导读:本文包含了模糊决策方法论文开题报告文献综述及选题提纲参考文献，主要关键词:人机协作,直觉模糊集,决策粗糙集,叁支决策
模糊决策方法论文文献综述
刘久兵[1]（2019）在《叁支直觉模糊决策方法及在人机任务分配中的应用研究》一文中研究指出随着智能技术特别是人工智能技术的飞速发展,通过高效人机协作以提高系统任务的执行效率和满意度,在智能制造、军事、航空航天等诸多领域显得愈发迫切和重要。作为人机协作的核心问题之一,人机任务分配在面向系统任务完成过程中,存在如何科学合理确定人和智能机器之间的任务域或工作域,让人和机器建立分工更加合理、配合更加默契的互信机制问题。然而,目前有关此方面的研究尚处于探索阶段。为此,本文结合直觉模糊集主观评价和决策粗糙集客观知识获取的互补优势,从决策粗糙集条件概率获得和概率阈值确定两个方面研究基于决策粗糙集的叁支直觉模糊决策方法并获得叁支分类结果,为人机任务分配提供软求解策略的分配方案。具体研究内容及创新点主要包括以下四个方面:(1)提出了基于直觉模糊信息系统的叁支直觉模糊决策方法。对于现有直觉模糊相似度未考虑其隶属度和非隶属度的实践语义且在一些情形下可能存在违反“直觉”等问题,提出了一种新直觉模糊相似度测度。然后将提出的测度引入直觉模糊信息系统中,定义了直觉模糊相似度下(α,β)-水平截集等概念。采用粗糙隶属度作为评价函数导出目标集的(α,β)-下、上近似集及叁支决策域。进一步地,利用贝叶斯决策理论构建一种具有多风险偏好的直觉模糊决策粗糙集模型并导出其概率阈值。在此基础上,提出一种基于直觉模糊信息系统的叁支直觉模糊决策方法并应用于飞机预期作战任务分配中。(2)提出了基于直觉模糊数排序的叁支直觉模糊决策方法。针对上述提出的叁支直觉模糊决策方法在直觉模糊损失函数矩阵转化过程中带来信息丢失问题,借助决策粗糙集现有成果及直觉模糊数运算,通过分析六种代表性直觉模糊数排序方法的优缺点,分别设计了基于直觉模糊单排序函数的叁支直觉模糊决策机制和基于直觉模糊双排序函数的叁支直觉模糊决策机制。最后将这两类决策机制统一到叁支决策框架内,继而提出基于两类排序函数的叁支直觉模糊决策方法。(3)提出了基于决策粗糙集等价模型的叁支直觉模糊决策方法。考虑到现有方法在一些情形下仍难以确定直觉模糊环境下决策粗糙集概率阈值的问题,从优化的视角研究了经典决策粗糙集的等价模型。然后将此模型的构建思想分别拓展到基于区间数线性、非线性排序法的区间决策粗糙集概率阈值确定,基于叁角模糊数线性、非线性排序法的叁角模糊决策粗糙集概率阈值确定以及语言决策粗糙集概率阈值确定中,构建了相应的概率阈值确定优化模型。理论分析和实验结果表明:相比于现有方法,所提出模型不仅在这些模糊数线性排序法下获得相同的概率阈值数值解,而且还能获得其非线性排序法下的概率阈值数值解。这说明了所提出的等价模型的可行性和有效性。进一步地将其拓展到直觉模糊环境下决策粗糙集概率阈值确定中,并构建相应的非线性优化模型,理论上证明了该模型最优解的存在性和唯一性。然后借助优化技术搜索出模型的最优解并确定其概率阈值,从而克服了现有方法在这些模糊数非线性排序方法下难以确定概率阈值的不足。最后,本章将所提出的模型与方法应用于载人航天操作任务分配中。(4)提出了基于直觉模糊集成算子的叁支直觉模糊群决策方法。传统的叁支直觉模糊决策模型大多是基于单个决策者给出的直觉模糊损失函数评价,而对多个决策者或群决策者评价研究的较少。事实上,单个评估决策者往往存在评估行为的片面性、单一性等问题。