Group Decision-Making Model of Renal Cancer Surgery Options Using Entropy Fuzzy Element Aczel-Alsina Weighted Aggregation Operators under the Environment of Fuzzy Multi-Sets

Since existing selection methods of surgical treatment schemes of renal cancer patients mainly depend on physicians’clinical experience and judgments,the surgical treatment options of renal cancer patients lack their scientifical and reasonable information expression and group decision-making model for renal cancer patients.Fuzzy multi-sets(FMSs)have a number of properties,which make them suitable for expressing the uncertain information of medical diagnoses and treatments in group decision-making(GDM)problems.To choose the most appropriate surgical treatment scheme for a patient with localized renal cell carcinoma(RCC)(T1 stage kidney tumor),this article needs to develop an effective GDM model based on the fuzzy multivalued evaluation information of the renal cancer patients.First,we propose a conversionmethod of transforming FMSs into entropy fuzzy sets(EFSs)based on the mean and Shannon entropy of a fuzzy sequence in FMS to reasonably simplify the information expression and operations of FMSs and define the score function of an entropy fuzzy element(EFE)for ranking EFEs.Second,we present the Aczel-Alsina t-norm and t-conorm operations of EFEs and the EFE Aczel-Alsina weighted arithmetic averaging(EFEAAWAA)and EFE Aczel-Alsina weighted geometric averaging(EFEAAWGA)operators.Third,we develop a multicriteria GDM model of renal cancer surgery options in the setting of FMSs.Finally,the proposed GDM model is applied to two clinical cases of renal cancer patients to choose the best surgical treatment scheme for a renal cancer patient in the setting of FMSs.The selected results of two clinical cases verify the efficiency and rationality of the proposed GDM model in the setting of FMSs.

基于平均型聚合函数的多粒度模糊粗糙集

多粒度模糊粗糙集(multi-granulation fuzzy rough set,MGFRS)是一种重要的粗糙集模型。乐观多粒度模糊粗糙集和悲观多粒度模糊粗糙集分别给出了被描述对象的两种极端描述。从数据聚合角度看,将不同粒度值合并为单一粒度值时,乐观MGFRS采用的是取小算子,悲观MGFRS采用的是取大算子。将取小与取大算子拓展为一般的平均型聚合算子,提出了一种新的多粒度模糊粗糙集模型:基于平均型聚合函数的多粒度模糊粗糙集(multi-granulation fuzzy rough set model on the base of average aggregate function,MFA)模型。研究了MFA模型的基本性质,给出了MFA模型与乐观和悲观多粒度模糊粗糙集的关系。同时,基于MFA模型,提出了基于平均型聚合算子的粗糙近似集模型。

基于平均一致协议的分布式自适应多智能体聚集控制

分布式聚集控制问题是多智能体协同控制中的一个重要问题。由于智能体的可移动性和感知能力有限,传统的分布式聚集算法难以保证连通性,从而聚集成多个簇群。此外,去中心化的大规模聚集控制给获取全局聚集点带来了巨大的挑战。针对连通性保护问题,基于平均一致协议与约束集,提出了一个带有连通性约束的多智能体聚集协议(Multi-Agent Rendezvous Protocol with Connectivity constraints,MARP-CC)。然后针对聚集点无法预测的问题,提出了位置合成(Location Synthesis Strategy,LSS)和位置重定向(Location Redirection Strategy,LRS)两种控制策略。智能体根据当前连通情况,自适应选择最优的控制策略进行迭代。结合这两种控制策略,提出了带连通性约束的分布式自适应多智能体聚集算法(Distributed Adaptive Multi-Agent Rendezvous algorithm with Connectivity Constraints,DAMAR-CC)。对算法的收敛性和连通性进行了分析,并通过大量的仿真说明了DAMAR-CC可以引导智能体稳定地聚集在初始拓扑的几何中心。

基于Pareto蚁群算法的双目标路径规划研究

针对复杂建筑环境人员应急疏散单一路径不能满足火灾环境变化需求的问题,基于改进蚁群算法,结合Pareto双目标解集思想,提出一种组合优化解集的双目标蚁群算法,通过排序优化的思想,实现人员多路径动态疏散规划。在构造Pareto解集的阶段协同考虑疏散路径长度以及火灾风险程度2个优化目标,计算各个解之间的支配关系。利用排序优化蚁群算法的正反馈机制将各组解的信息素按一定比例作为最优路径信息素的积累,加快解集的寻找。最后将其与传统双目标蚁群算法相比较,结果表明:优化后的双目标算法更加适合复杂建筑人员疏散路径规划问题,在寻找多组满足要求解的同时展示目标之间的利弊关系,供决策者选择合适的路径,提高疏散效率。

