基于云模型的非确定性数据综合评价问题研究

发布时间：2020-08-13 22:02

【摘要】：非确定性数据,即模糊数、区间数、联系数、灰数和不确定语言变量等可以表达不确定性信息的数据形式。事实上,综合评价实践过程中存在大量以非确定性数据形式为载体的评价信息,比如,医院管理统计评价中的语言评价信息、企业信用评估中的直觉模糊信息、科技评价中的区间数信息、项目评估中的灰数信息、产品性能评估中的二元语义数信息、供应链管理和企业过程管理等问题中的复杂模糊信息。针对以上诸多问题中,存在具有不确定属性的指标,评价者倾向于给出类似于非确定性数据形式的评价信息。故而,研究非确定性数据综合评价方法,对于社会经济评价活动等具有重要的应用价值。在现有的研究基础上,本文研究基于云模型的非确定性数据综合评价方法,根据综合评价技术的基本步骤,从全局和阶段上考虑相关问题的研究。基于此,研究基于云模型的非确定性数据集成问题、具有混合多属性数据的转换方法以及非确定数据综合评价的应用场合和可视化评价问题,从而不断改进和完善基于云模型的综合评价理论与方法。全文共分七章:第一章为绪论。本章阐述了本文的研究背景和研究意义,并分别对云模型理论、复杂模糊数以及不确定语言信息综合评价研究现状进行了梳理和评述;然后介绍了本文的主要内容、研究方法、结构安排和可能的创新之处。第二章为理论基础。本章致力于厘清云模型的理论基础即云模型的数字特征、距离测度方法和云模型相似性测度方法;明晰非确定型数据形式的主主要有模糊数、灰数、联系数、区间数、直觉模糊数、毕达哥拉斯模糊数和犹豫模糊数等形式,详细阐述了不同非确定性数据形式之间的区别和联系;分析了非确定性数据评价的理论基础。本章为基于云模型的非确定性数据综合评价方法的提出提供了理论依据。第三章为基于云模型的直觉模糊数Bonferroni均值算子集成方法。本章致力于结合(α,β)-截集技术,对Bonferroni均值的概念进行拓展为Bonferroni调和平均算子,并介绍了梯形直觉模糊数的概念及其运算;给出(三角)梯形直觉模糊数的一种排序方法,同时提出了加权梯形直觉模糊Bonferroni调和均值算子以及规范赋权三角直觉模糊Bonferroni调和均值算子。给出了直觉模糊云的概念及其运算,并给出直觉模糊云逆向云生成算法;最后,分别通过基于加权梯形直觉模糊Bonferroni调和均值算子的最佳供应商选择问题、基于规范赋权三角直觉模糊Bonferroni调和均值算子的风险投资评估问题和基于云模型的直觉模糊Bonferroni均值算子的信息系统安全评估问题等算例进行分析,结果表明本章所提出方法的有效性和可行性。第四章为基于云模型的毕达哥拉斯模糊数正负理想解评价方法。本章致力于对直觉模糊数与毕达哥拉斯模糊数概念间的区别与联系进行分析,提出毕达哥拉斯模糊云模型的概念,分析了毕达哥拉斯云模型的优良性质以及毕达哥拉斯模糊云模型距离的测度方法,并结合云模型生成算法提出了毕达哥拉斯模糊云的集成方法,然后利用正负理想解方法解决了电子商务中买家的关于所购商品的评价信息对潜在客户的影响分析。第五章为基于云模型的区间数伴语言变量混合多属性评价方法。本章致力于介绍区间数的概念,区间数的代数运算性质和区间数可能度排序方法,结合(正态)云模型的普适性和利用语言变量的定性定量转换的黄金分割法,提出了混合多属性的云模型综合评价方法,并将其应用于解决空袭目标的危险态势评估问题,实现了信息尽可能少的损失和扭曲,表明该方法的优越性。第六章为基于云模型的不确定语言变量多指标相似度评价方法。本章以统计数据质量为例,给出了一种基于云模型的统计数据质量评价新方法。首先,确定云模型的评价等级语言粒度,对其进行软划分,并根据统计数据质量的评价指标体系,从准确性、及时性、适用性、一致性、可衔接性、可解释性、可获得性和有效性等八个维度刻划数据质量评估云模型,利用云模型加权算术平均集成技术,构造评价综合云;其次,结合云模型相似性的测度方法,根据综合云与评价等级云模型的相似度判断统计数据质量评估综合云的隶属等级。实例表明,新方法可以作为统计数据质量评估和监管的一个参考。第七章为结束语。本章对全文研究的结果进行了总结,同时也指出本文中尚存在的不足之处以及未来需要改进的和继续深入研究的问题。基于以上研究内容,力求在以下几个方面有所创新:(1)由于评价中指标间存在大量相互关联的情形,提出了一种新的基于加权梯形直觉模糊Bonferroni调和均值算子和规范赋权加权三角直觉模糊Bonferroni调和均值新算子。算子具有幂等性、可交换性、单调性和有界性等优良性质,并将算子应用于多属性综合评价方法。该方法可以挖掘属性间的重要性以及反映属性间相互关联的关系。因此,在直觉模糊数的集成方法上有所创新。(2)研究云模型与毕达哥拉斯模糊数的有效“合成”,提出了一种毕达哥拉斯模糊云的概念,弥补已有传统评价中,不能兼顾评价过程中的随机性和模糊性的不足,使得方法更加适用于综合评价的实践和应用。为了克服传统多准则群体决策方法在毕达哥拉斯模糊环境下的局限性,提出了一种新的毕达哥拉斯模糊云多指标正负理想解方法,结合毕达哥拉斯逆向云发生算法对客户的评价信息进行处理。毕达哥拉斯正态云可以有效反映评价信息的模糊性和随机性。算例分析表明,所提出的方法可以解决潜在客户进行采购时的辅助决策问题。(3)利用本文的研究方法对统计数据质量进行评价的视角,提出了结合云模型逆向生成算法,给出了基于云模型相似度方法的非确定性数据综合评价方法。应用实例表明,新方法在模糊性和随机性环境下的具有比较优势,可以有效实现统计数据质量评估指标体系下的整体可视化与局部可视化评估。
【学位授予单位】：浙江工商大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：O159
【图文】：