针对此类问题,采用直觉模糊加权平均算子和加权几何算子集结不同决策者给出的直觉模糊偏好损失,获得直觉模糊群偏好损失。借鉴决策粗糙集等价模型的构建思想,提出群决策环境下直觉模糊决策粗糙集概率阈值确定模型,并设计基于直觉模糊集成算子的叁支直觉模糊群决策机制及实现算法。最后以飞机预期作战任务分配为例讨论了提出方法在人机任务分配中的应用。总之,本文将直觉模糊集和决策粗糙集相结合,研究基于决策粗糙集的叁支直觉模糊决策方法,并将其应用于不同场景下的人机任务分配中。这不仅丰富了直觉模糊集理论、决策粗糙集理论和叁支决策理论,而且拓宽了这些理论的应用范围。(本文来源于《南京大学》期刊2019-08-01）
麻诗雪,丁勇,李世豪[2]（2019）在《基于区间直觉模糊决策的多无人机任务分配方法》一文中研究指出针对多无人机在不确定环境下面向SEAD约束的任务分配问题,提出一种基于区间直觉模糊决策的多无人机任务分配方法。构建面向不确定环境下无人机的任务分配数学模型,将无人机和任务的不确定信息用区间直觉模糊数表示;借助TOPSIS原理,考虑区间直觉模糊数的曼哈顿距离和犹豫度对区间直觉模糊数进行比较,采用改进后的离散差分进化算法求解得到最优的任务分配方案。结果表明:该分配模型合理,算法具有较好的收敛性。(本文来源于《兵工自动化》期刊2019年07期）
王飞,罗贵火,崔海涛[3]（2019）在《基于模糊决策方法的转子系统优化设计》一文中研究指出为提升转子系统多目标优化的效率,首先对比分析了求解临界转速的坎贝尔图法和特征方程法,随后通过第二代非支配排序遗传算法(NSGA-II)和特征方程法对转子系统临界转速和重量进行了多目标优化。最后基于聚类分析和模糊隶属函数,给出了无偏好和有偏好情况下从最优折衷解集中选择最终方案的准则和方法。结果表明:特征方程法计算精度与坎贝尔图法相当,但效率远高于坎贝尔图法,更适合用于转子系统临界转速的优化;提出的准则和方法能够成功处理从最优折衷解集中进行选择的问题。(本文来源于《机械设计与制造》期刊2019年07期）
王子文[4]（2019）在《基于深度学习和模糊决策的苹果自动分拣方法研究》一文中研究指出优质农产品的供应是全世界都在关注的问题。水果是世界上最重要的农产品之一,尤其在中国,是仅次于粮食作物的第二大种植产品,这其中苹果又是产量最大,分布最广的水果之一。中国的水果产量居世界首位,但单位产值远低于欧美发达国家,这种情况在其他发展中国家中也很常见。有时,由于质量问题,苹果的经济效益不能满足我们的要求。苹果的分类过程对产品的附加值有着重要的影响。传统的水果分级方法依赖于人类的感知,其中水果的质量如果实的果形、颜色、纹理、果面的损伤等指标必须通过人眼视觉检查和经验来判断。近年学者的研究也存在传感信息,分类方法以及动态性能等问题。由于检测和分级技术的落后,导致产品颜色大小不一,成熟度不同,产品质量良莠不齐,不能量化以及用可重复的方式确定。检测和分级技术的缺陷将严重影响产品的价值,并可能导致不符合出口标准和缺乏国际市场竞争力。包含传感,信号处理,特征提取和决策的先进技术会带来一种快速,准确,可重复的水果的自动分级方法。本课题的任务就是设计一种苹果自动分拣方法,达到无损检测和质量分级的目的。提出了一种基于先进传感(机器视觉和激光)、信号处理(图像处理)、特征提取(通过小波分析和信号熵等方法)多传感器信号融合以及基于深度学习与模糊算法的决策技术的苹果分级方法,使水果分级的速度、精度和可重复性得到显着提高,同时设计一种无损自动分拣机构,实现对于产品的快速检测和自动分拣,提高产品质量和消费者满意度,增加产品利润和市场竞争力。