基于多头注意力机制字词联合的中文命名实体识别

针对现有基于字词联合的中文命名实体识别方法会引入冗余词汇干扰、模型网络结构复杂、难以迁移的问题,提出一种基于多头注意力机制字词联合的中文命名实体识别算法.算法采用多头注意力机制融合词汇边界信息,并通过分类融合BIE词集降低冗余词汇干扰.建立了多头注意力字词联合模型,包含字词匹配、多头注意力、融合等模块.与现有中文命名实体识别方法相比,本算法避免了设计复杂的序列模型,方便与现有基于字的中文命名实体识别模型结合.采用召回率、精确率以及F 1值作为评价指标,通过消融试验验证模型各个部分的效果.结果表明,本算法在MSRA和Weibo数据集上F 1值分别提升0.28、0.69,在Resume数据集上精确率提升0.07.

广义多粒度双量化邻域粗糙集

针对实数型数据的信息量化问题,引入相对概念和绝对基数构建了广义多粒度双量化邻域粗糙集模型.首先,通过I型和II型广义多粒度上、下邻域特征支撑函数构建两类广义多粒度上、下邻域近似算子并讨论其性质;其次,讨论了两种广义多粒度邻域粗糙集的关系;最后,通过传染病案例实证分析了模型的实用性和有效性.

基于Spark和NRSCA策略的并行深度森林算法

针对并行深度森林在大数据环境下存在冗余及无关特征过多、两端特征利用率过低、模型收敛速度慢以及级联森林并行效率低等问题,提出了基于Spark和NRSCA策略的并行深度森林算法——PDF-SNRSCA。首先,该算法提出了基于邻域粗糙集和Fisher score的特征选择策略(FS-NRS),通过衡量特征的相关性和冗余度,对特征进行过滤,有效减少了冗余及无关特征的数量;其次,提出了一种随机选择和等距提取的扫描策略(S-RSEE),保证了所有特征能够同概率被利用,解决了多粒度扫描两端特征利用率低的问题;最后,结合Spark框架,实现级联森林并行化训练,提出了基于重要性指数的特征筛选机制(FFM-II),筛选出非关键性特征,平衡增强类向量与原始类向量维度,从而加快模型收敛速度,同时设计了基于SCA的任务调度机制(TSM-SCA),将任务重新分配,保证集群负载均衡,解决了级联森林并行效率低的问题。实验表明,PDF-SNRSCA算法能有效提高深度森林的分类效果,且对深度森林并行化训练的效率也有大幅提升。

柔性传感器智能脉诊系统信号采集处理技术

脉搏诊断仪器的研发和使用为传统中医的智能诊断提供了客观基础,但现有的脉搏诊断设备没有考虑采集部位(寸、关、尺)与压力(浮、中、沉)共同作用时对诊断结果的影响,诊断精度仍有提升空间。为了更加准确地识别脉象,本文提出了一种基于柔性传感器的智能脉诊系统和相应的脉搏信号处理方法。在寸、关、尺采集部位安装3个阵列柔性传感器,通过设置浮、中、沉不同压力阈值,获取多组脉象信号,接着提取信号特征,并基于多重集典型相关分析(Multi-set canonical correlations analysis,MCCA)方法对多通道特征进行融合,以获得更多脉搏信息。实验结果表明,本文所提方法在4种典型脉象分类中,脉象分类准确度得到进一步提升。本文设计的采集部位、压力相结合的脉象感应方法可以模拟还原中医诊断过程,有助于提取真实的脉搏信号,为后续基于柔性传感器的智能脉搏诊断设备的研发提供了理论基础和参考价值。

教育数字化战略引领下大学生数字素养培养多组态路径

文章基于活动理论模型,运用fsQCA方法分析教育数字化战略引领下大学生数字素养培养的多组态路径及不同要素之间的联动匹配关系。研究发现,大学生高数字素养培养包括思维主导型、资源任务型、协同驱动型和内涵自主型4条组态路径,不同前因变量之间存在替代关系;数字化思维和评价反馈机制同时存在于4条组态路径中,表明二者是大学生高数字素养不可或缺的前因条件。在此基础上,从学校、教师、学生3个层面提出大学生数字素养培养策略,即落实国家教育数字化战略,优化校园顶层设计;强化教师职业素养,完善人才培养反馈机制;增强数字道德意识,提升学生数字化思维。