办为２的主值，ａ与６是５的下界和上界，０－幻与（ｃ－幻为５的下限和上限。当逡逑时，２是普通意义的实数。当（Ｃ－ａ）的值越大，三角模糊数的模糊程度越逡逑大（如图２－１邋）。逡逑ｙ逡逑：瓦逡逑Ｏ邋ａ逦ｂ逦ｃ逡逑图２－１三角模糊数逡逑＞＊逡逑瓦逡逑Ｏ逦ａ逦ｂｅ逦ｄ逡逑图２－２梯形模糊数逡逑定义２．２设及是实数集，若ｄ邋＝邋［ａ』，ｃ，ｒｆ］，（－0ｏ＜ａＵＳｃ￡ｔ／＜＋0ｏ）则称ｄ是逡逑一个梯形模糊数；若《＞0，则称５为正梯形模糊数。其中，分别表示２逡逑所支撑区间的下界和上界，而闭区间［Ａ，ｃ；｜为：？的中值。逡逑１７逡逑

．逦．．邋ｙ0＞逡逑Ｘ。．…一邋■：逡逑图２－４直觉模糊数的隶属度、非隶属度和犹图２－５毕达哥拉斯模糊数的隶属度、非隶属逡逑豫度之间的关系逦度和犹豫度之间的关系逡逑定义２．１４设Ｉ为论域，」＝｛＜；！：，／／．４（１），１＾（；（：）＞｜：）￡：Ｓ龋

本文编号：2792582