-
题名基于几何平均犹豫度的概率犹豫模糊多属性决策方法
- 1
-
-
作者
张艳娜
张丽霞
王拥兵
-
机构
安庆师范大学数理学院
安徽省大别山区域复杂生态系统建模、仿真与控制重点实验室
-
出处
《郑州大学学报(理学版)》
北大核心
2025年第3期49-56,共8页
-
基金
国家自然科学基金项目(11975025)
安徽省高校自然科学研究重点项目(2022AH051053)。
-
文摘
针对属性权重完全未知的概率犹豫模糊多属性决策问题,提出了基于几何平均犹豫度的概率犹豫模糊多属性决策方法。首先,针对概率犹豫模糊元中元素之间隶属度差异和元素个数的不同,定义了概率犹豫模糊元的几何平均犹豫度。其次,在传统的概率犹豫模糊元的距离测度基础上,提出了基于几何平均犹豫度的概率犹豫模糊元距离测度。进一步,根据提出的距离测度构建概率犹豫模糊元熵测度,并结合熵权法来确定属性权重。最后,结合TOPSIS方法,给出了相应的多属性决策模型。通过具体案例分析,对相应的参数进行灵敏度分析,验证了所提方法的可行性和实用性。
-
关键词
概率犹豫模糊元
多属性决策
距离测度
犹豫度
属性权重
-
Keywords
probabilistic hesitant fuzzy element
multi-attribute decision making
distance measure
hesitant degree
attribute weight
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
O159
[理学—基础数学]
-
-
题名改进的Ramp孪生支持向量机聚类
被引量：2
- 2
-
-
作者
陈素根
刘玉菲
-
机构
安庆师范大学数理学院
安徽省大别山区域复杂生态系统建模、仿真与控制重点实验室
安徽省皖江流域种群生态模拟与控制国际联合研究中心
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第11期2767-2776,共10页
-
基金
国家自然科学基金(61702012)
安徽省高校自然科学研究重点项目(KJ2020A0505)
安徽省自然科学基金(1908085MF195,2008085MF193)。
-
文摘
基于Hinge损失的孪生支持向量机聚类和基于Ramp损失的孪生支持向量机聚类是两种平面聚类的新算法,为解决聚类问题提供了新的研究思路,逐渐成为模式识别等领域的研究热点。然而,它们在处理带有噪声数据的聚类问题时,往往性能表现不佳。为了解决这个问题,构造了非对称的Ramp损失函数,并在此基础上提出了一种改进的Ramp孪生支持向量机聚类算法。非对称Ramp损失函数不仅继承了Ramp损失函数的优点,用非对称的有界函数度量类内散度和类间散度,使得该算法对离聚类中心平面较远的数据点更加鲁棒,而且参数t的引入使得非对称Ramp损失函数更加灵活。特别地,当参数t等于1时,非对称Ramp损失函数退化为Ramp损失函数,使得基于Ramp损失函数的孪生支持向量机聚类算法成为所提算法的特例。同时,基于核技巧推广到了非线性情形,线性和非线性模型均为非凸优化问题,通过交替迭代算法有效求解。分别在多个UCI数据集和人工数据集上进行实验,实验结果验证了所提算法的有效性。
-
关键词
聚类
孪生支持向量机聚类
损失函数
-
Keywords
clustering
twin support vector clustering
loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名新型鲁棒孪生支持向量回归机
被引量：1
- 3
-
-
作者
陈素根
石婷
-
机构
安庆师范大学数理学院
安徽省大别山区域复杂生态系统建模、仿真与控制重点实验室
安徽省皖江流域种群生态模拟与控制国际联合研究中心
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第5期1157-1167,共11页
-
基金
国家自然科学基金(61702012)
安徽省自然科学基金(1908085MF195,2008085MF193)
安徽省高校自然科学研究重点项目(KJ2020A0505)。
-
文摘
回归问题是模式识别与机器学习领域的基本问题之一,孪生支持向量回归机(TSVR)是在支持向量回归机(SVR)基础上发展而来的一种处理回归问题的新算法,它在处理无噪声数据时表现出较好的性能,但在处理有噪声数据时往往性能不佳。为了降低噪声对孪生支持向量回归机性能的影响,结合ε-不敏感损失函数与Huber损失函数构造了混合Hε损失函数,该损失函数可以有效地适应于不同分布类型的噪声;然后基于混合Hε损失函数和结构风险最小化(SRM)原则提出了一种鲁棒的孪生支持向量回归机(Hε-TSVR),并在原始空间中利用牛顿迭代法求解模型。分别在有噪声和无噪声的人工数据集、UCI数据集上进行实验,与支持向量回归机和孪生支持向量回归机等算法比较,实验结果验证了所提算法的有效性。
-
关键词
模式识别
支持向量回归机(SVR)
孪生支持向量回归机(TSVR)
损失函数
-
Keywords
pattern recognition
support vector regression(SVR)
twin support vector regression(TSVR)
loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
