基于普通數(shù)據類型的信息融合方法與信息聚集函數(shù)是很多評估和決策問題的基礎,并應用在許多領域中。隨著現(xiàn)代化科技和經濟的日益發(fā)展,全球經濟化的形成,越來越多的管理和決策問題遇到的數(shù)據都不再是簡單的數(shù)據類型,而是更為復雜的不確定信息。正是由于信息的不確定性,導致了社會的經濟發(fā)展出現(xiàn)了一系列問題,因而這類研究是迫切需要的。在多屬性群決策中,各專家間或指標間的相對重要性既可體現(xiàn)為權值向量,也可體現(xiàn)為模糊測度。提出了多屬性群決策中的信息融合范式和概念框架;指出了通常需通過使用兩階段的信息融合,從而得到最終綜合評價結果。在不同的不確定決策環(huán)境中,基于數(shù)據評估的不一致性和不確定性分別給出了兩種權值向量的確定方法。給定n和m維模糊測度,通過引入認知強度的概念作為認知不確定參數(shù),提出了生成nm維的模糊測度的方法。討論與“認知方法”及認知不確定性有關且基于離散模糊測度的一般化積分方法。具體包括了認知模糊積分,一般化認知模糊積分和適應的認知模糊積分。前兩種積分并不是聚集函數(shù),只是預聚集函數(shù)。而適應的認知模糊積分是一種新的聚集函數(shù),它有更好的對所有參數(shù)的單調性質。適應的認知模糊積分有兩種等價的定義,其中一種可以更方...

【文章頁數(shù)】：109 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 選題背景
    1.2 研究意義
    1.3 國內外關于該課題的研究現(xiàn)狀及趨勢
    1.4 一些常見的不確定信息類型
    1.5 論文研究內容與可能的創(chuàng)新之處
    1.6 論文組織及邏輯結構
第2章 不確定信息環(huán)境下的多屬性群決策評估及相應的三種權重與模糊測度確定方法
    2.1 信息融合在多屬性決策評估與群決策中的重要作用
    2.2 多屬性群決策評估中的信息融合范式和概念框架
    2.3 基于專家間的一致度給出確定指標間相對重要性(權值向量)V
    2.4 基于單一評估值的確定度生成專家間相對重要性(權值向量)W
    2.5 基于群決策中的專家決策主體中不確定信息生成交叉積相對重要性W×V
    2.6 本章小結
第3章 基于認知差異不確定性的認知模糊積分及其在科研評價中的應用
    3.1 聚集函數(shù)與預聚集函數(shù)
    3.2 關于若干積分形式的一些新觀點
    3.3 一類新的預聚集函數(shù)-認知模糊積分
    3.4 一些基于模糊測度積分的算例與比較分析
    3.5 適應的認知模糊積分作為一種新的聚集函數(shù)
    3.6 認知h指數(shù)及其在科研成果評估中的應用
    3.7 本章小結
第4章 基本不確定信息(BUI)的信息融合范式與方法
    4.1 基本不確定信息的定義與相關信息融合問題
    4.2 基本不確定信息聚集范式和確定度聚集公理
    4.3 明晰論域條件下的確定度聚集
    4.4 基于基本不確定信息向量的信息融合方法和聚集函數(shù)
    4.5 基于BUI信息的信息融合及其在群決策評估中的應用
    4.6 本章小結
第5章 提取和度量猶豫不確定信息的方法及理論研究
    5.1 管理決策與評估中的猶豫不確定信息
    5.2 靜態(tài)猶豫的一些討論和方法
    5.3 模糊Dispersion以及基于信心分布的靜態(tài)猶豫度
    5.4 度量動態(tài)猶豫過程(連續(xù)型):微分方法和傅里葉系數(shù)方法
    5.5 度量動態(tài)猶豫過程(離散型):差分方法和有限元傅里葉系數(shù)方法
    5.6 本章小結
第6章 不確定信息環(huán)境下的決策評估方法結論與展望
    6.1 研究的基本結論
    6.2 研究結果可能的運用與進一步展望
參考文獻
在讀期間發(fā)表的學術論文及研究成果
致謝



本文編號：4018569