基于施密特正交马田系统和Ф_s转换的灰模糊积分关联度决策模型

针对传统灰关联度不能有效处理属性间存在的交互作用问题,定义了灰模糊积分关联度的概念,并给出了利用Фs函数将属性权重与属性间的交互度转换为λ模糊测度的方法;对于属性权重的计算,提出一种利用施密特正交马田系统计算属性权重的方法,该方法不但考虑了决策者的主观偏好,而且可以消除属性间的重叠信息,从而使权重的计算更加合理;构建了灰模糊积分关联度决策模型,并给出了详细的决策步骤.最后,通过实例验证了所提出的决策模型的可行性,并分析了不同交互度对决策结果的敏感性.

防空导弹装备光学伪装效果的集对评估模型

为解决传统光学伪装效果评估指标考虑不全的问题,从敌方侦察能力、装备隐真能力、装备示假能力以及环境四个方面建立了装备光学伪装效果评估指标体系。首先,采用施密特正交马田系统(MTGS)计算指标的权重,不仅考虑了评估者的知识及经验偏好,同时也消除了指标间的信息交互,权重的确定更加合理。然后建立了基于集对分析的评估模型。最后,通过实例验证了评估模型的可靠性。结果表明该模型在装备光学伪装效果评估及伪装器材选取方面具有一定的应用价值。

化工企业烧碱产能预测的研究

为了有效的提高化工企业烧碱产能预测的精度,针对影响烧碱产能多因素间的不确定性和因素间的交互作用,提出了一种施密特正交马田系统(MTGS)与粒子群算法优化BP神经网络(PSO_BP)相结合的烧碱产能预测方法。采用施密特正交马田系统把影响烧碱产能的七个因素减少为六个核心因素,减少了PSO_BP的输入量,提高了烧碱产能预测系统的快速性;对粒子群算法优化的BP神经网络建模,构建MTGS_PSO_BP的烧碱产能预测模型,提高了预测的精度。最后用MATLAB进行仿真测试,与BP神经网络的预测结果相比,预测误差明显小于BP神经网络,具有更高的预测精度,为烧碱产能预测提供了一种新的科学、有效的方法。

基于MTS的判别分析研究

马田系统是一种新的模式识别技术,这种技术的主要思想是通过构造一多维基准测量空间对多维数据资料进行诊断与预测。通过对马田系统基本原理的研究,将其应用于Fisher关于鸢尾花类型的判别问题,结果表明,MTS方法具有良好的判别效果。

灰模糊积分关联度决策模型

灰关联度决策模型是在假设属性之间彼此相互独立的基础上构建的,但是在很多实际问题中属性之间往往存在一定的交互作用,从而导致灰关联度决策模型失效。针对这一问题,引入模糊积分理论,构建了灰模糊积分关联度决策模型。为求解该模型,定义了基于属性权重和属性间交互度的默比乌斯变换系数,来计算2可加模糊测度,其中属性权重通过序关系分析法和施密特正交马田系统共同确定,属性间的交互关系和交互度由专家确定。以廉租房保障家庭经济状况评估为例,对灰模糊积分关联度决策模型和灰关联度决策模型进行比较验证,验证结果表明灰模糊积分关联度决策模型的决策结果更加科学合理,有较好的应用价值。