基于非精确数据的非光滑优化强次可行方向法

本研究针对一类目标函数非光滑优化问题,提出一个基于非精确数据的强次可行方向法.通过构造新的寻找搜索方向子问题和新型线搜索,该算法能够保证迭代点的强次可行性,且具备全局收敛性.

一般凸规划的近似非精确数据交替线性化方法

用非精确交替线性化方法求解一类一般凸规划问题(OCP).首先通过对应的扰动双函数的定义将约束(OCP)问题转化为形式为2个凸函数和的无约束极小化问题,然后用非精确数据定义线性化模型进而构造出两个强凸子问题,通过交替求解,经过有限多次迭代后所得的解收敛到原目标函数的迫近点.

非精确数据包络分析研究概述(英文)

对非精确数据包络分析(IDEA)的研究进行了简要的归纳与总结.首先,简要回顾了有关I-DEA的研究进展;其次,给出了非精确数据的定义与分类,将非精确型数据分为:边界数据、弱序数据、强序数据和比值有界数据;同时给出了几个基本假设和相关模型;接着,构建了一个适用于非精确型数据的IDEA模型,并且给出了尺度变换法和变量交替法以实现将非线性规划问题转换成线性规划问题;最后,为了提高求解效率,对Zhu提出的简化变量交替法进行了改进,指出这将减少实际应用中的计算复杂度.

非光滑约束优化基于非精确数据的改进水平束方法

本文提出了一个求解非光滑约束优化问题基于非精确数据的改进水平束方法。该方法引入了非精确数据及相应的近似改进函数。此外,通过在投影子问题中引入Bregman距离以代替传统的欧氏距离,从而可以充分利用可行集的几何集合,减少算法的计算量。最后证明了算法的全局收敛性并分析了迭代复杂度。

以平行线段为模型的非精确数据凸包问题研究

现实应用中,计算机处理的数据往往是非精确的。对于非精确的输入数据,一般使用线段,圆和正方形等模型表示。对以平行线段代表非精确数据的模型研究非常重要,因为这种非精确数据模型是解决其他更复杂模型的基础[1]。loffler等[1]给出了一种算法,可以在时间O(n3)内求出以竖直平行线段表示的非精确数据的最大面积凸包。但是该算法对于任何输入数据计算量都是一样,而现实生活中的非精确数据往往不是完全没有规律的,比如来自同一设备采样的数据的误差范围是一致的。首先给出了一种新的算法,可以在O(nlog(n))时间内求出具有相同取值范围的非精确数据的最大面积凸包,同时研究了输入数据是n个非精确数据和m个退化为精确数据的非精确数据如何求最大面积凸包的问题。如果把这些已经退化的非精确数据仍然看作非精确数据,套用文献[1]的算法时间复杂度将会是O((n+m)3)。针对这种情况给出了一种算法,算法时间复杂度为O(n3+nm)。

非精确性测量数据的不确定度评定

基于证据理论,针对测量中的非精确性数据提出了一种不确定度评定方法。该方法首先计算非精确性数据的不确定性,包括不具体性和随机性,建立了不确定性与不确定度的关系公式,利用关系公式和不确定性计算不确定度。该评定方法同时适用于精确性和非精确性测量数据,是传统香农熵评定方法的广义形式,给出实例验证了其有效性。

非精确性中子测量数据的不确定度评定

通常采用概率方法来评定不确定度,但该类方法不太适用于非精确性测量数据。集中讨论了利用证据理论对非精确性中子测量数据的不确定度进行了评估,提出一个公式并对来自不精确传感器和专家估计的一些非精确性中子测量数据的不确定度进行了测度和计算。该公式可同时适用于精确性和非精确性中子测量数据,两方面的例证佐证了其应用有效性。

一种不精确数据的聚类挖掘方法

在聚类过程中考虑到数据的非确定性,提出了一种改进的K-平均算法——FK-算法。FK-算法思想是减小总均方误差的期望值E(SSE),需特别说明的是对数据对象xi采用在非确定区域内用非确定密度概率函数pdff(xi)进行描述。用FK-算法对非确定运动模式的运动对象进行了分析,实验表明考虑数据的非确定因素,在聚类分析处理时有比较精确的结果。

基于IDEA模型的港口物流服务商优选方法

为科学地对港口物流服务商进行评估及选择,基于数据包络分析(DEA)模型,结合定性的不确定因素,提出非精确数据包络分析(IDEA)模型的港口物流服务商优选方法.该方法无需更多精确信息,并兼有一般DEA的特点,较好地解决了DEA无法处理定性因素的问题.算例分析结果表明了该方法的有效性和实用性.

模糊概念下一类点估计的支撑函数法

基于模糊集的嵌入定理,对非精确数据的分布提出一种统计参数族,并给出相应的点估计方法.借助多元分布函数,对LR型模糊数据的分布参数给出具体的估计.