含有L-R模糊数的DEA-DA模糊识别模型与算法研究

摘要

实际工程问题中，由于测量误差、噪音，经济环境的随机性及质量因素的影响导致了模糊环境的产生，由于系统模糊性而产生的数据的不确定性导致系统辨识的精度降低，目前模糊环境下的系统辨识问题还没有得到很好的解决。 本论文将模糊数学，运筹学，计算机科学等多学科原理与方法进行集成，基于对DEA-DA的模糊模式识别方法的理论研究，建立含有L-R模糊数的DEA-DA模式识别模型，并通过模型的灵敏度分析验证模型的鲁棒性，实现对模糊系统的高精度有效辨识。模型构建将采用模糊数学、运筹学和多元统计分析方法的集成，利用混合整数规划和多目标规划实现模型的计算机算法。该模型与方法的研究在非均一评价模型研究领域，尤其是在多指标，多特征，多单元的模糊识别领域几乎尚未有人研讨，对于解决模糊环境下的模式识别问题具有重要的应用价值。 利用基于DEA-DA的模糊模式识别算法与计算机的结合，可以应用于经济预测和预警、工程模糊识别与诊断、人工智能、知识处理及数据挖掘领域，具有重要的理论价值和应用前景。

目录

文摘

英文文摘

声明

第一章绪论

§1.1研究的背景和意义

§1.2国内外研究现状及研究意义

§1.3研究内容、技术路线及方法

第二章DEA-DA模型与方法的概述

§2.1 DEA(Data Envelopment Analysis)方法综述

§2.2 DEA方法的基本模型

§2.3判别分析方法(DA方法)

§2.4 DEA加性模型形成的DEA-DA模型

§2.5本章小结

第三章模糊DEA-DA模型与方法

§3.1系统的不确定性

§3.2 L-R模糊数及其运算

§3.3本章小结

第四章模糊DEA-DA模型的灵敏度分析

§4.1数据扰动后的模糊DEA-DA灵敏度分析

§4.2增加决策单元的模糊DEA-DA灵敏度分析

§4.3本章小结

第五章算法的计算机实现

§5.1实现工具选择

§5.2 DEA-DA模型算法的计算机实现及数值算例

§5.3 FDEA-DA模型的计算机实现

§5.4算法

§5.5本章小结

第六章全文总结与展望

§6.1总结

§6.2展望

致谢

参考文献