【导语】“毛毛虎”通过精心收集,向本站投稿了4篇基于新型语言评估标度的二元语义改进模型,以下是小编帮大家整理后的基于新型语言评估标度的二元语义改进模型,欢迎大家收藏分享。
- 目录
篇1:基于新型语言评估标度的二元语义改进模型
基于新型语言评估标度的二元语义改进模型
摘要:为了有效地求解基于语言评价信息的多属性决策问题,针对目前常用的二元语义分析方法中存在的.标度转换问题,提出一种处理语言评价信息的新型复合标度(该标度综合了指数标度和-n~n标度的优点),建立了基于新型复合标度的二元语义改进模型.算例验证结果表明,新型复合标度为处理定性的语言评价信息提供了科学依据,所提出的改进模型可以有效提高决策结果的精度和可信度. 作者: 鲍广宇连向磊何明王玲玲 Author: BAO Guang-yu LIAN Xiang-lei HE Ming WANG Ling-ling 作者单位: 解放军理工大学指挥自动化学院,南京,210007 期 刊: 控制与决策 ISTICEIPKU Journal: CONTROL AND DECISION 年,卷(期): 2010, 25(5) 分类号: C934 关键词: 多属性决策 语言评价信息 标度转换 复合标度 机标分类号: C93 N94 机标关键词: 语言评估标度 二元语义 改进模型 evaluation linguistic new based model 语言评价信息 语义分析方法 复合 指数标度 信息提供 决策问题 决策结果 处理 标度转换 可信度 多属性 综合 基金项目: 总装预研基金篇2:基于二元语义的语言加权取大改进算法的研究
基于二元语义的语言加权取大改进算法的研究
为了求解基于自然语言评价信息的多属性群决策问题,提出了一种基于二元语义的`语言加权取大(T-LWM)改进算法.该算法利用二元语义对传统语言加权取大算法进行改进,将语言评价信息转换成二元语义形式,求取各决策者给出的属性权重平均值作为方案集结数据.该方法的目标是降低决策结果易受个别决策者不良数据影响,提高算法的健壮性.验证结果表明:与传统的语言加权取大算法相比,该算法具有运算简便,决策过程客观,分辨方案能力强的优点.
作 者: 作者单位: 刊 名:计算机技术与发展 ISTIC英文刊名:COMPUTER TECHNOLOGY AND DEVELOPMENT 年,卷(期):2009 19(11) 分类号:C934 N945.25 关键词:群体决策 偏好集结 二元语义 加权取大篇3:基于二元语义投影算子的语言群决策方法
基于二元语义投影算子的语言群决策方法
目的 研究属性权重和属性值均以语言信息给出的群决策问题.方法 给出了二元语义的运算法则和二元语义矢量投影算子,并分析其性质.依据投影法的思想,通过计算各方案点在正理想点上的语义投影,最终对方案排序优选.结果 提出了一种基于二元语义的`多属性语言群决策方法.结论 算例验证了所提算法的可行性和实用性,为解决语言群决策问题提供了一个有用的工具.
作 者:魏峰 肖燕婷 WEI Feng XIAO Yan-ting 作者单位:西安理工大学,理学院,陕西,西安,710054 刊 名:宝鸡文理学院学报(自然科学版) 英文刊名:JOURNAL OF BAOJI UNIVERSITY OF ARTS AND SCIENCES(NATURAL SCIENCE EDITION) 年,卷(期):2009 29(4) 分类号:C934 N945.2 关键词:群决策 语言信息 二元语义 投影算子 方案优选篇4:一种基于群体语言判断矩阵的群决策问题的二元语义解法
一种基于群体语言判断矩阵的群决策问题的二元语义解法
针对群决策中专家给出的关于方案两两比较的语言判断矩阵,给出一种基于二元语义的群决策方法.在该方法中,首先将原始语言评价信息转化为二元语义形式;然后采用二元语义集结算子将每个专家给出的语言判断矩阵集结为群的'评价矩阵,并利用计算二元语义非优势度的方法,给出最优方案的选择过程.最后通过一个算例说明给出的方法.
作 者:李洪燕 樊治平 作者单位:东北大学工商管理学院,辽宁,沈阳,110004 刊 名:系统工程 ISTIC PKU英文刊名:SYSTEMS ENGINEERING 年,卷(期):2003 21(5) 分类号:C934 N945.25 关键词:群决策 语言判断矩阵 二元语义 非优势度 集结算子★ 改进措施
★ 改进方案
★ 改进计划
★ 后评估工作汇报
★ 评估工作总结
★ 病情评估范文
基于新型语言评估标度的二元语义改进模型(共4篇)