基于Vague集和响应面模型的注塑工艺多目标优化

针对注塑工艺多目标优化问题,以塑件的翘曲变形量、顶出时体积收缩率和缩痕深度作为优化目标,选取熔体温度、模具温度、注射时间、保压压力、保压时间等工艺参数为试验因素,采用中心复合试验设计结合模流分析建立试验样本,利用Vague集方法计算各优化目标相似度,通过指标相关性的指标权重确定(CRITIC)法确定各优化目标影响权重,得到综合相似度;建立综合相似度与各工艺参数之间的响应面模型,运用灰狼算法进行工艺参数寻优,得到最优工艺参数组合。结果表明,将Vague集和响应面模型相结合的优化结果显著,为实际生产过程提供了有益参考。

多核堆栈处理器研究与设计

为满足日趋复杂的嵌入式环境对堆栈处理器和Forth技术的应用需求,在单核堆栈处理器模型研究的基础上,设计一种多核堆栈处理器模型。基于J1单核堆栈处理器模型,针对多核目标,增加计时器、中断等功能,形成新的L32单核堆栈处理器模型,并以该单核模型为内核,引入共享总线和十字开关互联方式的Wishbone总线、多端口存储器和面向多任务Forth系统的指令集,建立一种多核堆栈处理器模型L32-MC。利用该多核模型,在FPGA上实现4核和8核的L32-MC原型多核堆栈处理器。实验结果表明,4核和8核的L32-MC原型堆栈处理器满足高性能低功耗的多核处理器设计目标。

基于多模态融合的开放域三维模型检索算法

为了满足开放域下海量新增模型数据的管理和检索需求,提出开放域三维模型检索算法,可以有效地利用多模态信息的语义一致性.借助无监督算法探寻未知样本间的类别信息,利用该类别信息实现网络模型的参数优化,使得网络模型在开放域条件下具有更好的模型表征性能及检索结果.提出基于Transformer结构的层级化多模态信息融合模型,有效地剔除了多模态间的冗余信息,得到鲁棒性更强的模型表征向量.在数据集ModelNet40上进行实验,通过与其他典型算法的对比实验可知,所提方法在mAP指标上优于所有的对比方法,验证了该方法在检索性能提升上的有效性.

基于改进天鹰的三维室内多层结构定位算法

在面向一些大型商超、医院、教学楼等大规模室内多层结构定位中,针对多层WSN结构的非测距定位问题,提出一种基于改进天鹰的三维室内多层结构定位算法IAODV-HOP算法。首先,为节点划分3类通信半径以细化跳数,同时利用最小均方差和权重因子修正节点的平均跳距。其次,用IAO算法对未知节点坐标进行寻优,通过佳点集策略对种群初始化,解决天鹰算法因初始种群随机分布而导致的种群的质量和多样性难以保证的问题,并且在局部搜索中加入黄金正弦的搜索策略完善种群的位置更新方式,增强了算法的局部搜索能力。通过仿真实验,本文所提算法IAODV-HOP相较于传统3D-DV-Hop、PSO-3DDV-Hop、N3-3DDV-Hop以及N3-ACO-3DDV-Hop算法,归一化平均定位误差分别下降70.33%、62.67%、64%、53.67%,表现出更优的性能,具有更好的稳定性和更高的定位精度。

基于区间毕达哥拉斯犹豫模糊熵和交叉熵的ELECTRE II决策方法

针对属性权重完全未知或部分已知,属性值为区间毕达哥拉斯犹豫模糊数的多属性决策问题,提出了基于区间毕达哥拉斯犹豫模糊熵和交叉熵的ELECTRE II法。首先给出区间毕达哥拉斯犹豫模糊数的区间形式的得分函数和精度函数,定义新的距离测度。然后基于区间毕达哥拉斯犹豫模糊数的模糊因子、直觉因子和幅度因子,给出熵和交叉熵公式,并证明其性质,提出了基于熵和交叉熵确定属性权重的方法。最后提出了区间毕达哥拉斯犹豫模糊环境下的改进的ELECTRE II法,利用综合优势值对方案进行排序,并通过算例和比较分析验证了该方法的可行性和有效性。

基于区间值犹豫模糊多粒度粗糙集的三支决策模型

针对区间值犹豫模糊信息系统,提出了两种基于区间犹豫模糊多粒度粗糙集的三支决策模型。首先,借助多粒度粗糙集理论,提出乐观和悲观区间犹豫模糊多粒度粗糙集模型。其次,引入区间犹豫模糊连续交叉熵的概念,用TOPSIS方法来计算对象在不同情况下的条件概率。基于此,定义区间犹豫模糊决策理论粗糙集并给出相应的三支决策规则。最后,通过实例验证了这两种模型对目标评估采取不同的态度和决策方案,并且证明了所提算法的有效性。

