文献类型：期刊文章

作　　者：李帅[1,2] 王国胤[1] 杨洁[1]

LI Shuai;WANG Guoyin;YANG Jie(Chongqing Key Laboratory of Computational Intelligence(Chongqing University of Posts and Telecommunications),Chongqing 400065,China;School of Mathematics and Information Science,Nanchang Hangkong University,Nanchang Jiangxi 330063,China)

机构地区：[1]计算智能重庆市重点实验室(重庆邮电大学),重庆400065 [2]南昌航空大学数学与信息科学学院,南昌330063

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61572091,61772096);贵州省教育厅科技人才成长项目(黔科合KY[2018]318号);贵州省高层次创新型人才项目(遵科高2018 [15]号);贵州省创新及探索项目(黔科合平台人才[2017年]5727-06号)~~

年　　份：2019

卷　　号：39

期　　号：11

起止页码：3163-3171

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：在三支决策问题中,领域专家群决策是一种确定损失函数的最直接方法。相较于体现单一不确定性的语言变量模型和模糊集模型,云模型描述的专家评价更能够反映认知过程中复杂的不确定性形式,并能通过云综合的方法获得综合评价函数。但当前的云综合方法仅对数字特征进行简单的线性组合,缺乏对概念语义差异上的描述,难以获得令人信服的结果。因此首先证明了在云模型的距离空间中赋权距离和是一个凸函数,并将综合云模型定义为此函数的最小值点。然后,将该定义推广到多个云模型的场景下,提出了一种新的云综合方法--基于密度中心的云综合方法。群决策过程中,该方法在保证综合评价与基础评价之间的相似度最高的同时获得最精确的综合评价,为损失函数的确定提供了一种新的语义解释。实验结果表明,在与简单线性组合和合理粒度方法对比中,该方法所确定的损失函数使得三支决策中的误分类率最低。

关 键 词：云综合  云模型 群决策 三支决策  

分 类 号：TP391.1] TP181[计算机类]