决策矩阵造句
- 改进的决策矩阵及其属性约简方法
- 首先，给出了有关区间数、专家群体判断区间数决策矩阵的定义及其决策矩阵的规范化方法。
- 定义了期望值决策矩阵的概念，对于权重信息完全未知或只有部分权重信息的情形，给出了一种基于期望值的模糊多属性决策方法。
- 方法通过引入基于负理想点下和基于正理想点下的期望值决策矩阵概念，结合决策者的偏好信息，对方案进行排序。
- 这不仅解决了动态数据环境下归纳学习问题，而且能降低矩阵空间规模，避免了传统决策矩阵算法中的重复计算。
- 通过定义专家给出的决策矩阵中各个元素与综合评价矩阵中对应元素之间的相对偏差，给出了基于区间数决策矩阵形式偏好信息的专家评判水平的分析方法。
- 多属性决策的灵敏度分析能有效地揭示决策矩阵及属性权重关于决策方案的内在变化规律，对此我们基于多属性决策的灵敏度分析的现状展开了更深入的讨论。
- 其主要思想是基于决策类将决策系统分割为多个子系统，并构造其新的决策矩阵，然后将决策系统上的归纳学习转化为新决策矩阵下的递增式学习。
- 论文在对所涉及的粗糙集理论以及不可分辨关系等概念进行了简要的阐述后，接着对数据缺失值如何进行预处理以及如何进行数据的离散化处理等方法进行了探讨，然后展开了对粗糙集理论中属性约简以及值约简等算法更进一步的研究，给出了常规约简算法，并在此基础上提出了基于可辨识矩阵以及决策矩阵的改进算法，结果表明算法具有更高的约简效果。
- 摘要引入扩展差别矩阵和扩展决策矩阵，提出了新的属性约简算法和增量更新算法，即基于扩展差别矩阵的属性约简算法和基于扩展决策矩阵的增量式规则提取算法，讨论了规则的增量更新算法。
- 用决策矩阵造句挺难的，這是一个万能造句的方法
- 文摘:研究了结合主观和客观信息的模糊多属性决策问题,其中主客观信息分别由属性权重的两两比较矩阵和决策矩阵组成.提出一种结合主观和客观信息的特征向量决策方法,给出了2种求解基于主客观特征向量法的模糊多属性决策方法.这种方法通过求解2个线性目标规划模型得到最优属性权重,然后,通过对决策信息进行简单的加权集结,得到所有方案的排序结果.最后,通过一个算例说明了该方法的实用性和有效性.结果表明,该方法要比其他主客观结合多属性决策方法简单
- 在相容性决策系统中，利用决策矩阵提出改进的处理多元决策属性值的数据挖掘模型，可方便地对增量的数据进行直接处理就可得到基于全局数据集合的分类规则，并对可能性规则的可信度进行了初步探讨；在不相容性决策系统中，利用gdt表与rs概念的结合，提出利用三个参数即归纳强度、噪声、隶属度判别指标确定分类规则的强度，通过属性的概念归纳，在一定的概率条件下产生分类规则，并能有效地处理增量式的数据。
- 摘要深入分析了基于分辨矩阵和传统决策矩阵的归纳学习算法中存在的问题，提出了一种新的决策矩阵及基于它的归纳学习和动态数据环境下的递增式学习方法。
- 研究了结合主观和客观信息的模糊多属性决策问题,其中主客观信息分别由属性权重的两两比较矩阵和决策矩阵组成.提出一种结合主观和客观信息的特征向量决策方法,给出了2种求解基于主客观特征向量法的模糊多属性决策方法.这种方法通过求解2个线性目标规划模型得到最优属性权重,然后,通过对决策信息进行简单的加权集结,得到所有方案的排序结果.最后,通过一个算例说明了该方法的实用性和有效性.结果表明,该方法要比其他主客观结合多属性决策方法简单
手机版