多粒度粒球粗糙集模型

基于粒球计算的粗糙集理论作为知识发现和数据挖掘的重要工具之一,已成功地应用于标记预测、属性约简等。而现有的粒球粗糙集模型仅仅是从单粒度出发,无法从多粒度角度对数据进行分析和处理,实际生活中仍有很多应用场景需从多粒度角度进行思考。将粒球计算思想结合到多粒度粗糙集模型,提出了多粒度粒球粗糙集模型,并讨论了该模型的相关性质。该模型通过纯度的设定对数据进行粒球划分,能够有效地刻画数据之间的内在联系,以此设计多粒度粒球粗糙集的正域生成算法。实验分析表明该模型的可行性和有效性。

多目标粒子群优化算法及其应用研究综述

现有研究较少涵盖最先进的多目标粒子群优化(MOPSO)算法.本研究介绍了多目标优化问题(MOPs)的研究背景,阐述了MOPSO的基本理论.根据特征将其分为基于Pareto支配、基于分解和基于指标的3类MOPSO算法,介绍了现有的经典算法.介绍相关评价指标,并选取7个有代表性的算法进行性能分析.实验结果展示了传统MOPSO和3类改进的MOPSO算法各自的优势与不足,其中,基于指标的MOPSO在收敛性和多样性方面表现较优.对MOPSO算法在生产调度、图像处理和电力系统等领域的应用进行简要介绍.并探讨了MOPSO算法用于求解复杂优化问题的局限性及未来的研究方向.

基于多参信息量的继电保护整定计算系统

为了保证定值数据一致性,实现配电网稳定运行,设计基于多参信息量的继电保护整定计算系统。使用GIS系统按地理位置绘制配电网图形,动态获取多参信息量;构建整定计算模块,使模块元加以调用并组合;设计基于GUI开发图形的人机交互可视化模块,使整定结果以图表形式展示。整合多参信息量为一个定值集,利用导纳矩阵稀疏性,只存储和计算非零元参量。计算正序、负序和零序三个网络下的短路三序电流,并对其进行灵敏度校验,获取整定结果。系统实现对保护整定的可视化显示,并且将整定结果以静态的表格形式呈现。将整定过程中的相关信息以数据柱的形式进行整理,最后将整定的结果以数据库的形式显示出来。实验结果表明,设计系统的整定计算结果精准度最高可达99.06%,表明整定计算结果效果较好。

多尺度决策系统中测试代价敏感的属性与尺度同步选择

属性与尺度同步选择方法可有效解决涉及代价因素的多尺度决策系统的知识约简问题,然而在现有研究中,少有基于代价进行属性与尺度的同步选择,并且大多数算法只针对协调的多尺度决策系统或不协调的多尺度决策系统.为了解决这一问题,文中以最小化数据处理的总测试代价为目标,提出测试代价敏感的属性与尺度同步选择算法,同时适用于协调的多尺度决策系统和不协调的多尺度决策系统.首先,构造基于粗糙集的理论模型,模型中的概念及性质同时考虑属性因素和尺度因素.其次,基于粗糙集的理论模型,设计启发式算法,能基于测试代价对多尺度决策系统同时进行属性约简与尺度选择,并且不同的属性可选择不同的尺度.最后,在12个数据集上的实验验证文中算法的有效性、实用性及优越性.

基于直觉模糊集对集结方法的隐私风险决策

针对隐私风险的不确定性决策问题,在直觉模糊和集对分析理论基础上,对隐私确定-不确定建立信息权重的集对关系,给出了直觉模糊集对(IFSPA:Intuitionistic Fuzzy Set Pair Analysis)算子,定义了直觉模糊集对的相关概念、运算、性质、期望值、大小排序和几种直觉模糊集对信息集结算子:直觉模糊集对加权平均(IFSPAWA:Intuitionistic Fuzzy Set Pair Analysis Weighted Average)算子、直觉模糊集对加权几何(IFSPAWG:Intuitionistic Fuzzy Set Pair Analysis Weighted Geometric)算子、直觉模糊集对有序加权(IFSPAOWA:Intuitionistic Fuzzy Set Pair Analysis Ordered Weighted Average)算子、直觉模糊集对有序加权几何(IFSPAOWG:Intuitionistic Fuzzy Set Pair Analysis Ordered Weighted Geometric)算子、直觉模糊集对混合集结(IFSPAHA:Intuitionistic Fuzzy Set Pair Analysis Hybrid Aggregation)算子、直觉模糊集对混合几何(IFSPAHG:Intuitionistic Fuzzy Set Pair Analysis Hybrid Geometric)算子及这些算子相关性质。在此基础上,分析了隐私风险多属性决策的直觉模糊集对信息集结方法,并通过算例验证了该方法的可行性和合理性。