本文關(guān)鍵詞：復(fù)雜大群體服務(wù)對象評價信息融合與一致性研究

  更多相關(guān)文章： 大群體決策 群體聚類 信息集結(jié) 參考點(diǎn) 一致性測度

【摘要】：群決策是解決各類決策問題的重要手段,群體的共同意見可以使得決策結(jié)果讓更多的人滿意。但是,隨著社會經(jīng)濟(jì)的快速發(fā)展,出現(xiàn)了越來越多的涉及大群體的較為復(fù)雜的決策問題,如半公益性的有限資源分配問題,以致現(xiàn)有的決策方法不再完全適用。因此,有必要對大規(guī)模群體的群決策問題進(jìn)行進(jìn)一步的探討。 本文研究的主要思路如下：首先回顧了現(xiàn)有的群體聚類及信息融合的相關(guān)方法,介紹了論文的寫作框架。第二章介紹了大群體決策的概念及已有的群體決策的相關(guān)理論,指出大群體決策待研究的問題。第三章研究了大群體服務(wù)對象的聚類方法,提出了先進(jìn)行數(shù)據(jù)精簡、后進(jìn)行聚類的思路,并給出聚類中心點(diǎn)的確定方法。第四章提出了基于參考點(diǎn)的大群體信息融合算法,給出了參考點(diǎn)的設(shè)計思想及群體成員的權(quán)重確定方法。第五章對一致性測度問題進(jìn)行了探討,從不同群體在整體方案上的差異和所有群體在不同方案上表現(xiàn)出的差異兩個角度給出了一致性測度的公式,并將兩方面聯(lián)系起來,找出具體哪些群體在哪些方案上存在較大的評價差異。第六章是論文主要工作的總結(jié)歸納以及下一步研究的展望。 論文的主要貢獻(xiàn)在于： 1、針對大群體聚類的時空復(fù)雜度,給出了對評價信息進(jìn)行預(yù)處理,以簡化數(shù)據(jù)的具體操作方法； 2、在信息集結(jié)過程中引用了前景理論參考點(diǎn)的概念,并基于現(xiàn)有的參考點(diǎn)選取方法設(shè)計了組合參考點(diǎn)； 3、提出了群體協(xié)調(diào)應(yīng)以調(diào)整方案為主,而非試圖改變反映服務(wù)對象真實(shí)意愿的意見,并給出尋找最具爭議方案的方法。
【關(guān)鍵詞】：大群體決策 群體聚類 信息集結(jié) 參考點(diǎn) 一致性測度
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP202;C934
【目錄】：

• 摘要5-6
• Abstract6-10
• 1 緒論10-20
• 1.1 研究背景與意義10-11
• 1.2 文獻(xiàn)回顧11-17
• 1.3 主要研究內(nèi)容17-20
• 2 大群體決策相關(guān)概述20-26
• 2.1 大群體決策的概念20-21
• 2.2 大群體決策需要研究的問題及其必要性21-23
• 2.2.1 群體決策理論相關(guān)研究內(nèi)容21-22
• 2.2.2 大群體決策需要研究的問題22-23
• 2.3 大群體決策的研究方法23-25
• 2.4 本章小結(jié)25-26
• 3 復(fù)雜大群體服務(wù)對象的聚類26-37
• 3.1 基礎(chǔ)聚類方法概述26-27
• 3.2 評價信息的預(yù)處理27-29
• 3.3 精簡后數(shù)據(jù)的聚類29-32
• 3.3.1 高斯核FCM的基本思想30
• 3.3.2 初始聚類中心點(diǎn)的確定30-31
• 3.3.3 聚類算法的步驟31-32
• 3.4 聚類過程的仿真算例32-36
• 3.4.1 算例過程32-35
• 3.4.2 方法比較35-36
• 3.5 本章小結(jié)36-37
• 4 基于參考點(diǎn)的大群體信息融合37-45
• 4.1 基于聚類的信息集結(jié)問題描述37-38
• 4.2 基于組合優(yōu)化的參考點(diǎn)設(shè)計38-40
• 4.2.1 參考點(diǎn)的相關(guān)介紹38
• 4.2.2 參考點(diǎn)的組合優(yōu)化設(shè)計38-40
• 4.3 信息的集結(jié)40-41
• 4.3.1 權(quán)重的求解40-41
• 4.3.2 信息集結(jié)方法41
• 4.4 信息集結(jié)過程的算例分析41-44
• 4.5 幾種信息集結(jié)方法的比較44
• 4.6 本章小結(jié)44-45
• 5 大群體評價一致性的測度研究45-54
• 5.1 一致性測度背景描述45-46
• 5.2 群體一致性差異的表現(xiàn)形式46-47
• 5.3 群體一致性差異的測度47-51
• 5.3.1 不同形式一致性差異的測度48-49
• 5.3.2 群體一性差異測度方法49-51
• 5.4 算例分析51-53
• 5.5 本章小結(jié)53-54
• 6 結(jié)論與展望54-56
• 6.1 結(jié)論54-55
• 6.2 展望55-56
• 致謝56-57
• 參考文獻(xiàn)57-63
• 附錄A63-64
• 附錄B64-70
• 附錄C70-75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳俠;樊治平;陳巖;;基于區(qū)間數(shù)決策矩陣的專家群體判斷一致性[J];東北大學(xué)學(xué)報(自然科學(xué)版);2007年10期

2 姜艷萍;梁海明;;不同粒度語言信息的群體一致性判別和改進(jìn)方法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2010年11期

3 蘇良昱;蘇良碧;;基于遺傳算法的聚類分析[J];電腦開發(fā)與應(yīng)用;2011年02期

4 孫紅艷;張鵬;;改進(jìn)的遺傳算法在聚類分析中的應(yīng)用[J];電腦知識與技術(shù);2011年36期

5 王曉;陳華友;劉兮;;基于離差的區(qū)間二元語義多屬性群決策方法[J];管理學(xué)報;2011年02期

6 應(yīng)德全;應(yīng)曉敏;葉繼華;;一種基于圖論的聚類算法NeiMu[J];計算機(jī)工程與應(yīng)用;2009年03期

7 關(guān)慶;鄧趙紅;王士同;;改進(jìn)的模糊C-均值聚類算法[J];計算機(jī)工程與應(yīng)用;2011年10期

8 耿躍;任軍號;吉沛琦;;基于K-Means變異算子的混合遺傳算法聚類研究[J];計算機(jī)工程與應(yīng)用;2011年29期

9 黃敏;何中市;邢欣來;陳英;;一種新的k-means聚類中心選取算法[J];計算機(jī)工程與應(yīng)用;2011年35期

10 周濤;陸惠玲;;數(shù)據(jù)挖掘中聚類算法研究進(jìn)展[J];計算機(jī)工程與應(yīng)用;2012年12期

，

本文編號：633656