基于前景理论和混合加权距离的区间值毕达哥拉斯模糊多属性决策

针对现有的毕达哥拉斯模糊评价通常会忽视决策者的主观偏好和风险规避的问题,引入前景理论来反映决策者的主观感受,同时将毕达哥拉斯模糊数改进为区间值毕达哥拉斯模糊数,以避免决策者无法使用准确数值进行评价的情况,并引用基于均衡视角的权重修正系数,防止仅考虑决策者的主观偏好而造成的权重确定的偏差。在此基础上,将区间值毕达哥拉斯混合加权距离引入TOPSIS,以实现对多样性信息的有序集结。最后,通过实例分析和比较分析,对方法的有效性进行验证。

广义毕达哥拉斯犹豫模糊集混合加权距离测度及决策应用

在毕达哥拉斯犹豫模糊数的距离基础上,定义毕达哥拉斯犹豫模糊集(Pythagorean hesitant fussy set,PHFS)的加权距离测度和有序加权距离测度,在兼顾属性权重和位置权重的基础上,提出广义PHFS混合加权距离测度(D_(GPHFHWA)),并研究其性质和特殊形式。针对属性值为毕达哥拉斯犹豫模糊数且属性权重未知的多属性决策问题,利用毕达哥拉斯犹豫模糊指数熵确定属性权重,并结合逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)思想,提出基于D_(GPHFHWA)测度的决策方法。最后,通过实例验证所提方法是有效、合理的。

基于混合加权距离的KNN心衰患者死亡率评估模型

利用K近邻算法预测心衰患者死亡率是一种积极影响患者健康的重要手段。但K近邻算法难以利用单一距离准确度量带有离散和连续型变量的样本距离,同时K近邻所采用的投票法不能衡量距离远近对于待测样本类别的影响。针对上述问题,提出了一种混合加权距离的K近邻死亡率评估模型。首先,利用卡方检测和基于L1正则化的逻辑斯蒂回归对特征的筛选和排序。然后,应用值差度量和曼哈顿距离混合计算样本间的距离。最后,采用softmin函数对距离加权处理后,输出最终待测样本类别。通过MIMIC-Ⅲ公开数据库的2 743位心衰患者数据实验验证,改进的算法对于评估死亡率具有良好性能。

语言混合加权平均距离测度及其在决策中的应用

对语言加权距离测度进行了进一步研究,提出一种既考虑变量权重又考虑序权重的语言混合加权平均距离测度,分析了该距离测度的优良性质。据此针对属性权重为实数,属性取值为语言术语的多属性决策问题,提出一种基于语言距离的多属性决策方法,最后,通过算例分析说明该方法的可行性和有效性。

基于数据挖掘的风电变桨后备电源健康状态评价方法

风力发电机变桨系统广泛采用超级电容作为后备电源,其性能退化将直接影响到紧急安全顺桨.针对超级电容等效电路建模的合理精确性直接影响其健康状态评价的不足,利用风电变桨超级电容后备电源充放电过程中外特性参数数据,采用数据聚类挖掘手段,提出一种基于混合加权欧氏距离的超级电容SoH评价方法,快速有效地评价后备电源SoH的优劣.通过”充电—静置—放电—静置”全过程参数特性分析,验证了该方法的正确性.