【摘 要】
：
针对在群体决策中如何利用专家之间的社会关系和决策专家的有限理性因素的问题，提出了一种信任网络下的交互式TODIM群体决策方法。首先，根据专家讨论次数，在每一次专家讨论中，专家根据信任接受程度参考信任者的决策矩阵，通过信息交互和协商来修改决策矩阵；其次，当达到专家讨论次数时，计算最终的群体决策矩阵；最后，分别运用信任网络下交互式TODIM群体决策方法和TODIM群体决策方法来计算各方案排序。对结果进
论文部分内容阅读
针对在群体决策中如何利用专家之间的社会关系和决策专家的有限理性因素的问题，提出了一种信任网络下的交互式TODIM群体决策方法。首先，根据专家讨论次数，在每一次专家讨论中，专家根据信任接受程度参考信任者的决策矩阵，通过信息交互和协商来修改决策矩阵；其次，当达到专家讨论次数时，计算最终的群体决策矩阵；最后，分别运用信任网络下交互式TODIM群体决策方法和TODIM群体决策方法来计算各方案排序。对结果进行对比分析，并对专家讨论次数和信任接受程度进行灵敏度分析。案例分析结果表明，交互式TODIM群体决策方法
其他文献
属性图嵌入旨在将属性图中的节点表示为低维向量，同时保留节点的拓扑信息和属性信息。属性图嵌入已经有一系列相关工作，它们大多数是有监督或半监督。在实际应用中，需要标记的节点数量多，难度大，消耗了巨大的人力物力。本文针对上述问题以无监督的视角重新分析，提出了一种无监督的属性图嵌入算法。该算法首先通过已存在的无属性图嵌入算法和图的属性分别计算节点的拓扑信息和属性信息，其次利用图卷积网络（GCN）得到节点的
创建规则的元素布局在许多场景下是常见的任务. 用户在完成该任务的时候往往需要进行大量烦琐的元素操作. 针对该问题， 提出了一种布局预测方法以协助用户高效地创建规则元素布局. 从SmartDraw中选取30组流程图模板作为基础数据集并进行数据增强， 以视觉图像和属性编码2种形式对数据进行联合编码， 训练以图像字幕网络为基础框架的神经网络， 使该网络有效地学习到进行元素布局时的规则， 并据此进行布局的
针对单直线几何属性的弱稳定性及非“一对一”匹配结果难以检核问题，提出一种结合线对几何特征及单线描述符约束的直线匹配算法。所提算法将邻域内满足一定几何条件约束的两直线构建线对，作为一个整体进行匹配。匹配过程中首先利用线对中两直线交点的核线约束匹配候选范围，然后逐一采用线对内角度、线段间距离比、线对邻域辐射信息三种属性特征对匹配候选进行筛选，最后根据三角形区域灰度相似性确定最终匹配对。检核过程中首先根
通过CiteSpace对1984—2020年中国知网（CNKI）中干旱区城镇化研究的2703篇文献进行分析，利用发文时间分布、作者与机构共现、关键词共现和突现词检测分析了干旱区城镇化研究的发文趋势、阶段划分、核心作者与机构网络、主题演变与历史热点。相关研究的发文量先升后降，可以划分出萌芽、快速、蓬勃、成熟4个时期。涌现出了一大批贡献卓著的机构和学者。在知识演进中，学者们重点关注了小城镇发展与乡镇企
随着云计算技术的快速发展，数据中心的数量大幅增加，随之而来的能源消耗问题逐渐成为研究的热点之一。针对服务器能耗优化问题，提出了一种数据中心服务器能耗优化算法(ECOXG)。首先利用Linux终端监控命令和功耗仪收集服务器各部件的资源占用信息和能耗等数据，并对其进行数据预处理，得到资源利用率。其次，将资源利用率串联构造成向量形式的时间序列，用于训练多个门控循环单元(Multi-GRU)负载预测模型，
针对当前YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测每秒传输帧数(FPS)低的问题，提出一种轻量化目标检测算法(ML-YOLO)。首先，用Mobilenetv3结构替换YOLOv4的主干特征提取网络，通过Mobilenetv3中的深度可分离卷积大幅减少主干网络参数量；然后，用简化的加权双向特征金字塔(Bi-FPN)结构替换YOLOv4的特征融合网络，用Bi-FPN中的注意
影响力最大化问题现有的工作主要集中在无符号网络上，忽略了个体之间存在的敌对关系。针对符号网络中的积极影响力最大化问题，在极性相关的独立级联模型（IC-P）上提出了一种符号网络中基于反向影响采样的积极影响力最大化算法(RIS-S)。首先，该算法在生成反向可达集阶段考虑了节点的极性关系，以适用于符号网络。其次，为了提高了反向可达集的有效性，限制了采样的遍历深度。最后，在三个真实的社交网络数据集中比较了
近期AlphaFold等研究使得深度学习在药物分子链接蛋白质靶位（DTA）任务上取得极大关注，但现有工作多将分子单一结构嵌入为向量，忽略了多视角融合分子特征对最终特征表示提供的信息增益。针对单一结构分子存在特征不完备性的问题，提出了一种基于注意力融合多视角分子特征预测药物-靶标链接亲和力的端到端深度学习方法。其核心工作在于多视角分子结构嵌入(Mas)和多注意力特征融合(Mat)。首先，Mas模块将
针对传统集成分类算法中，一般将集成数目设置为固定值，可能会导致较低分类准确率这一问题，提出了准确率爬坡集成分类算法(C-ECA)。该算法不再替换相同数目的基分类器，而是基于准确率对基分类器进行更新，最终确定最佳集成数目。其次，在C-ECA算法的基础上提出了基于爬坡的动态加权集成分类算法(C-DWECA)，该算法提出了一个加权函数，在具有不同特征的数据流上训练基分类器时，可以获得基分类器的最佳权值，
针对数据流集成分类如何使分类器适应不断变化的数据流，调整基分类器的权重选择合适的分类器集合的问题，提出了一种新的基于块的数据流分类算法。首先提出了一种全新的加权函数调节基分类器的权重，使用不断更新的数据块训练分类器；然后使用一个新的权重函数对候选分类器进行一个合理的选择；最后在基分类器中应用决策树的增量性质，提出了一种基于动态加权函数的集成分类算法。通过大量实验发现该算法的性能不受块的大小影响，与