由于决策问题的复杂性或者专家认知水平的局限性,使得语言变量成为一种更加直观、方便的表示不确定信息的方法。1995年,李德毅院士在概率论和模糊理论的基础上,提出了一种处理不确定性问题的双向认知模型——云模型,云模型是描述语言变量中模糊性和随机性的有效工具,因此,将云模型理论应用于语言型多属性群决策具有重要的理论价值和现实意义。本文以语言变量到正态云模型的转换问题、正态云模型的相似性度量问题、专家权重的确定以及正态云模型信息集成与决策方法为切入点,研究了基于正态云模型的语言型多属性群决策方法,为大数据背景下复杂的决策问题提供新的解决思路。本文主要完成了以下三个方面的研究工作:一、基于正态云模型的3En规则和正态云模型的数字特征,分析正态云模型相似性度量应满足的基本准则,考虑正态云模型的位置相似度和形状相似度,提出了一种正态云模型的相似性度量PSCM算法,研究了该相似度算法的基本性质,通过算例说明了PSCM算法具有很好的区分性。二、考虑语言术语集的全局和局部约束,提出了语言变量到云模型的转换一般应遵循的原则,在此基础上定义了语言变量到正态云模型的转换模型,并研究了该转换模型的性质。三、基于群体评价一致性最优思想,提出了一种专家权重的确定方法;分析了已有云模型的信息集成算子,提出了云加权算术平均算子CWAA的性质;基于正态云相似度和计分函数,提出了基于云模型的语言型多属性群决策方法。