针对本课题的任务要求,设计了一种用于苹果分拣的实验平台,包括传动系统,传感系统,控制系统,和执行系统。传动系统选用普通叁相交流电机驱动传送带,用变频器可以改变传送带速度。考虑到传感器的动态特性和信息的完整性,选择了机器视觉和结构光激光检测的方法来进行苹果的无损检测,二者分别可以检测苹果的二维信息(颜色/纹理/形状尺寸)以及叁维信息(表面曲率变化)。选用光电开关来检测苹果的位置,选用同步轮编码器来检测传送带的速度以增加速度测量的准确性。为了在分拣时不破坏苹果,采用了高压气体喷射方式分拣苹果,空压机提供气源,电磁阀用于控制气路的通断,高压气体喷嘴喷射出高压气体。同时,利用该实验平台可以进行图像的获取:光电开关检测到苹果后发出信号给单片机,单片机控制CCD相机拍摄照片采集到计算机里面。对于采集到的图像,为了便于后面的特征提取与分类,设计了一系列图像预处理方法,包括图像增强,灰度化,二值化,边缘提取等。采用中值滤波方式去除图像的噪点。利用图像形态学运算(腐蚀运算,膨胀运算,开运算)进行图像分割和边缘提取。利用该图像获取系统获取了部分图像,并在MATLAB中进行图像预处理仿真实验,验证了所使用方法的有效性。对于经过预处理的图像,提出了苹果图像特征提取的方法。为了得到与苹果质量相关的颜色、纹理、形状以及叁维信息,设计了基于颜色矩、小波变换、激光线提取等方法的特征提取方法。对于去除背景的苹果图像,计算其低阶矩就可以展示出苹果的颜色特征,其一阶矩和二阶矩对应苹果颜色的均值和方差。计算苹果图像二维小波变换各通道系数的能量值,得到各个方向的纹理特征。提取苹果图像的灰度共生矩阵,对得到的结果进行多方面的运算(如能量值,相关性,对比度,灰度熵等)可以体现苹果图像的纹理特征。对图像进行像素级计算以表达出苹果的尺寸特征(周长、面积、圆度、等效半径)。提出了一种窗口寻峰技术的激光线条提取方法,对提取出的激光线条中心进行像素点编码,计算局部半径大小和方向,可以得到苹果表面破坏情况。根据这些方法,在MATLAB中对经过预处理的带有不同特征的图像进行特征提取,验证了算法的有效性,得到了可以充分表达苹果质量的特征值。为了实现苹果的分级,分别介绍了基于卷积神经网络(CNN)和模糊神经网络(FNN)的分类方法,重点介绍了他们的基本原理和基本结构。模糊理论和人工神经网络技术是其中两个较为活跃的领域。卷积神经由一个或者多个卷积层、池化层以及全连接层组成,较于其他深度学习网络结构在二维数据的处理上具有明显的优势,在图像识别领域应用广泛。模糊系统则具有利用专家知识和推理的能力,它对结构化知识的处理比较有效。模糊神经网络正是模糊理论与神经网络相结合的产物,它具有推理、学习、联想和信息处理的强大能力,不仅能处理精确信息,也能处理苹果这种含有模糊信息的问题。分类器的输入数目如果过多,就会造成数据灾难,训练时间长,存储量达。为了减少FNN的输入,同时达到传感器融合的效果,设计了一种基于二维主成分分析(2DPCA)的传感器融合和数据降维的方法,将苹果图像的二维信息和叁维信息进行融合,以达到综合分类的目的,文中具体阐述了基本思想和基本步骤。二维主成分分析是一种并行传感器特征层融合方法,既能保存有效信息,又能消除各信息之间的冗余。传统PCA是将所有特征值串联后进行降维,而2DPCA是将不同传感器或不同特征提取方法得到的特征向量组成特征矩阵在进行特征降维处理。为了验证本文提出的苹果分级方法的有效性,设计了苹果分拣的仿真实验。在超市中购买了几种价格不同的苹果,按照他们尺寸、颜色、纹理的不同分为4类,同时将一些表面损伤的苹果以及人为破坏一些苹果归为第五类。