为了解决在实际决策时,由于知识背景不同决策者采用不同粒度语言术语集来表达而导致决策结果不准确的问题,本文提出了一种基于多粒度犹豫模糊语言术语集的逼近理想解排序(technique for order preference by similarity to ideal soluti...为了解决在实际决策时,由于知识背景不同决策者采用不同粒度语言术语集来表达而导致决策结果不准确的问题,本文提出了一种基于多粒度犹豫模糊语言术语集的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)决策方法。首先选用各术语集中的最大粒度作为标准粒度,通过转换算法将每个决策者的语言术语集转换到同一标准粒度下进行集结,得出相应的隶属度语言术语集;然后结合TOPSIS方法,计算每个备选方案与正、负理想点距离,以相对贴近度的大小排序实现最优方案的选择;最后,通过一个实例,验证该方法的可行性和优越性。本文所提方法可应用于最优方案的选择问题中,提升决策结果准确度。展开更多
在研究多属性群决策问题的领域中,概率犹豫模糊术语集(hesitant probabilistic fuzzy set,HPFS)作为犹豫模糊集的一种扩展,正广受关注。针对目前在概率犹豫模糊语言环境下,考虑用主客观结合的方式来求解权重以及对方案排序的过程中存在...在研究多属性群决策问题的领域中,概率犹豫模糊术语集(hesitant probabilistic fuzzy set,HPFS)作为犹豫模糊集的一种扩展,正广受关注。针对目前在概率犹豫模糊语言环境下,考虑用主客观结合的方式来求解权重以及对方案排序的过程中存在的问题,提出了一种基于前景理论和逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)相结合的多属性群决策模型。首先根据已知的主观决策者权重,经过一致性调节运算得到决策者的综合权重;其次利用熵值法构建了属性权重的求解模型;在充分考虑决策者心理行为的前提下,求解出正、负理想解矩阵,并且基于TOPSIS方法实现多个备选方案之间的优劣排序;最后,通过实例验证了该模型的可行性和有效性。展开更多
云计算环境中,租户将数据存储于SaaS(Software as a Service)应用平台中,利用分块混淆的隐私保护技术将数据切分为多个数据块并存储到不同的存储模式中,实现明文状态下租户数据的分离与保护.但是这种隐私保护技术的隐私保护程度如何,用...云计算环境中,租户将数据存储于SaaS(Software as a Service)应用平台中,利用分块混淆的隐私保护技术将数据切分为多个数据块并存储到不同的存储模式中,实现明文状态下租户数据的分离与保护.但是这种隐私保护技术的隐私保护程度如何,用户是无法明确感知的,为此,针对分块混淆的隐私保护技术,该文提出一种基于概率统计与德尔熵值法的隐私保护综合评价模型.首先分析了基于分块混淆的隐私保护技术的当前状况,在此基础上定义了隐私保护评价指标,利用概率统计的知识,定义评价指标的计算规则,构建隐私保护层次分析模型,通过由数据块层到数据存储模式层(Data Storage Mode,DSM)层再到顶层回逆的方式,得到隐私保护后数据分布的评价指标值;然后分析了德尔菲法和熵值法在权重确定方面的优势,将德尔菲法的主观判别与熵值法的客观判断相结合,改进两种方法的计算过程,提出基于德尔熵值法的指标权重确定模型,得到隐私保护效果评价指标的权重;最后定义评价等级,建立基于概率统计和德尔熵值法的隐私保护综合评价模型,实现基于分块混淆的隐私保护技术的综合评价.实验结果证明本文提出的综合评价模型不仅可以客观地评价基于分块混淆的隐私保护技术的隐私保护效果,也证明了分块混淆隐私保护技术的有效性,为SaaS应用平台中的数据隐私保护提供了强有力的理论支撑.展开更多
文摘为了解决在实际决策时,由于知识背景不同决策者采用不同粒度语言术语集来表达而导致决策结果不准确的问题,本文提出了一种基于多粒度犹豫模糊语言术语集的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)决策方法。首先选用各术语集中的最大粒度作为标准粒度,通过转换算法将每个决策者的语言术语集转换到同一标准粒度下进行集结,得出相应的隶属度语言术语集;然后结合TOPSIS方法,计算每个备选方案与正、负理想点距离,以相对贴近度的大小排序实现最优方案的选择;最后,通过一个实例,验证该方法的可行性和优越性。本文所提方法可应用于最优方案的选择问题中,提升决策结果准确度。
文摘在研究多属性群决策问题的领域中,概率犹豫模糊术语集(hesitant probabilistic fuzzy set,HPFS)作为犹豫模糊集的一种扩展,正广受关注。针对目前在概率犹豫模糊语言环境下,考虑用主客观结合的方式来求解权重以及对方案排序的过程中存在的问题,提出了一种基于前景理论和逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)相结合的多属性群决策模型。首先根据已知的主观决策者权重,经过一致性调节运算得到决策者的综合权重;其次利用熵值法构建了属性权重的求解模型;在充分考虑决策者心理行为的前提下,求解出正、负理想解矩阵,并且基于TOPSIS方法实现多个备选方案之间的优劣排序;最后,通过实例验证了该模型的可行性和有效性。
文摘云计算环境中,租户将数据存储于SaaS(Software as a Service)应用平台中,利用分块混淆的隐私保护技术将数据切分为多个数据块并存储到不同的存储模式中,实现明文状态下租户数据的分离与保护.但是这种隐私保护技术的隐私保护程度如何,用户是无法明确感知的,为此,针对分块混淆的隐私保护技术,该文提出一种基于概率统计与德尔熵值法的隐私保护综合评价模型.首先分析了基于分块混淆的隐私保护技术的当前状况,在此基础上定义了隐私保护评价指标,利用概率统计的知识,定义评价指标的计算规则,构建隐私保护层次分析模型,通过由数据块层到数据存储模式层(Data Storage Mode,DSM)层再到顶层回逆的方式,得到隐私保护后数据分布的评价指标值;然后分析了德尔菲法和熵值法在权重确定方面的优势,将德尔菲法的主观判别与熵值法的客观判断相结合,改进两种方法的计算过程,提出基于德尔熵值法的指标权重确定模型,得到隐私保护效果评价指标的权重;最后定义评价等级,建立基于概率统计和德尔熵值法的隐私保护综合评价模型,实现基于分块混淆的隐私保护技术的综合评价.实验结果证明本文提出的综合评价模型不仅可以客观地评价基于分块混淆的隐私保护技术的隐私保护效果,也证明了分块混淆隐私保护技术的有效性,为SaaS应用平台中的数据隐私保护提供了强有力的理论支撑.