多属性决策中一种模糊度量排序方法

为了更细腻地描述作为比较评价的语言信息,用一个直觉模糊数表示两两对象的比较评价,将直觉模糊数表示为由上理想模糊数和下理想模糊数的二元模糊数组,定义了关于直觉模糊数的一种运算并且给出了基于结构元表示的排

针对时间序列的全序列聚类展开，提出一种新的相似性度量，全局特征，即从时间序列的统计分布特征、非线性和Fourier频谱转换等3个方面提取11个全局特征构建特征向量。利用特征向量来描述原时间序列，不但保

不确定语言多属性决策的组合方法,卫贵武,,研究了属性权重完全未知、属性值以不确定语言变量形式给出的不确定语言多属性决策问题。引入了不确定语言变量的运算法则,以及不

针对一类属性值、属性权重和决策者权重均为区间灰数的群决策问题,引入群体正靶心、负靶心和群体偏离靶心度的概念,提出了灰色多属性偏离靶心度群决策方法,即群决策的结论应尽量接近所有成员最理想的方案,即越接近

为了迎合目前网格计算对动态、细粒度授权的需求，针对网格资源分层式的组织结构特点，在现有的基于属性的访问控制（ABAC）模型的基础上，提出了一种针对网格资源的ABAC模型Grid_ABAC，并设计了基于

在浩瀚的数据资源中，为了实现对特定主题的搜索或提取，文本自动分类技术已经成为目前研究的热点。KNN是一种重要的文本自动分类方法，KNN能够处理大规模数据，且具有较高的稳定性，但面临分类速度较慢的问题。

对方案有偏好的三角模糊数多属性决策的GRA方法，卫贵武，，针对属性的权重信息不能完全确知、属性值和对方案的偏好信息均以三角模糊数形式给出的多属性决策问题，提出了一种灰色关联分析(Gr

将直觉模糊粗糙集应用于多属性决策问题，提出了基于改进的直觉模糊粗糙集相似度的多属性决策方法。针对现有的直觉模糊粗糙集相似度忽略犹豫度而造成度量不精确的问题，提出了一种改进的直觉模糊粗糙集相似性度量方法

权重信息不完全的区间直觉模糊数多属性决策的TOPSIS方法，卫贵武，，针对属性权重信息不完全且属性值为区间直觉模糊数的多属性决策问题，提出了一种逼近理想解的决策分析方法。该方法依据传统的TOPSIS

综述了基于Vague集的多属性决策方法，针对现有研究成果存在的不足，提出了基于Vague集的多阶段模糊多属性决策方法，阐述了该方法的基本步骤和实现过程。该方法分阶段对决策方案进行筛选淘汰，找出最佳决策