利用实验平台获取了1500张苹果图像和对应的激光图像。为了得到足够数量的数据集满足分类器的需求,利用旋转和平移的方法得到15000个数据,实现了数据的扩增。在基于TensorFlow的Keras中搭建了卷积神经网络的结构,包括卷积层、池化层、全连接层等。将数据集分为训练集、测试集、验证集叁部分。采用最小批量梯度下降法(MBGD),用训练集和验证集不断训练神经网络,其训练准确率和验证准确率均达到100%,测试准确率达到99.33%。为了验证CNN传感融合的可行性,将苹果图像与激光图像拼接成一张图像并在Keras中训练,结果并不理想,主要原因是CNN对于细小变化不是很敏感。在MATLAB中进行了基于2DPCA和FNN的实验。将特征提取得到的特征向量组成矩阵并用2DPCA进行降维,得到四个特征值,累计贡献率超过99.9%。利用MATLAB平台中的自适应模糊神经网络(ANFIS)工具箱搭建了基于T-S模型的模糊神经网络的结构,确定了各个参数(输入数目,模糊规则数目,模糊函数等)。将2DPCA得到的特征值输入到FNN中进行训练,并用测试集进行测试。最终得到了99.7的训练准确率,99.8%的测试准确率。为了证明2DPCA的优势,同时应用了1DPCA作为对比。其四个特征值的累计贡献率为95.8%,训练集准确率为88.4%,但测试集准确率只有81.0%。不断修改参数也不能达到良好效果。实验结果表明,CNN在苹果彩色图像分类上具有明显效果,且不用进行提前特征提取,适合单一图像的分类问题,但所需数据量大且训练耗时较长。而2DPCA和FNN在传感融合与分类方面更具优势,不过需要事先进行特征提取和数据处理。其数据量少,训练时间短,特征结果更明晰。同时,相比于传统1DPCA,2DPCA在数据降维效率和传感融合方面都具有明显优势。前述所有实验结果证明了本文所提出的苹果分级方法的有效性和可行性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
高宁化[5]（2019）在《基于动态模糊决策树的心电信号分类方法》一文中研究指出心电信号是人体心脏健康状况的直接反映,同时也是医生作心脏疾病诊断时的重要依据。随着医院存储数据越来越丰富以及人工智能算法在医学上的应用,基于心电信号的自动分析诊断技术已有大量研究,但是目前的疾病正确诊断率不高,仅作为医生诊断参考之用。因此,研究高准确率的自动分析诊断方法尤为重要。本文以单个周期的心电信号为研究对象,重点研究心电信号的特征提取方法及分类识别方法。主要研究工作包含以下几个部分:1.基于时频融合特征的心电信号特征提取方法研究。根据心电信号中R峰位置,将连续的心电信号按周期分割,对每一个周期的心电信号进行3层小波包分解,保留前4组小波包分量对信号进行重构,通过重构完成去噪,同时将对应系数矩阵的二范数作为心电信号的频域特征。然后提取心电信号各峰值与时间间期信息,作为时域特征。最后,以向量张成的方式将频域特征与时域特征进行融合,用融合后的特征向量表征心电信号。2.基于动态模糊决策树的心电信号分类方法研究。在决策树生长过程中,对当前结点的所有样本,分别在每个属性上进行模糊C均值(FCM)聚类,起到动态划分特征空间的作用,计算每一个属性划分前后的信息增益,选择信息增益最大的属性为分裂属性,当满足停止条件时停止决策树的生长,以此来构建决策树。利用MIT-BIH数据库中的数据进行了心电信号正异常分类及多类异常分类实验,识别准确率分别达到了99.14%和95.14%。3.