的口岸站流程脆弱度分析

为解决铁路国境口岸站流程中由于运作能力、运作方式导致的口岸瓶颈问题,应用解释结构模型(Interpretation Structure Model,ISM)和基于广义三角模糊数(Generalized Triangular Fuzzy Number,GTFN)的网络计划相结合的方法识别脆弱作业环节,并通过流程仿真进行了验证。首先,梳理铁路国境口岸站进口作业流程,构建进口作业流程的网络计划图,考虑作业时间统计的模糊性,使用GTFN表示流程时间,并基于信息向量的比较确定关键路径。然后,通过作业时间的比较,对关键节点进行排序,得到关键脆弱度,并结合ISM确定关键作业环节的层次,得到层次脆弱度,修正关键环节的综合脆弱度排序。最后,利用仿真技术定向攻击识别出的关键节点,根据攻击后流程输出数据变化,分析流程仿真的脆弱度。结果表明:ISM和基于GTFN的网络计划相结合的方法识别出了集装箱集结、审核报关单等脆弱环节;仿真结果与上述结果基本一致,验证了方法的可行性。

一种新的GBPA生成方法及其在模式识别中的应用

广义证据理论是一种在不完备识别框架中处理多传感器信息融合问题的实用方法.由于时代环境的影响,人们的认知存在局限性,难免会将不完备的识别框架认为是完备的,经典证据理论在这种情况下并不完全适用.因此,根据广义证据理论提出一种新的广义基本概率赋值(generalized basic probability assignment, GBPA)生成方法.该方法首先根据训练数据分别构造样本类别和测试样本的广义三角模糊数模型;然后通过计算样本和类别间的广义三角模糊距离生成GBPA;最后使用广义组合规则融合所有证据并得出最终的结论. Iris数据集的实验结果表明所提方法合理有效,即使在样本不足的情况下仍有较高的分类精度.