心电信号检测诊断系统设计与实现。基于MATLAB软件平台及AD8232芯片、Arduino单片机硬件平台,设计了一套便携式的心电信号采集及诊断系统。通过对自采集的392组心电信号样本进行正异常自动分类,取得了93.88%的识别准确率。无论是标准数据库中的实验结果还是自采集数据的实验结果,都表明了本文所提方法的有效性,本文所提时频特征融合方法提取的特征能有效表征心电信号,改进的动态模糊决策树算法提高了心电信号分类精度,能作为心脏疾病诊断的辅助工具,对疾病预检具有重要意义。(本文来源于《西南科技大学》期刊2019-05-01）
穆志民,陈雁东,刘琦,曾守桢[6]（2019）在《基于方案偏好且指标关联的直觉模糊决策方法研究》一文中研究指出基于偏差极小化的思想,将对方案各指标偏好与对方案偏好之间的总偏差作为目标函数,以不同属性组合权重作为约束条件,针对不同指标之间存在一定的关联性,并且不同决策者对决策方案存在不同程度偏好的直觉模糊多属性决策问题,引入Choquet积分来反映指标之间的关联性,建立一种基于指标间存在一定关联性的直觉模糊多属性决策模型,并通过一种算例来说明该决策方法的可行性和有效性。(本文来源于《天津中德应用技术大学学报》期刊2019年02期）
邓德学,徐新瑞[7]（2019）在《基于模糊决策理论的工程评标方法研究》一文中研究指出从分析目前我国工程评标方法存在的问题入手,以模糊决策理论为基础建立工程评标模型,结合工程实例剖析模糊决策方法在工程评标中的应用,为工程评标提供科学的决策。(本文来源于《山西建筑》期刊2019年10期）
赵菊萍[8]（2019）在《关于多属性模糊决策方法的研究》一文中研究指出多属性模糊决策是指对大量具有模糊性和不精确性的数据进行处理,同时,从该数据中提取有效信息并进一步作出客观合理的决策。随着信息量的增加以及数据类型的日益丰富,多属性模糊决策模型在处理实际问题方面表现出更强的实用性。为了快速高效的处理具有模糊性和不精确性数据、提高决策的效率、保证决策的合理性,国内外学者针对不同的问题从不同角度对多属性模糊决策中的问题进行探究并取得了显着成效。但是,由于多属性模糊决策问题涉及的领域之广,十分复杂,因此仍存在一些问题有待进一步的探究和解决。本文主要针对多属性模糊决策中Vague值(集)的相似性度量、直觉模糊信息系统属性约简以及多属性模糊决策问题中属性权重的确定等问题进行了较系统的研究并取得了一些有效的结果。为了研究Vague值(集)的相似性度量,我们尝试以二次投票模型为背景考虑了确定信息对Vague值(集)相似性的影响,提出一种新的Vague值(集)相似性度量方法。通过与现有主要方法的比较,以及将该Vague值(集)相似度量应用于多准则模糊决策中,验证了这种方法的有效性和可行性。在直觉信息系统属性约简的研究中,我们将Atanassov算子与模糊集相容关系以及属性相容关系相结合,提出了一种直觉模糊信息系统属性约简方法,并通过实例分析验证了该方法的有效性与优越性。在研究多属性模糊决策中属性权重的确定问题时,我们通过对现有的主要方法进行分析,并在此基础上定义了各条件属性对决策属性的一致度,再根据各条件属性对决策属性一致度的大小给出多属性模糊决策问题中属性权重的确定方法,最后通过数值实例进一步验证了方法的合理性。总之,本论文研究工作进一步完善了多属性模糊决策的相关理论,并利用一些实例验证了这些方法的有效性。(本文来源于《宁夏大学》期刊2019-03-01）
董晓璇,程嗣怡,周一鹏,王玉冰[9]（2018）在《基于时域模糊决策融合的雷达工作模式识别方法》一文中研究指出在雷达工作模式识别中,侦察设备对雷达信号参数的测量误差严重影响了识别效果,针对这一问题文中提出时域模糊决策融合(TFDF)的雷达工作模式识别方法。首先分析了雷达脉冲组特征,在脉冲组层次提取雷达信号的脉冲组描述字(PGDW);然后基于联合隶属度函数改进传统的神经网络硬判决方式,实现雷达信号识别的模糊决策;最后运用DS证据理论将多个时刻的模糊决策融合,从而完成雷达工作模式的最终识别。基于时域模糊决策融合的识别方法可以有效改善参数测量误差对工作模式识别效果的影响。仿真结果以及对比实验表明,文中所提算法具有更好的抗噪性能,在雷达信号的参数测量误差为15%时仍具有90%以上的识别率。(本文来源于《空军工程大学学报(自然科学版)》期刊2018年06期）
汪丹丹[10]（2018）在《一种基于多属性模糊决策的英文韵律短语边界预测方法》一文中研究指出对于各类TTS(Text to Speech)系统而言,能否准确地预测韵律短语边界对TTS系统的效果有着关键性的影响.目前常使用决策树来做韵律短语边界预测,但这种方法受到了训练数据的均衡性以及决策算法本身无法达到全局最优的制约.为了改善预测效果,在传统的决策树方法之上,将决策树使用的聚类属性与模糊决策相结合,提出通过多属性模糊决策方法来预测英文韵律短语边界.实验表明,使用这种方法后,效果比基于决策树的预测方法的效果有较大提升,F-Score由64. 4%提升到69. 3%,不可接受率也从28. 6%降低到21. 4%.(本文来源于《西安文理学院学报(自然科学版)》期刊2018年06期）
模糊决策方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对多无人机在不确定环境下面向SEAD约束的任务分配问题,提出一种基于区间直觉模糊决策的多无人机任务分配方法。构建面向不确定环境下无人机的任务分配数学模型,将无人机和任务的不确定信息用区间直觉模糊数表示;借助TOPSIS原理,考虑区间直觉模糊数的曼哈顿距离和犹豫度对区间直觉模糊数进行比较,采用改进后的离散差分进化算法求解得到最优的任务分配方案。结果表明:该分配模型合理,算法具有较好的收敛性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊决策方法论文参考文献
[1].刘久兵.叁支直觉模糊决策方法及在人机任务分配中的应用研究[D].南京大学.2019
[2].麻诗雪,丁勇,李世豪.基于区间直觉模糊决策的多无人机任务分配方法[J].兵工自动化.2019
[3].王飞,罗贵火,崔海涛.基于模糊决策方法的转子系统优化设计[J].机械设计与制造.2019
[4].王子文.基于深度学习和模糊决策的苹果自动分拣方法研究[D].哈尔滨工业大学.2019
[5].高宁化.基于动态模糊决策树的心电信号分类方法[D].西南科技大学.2019
[6].穆志民,陈雁东,刘琦,曾守桢.基于方案偏好且指标关联的直觉模糊决策方法研究[J].天津中德应用技术大学学报.2019
[7].邓德学,徐新瑞.基于模糊决策理论的工程评标方法研究[J].山西建筑.2019
[8].赵菊萍.关于多属性模糊决策方法的研究[D].宁夏大学.2019
[9].董晓璇,程嗣怡,周一鹏,王玉冰.基于时域模糊决策融合的雷达工作模式识别方法[J].空军工程大学学报(自然科学版).2018
[10].汪丹丹.一种基于多属性模糊决策的英文韵律短语边界预测方法[J].西安文理学院学报(自然科学版).2018