成对比较矩阵

摘要： 研究目的:高速铁路建设飞速发展,铁路选线方案众多,影响铁路选线的因素较多,如工程地质条件复杂、工程投资巨大等。传统线路方案比选一般将经济指标作为衡量线路选线的主要影响因素。本文依托南深高速铁路项目,认真分析影响线路选线的多种主要因素,并基于层次分析法建立南深高速铁路选线的决策指标体系,充分考虑多种因素对决策层的影响,建立基于层次分析法的高速铁路线路选线的决策模型。研究结论:(1)线路方案比选是铁路选线设计研究的重要内容,进行线路方案比选时,需综合考虑工程投资、工程实施难度、工程风险等影响因素,以便得出最优的线路方案;(2)运用层次分析法推荐结论与南深高速铁路线路方案比选推荐方案一致;(3)基于层次分析法的高速铁路选线模型可以弥补一般高速铁路选线的主观性、单一性缺点,同时表明该决策模型具有较强的实用性、合理性和科学性,可为类似工程项目选线提供一定的参考和借鉴价值。

摘要： 针对个性化推荐中的冷启动和用户模型主观个性特征描述不足的问题,提出一种基于用户初始特征模型优化构建的个性化推荐方法.通过对成对比较矩阵构建方法的优化和改进,减少提取主观性权重比较结果时,用户的比较操作次数,通过推导计算得出用户的初始特征模型,并据此完成推荐.通过将该方法应用到周边美食个性化推荐中,验证该方法所建立的初始用户模型,能够准确反应用户的主观偏好特征,得到满意的个性化推荐结果.

摘要： 随着科学技术的发展,牙齿正畸软件系统可以自动生成若干正畸方案.针对医患如何从中选择最满意方案的问题,提出基于层次分析法的牙齿隐形正畸方案综合评价与优选方法.结合牙齿正畸医师常用的正畸标准与患者的基本需求,从咬合、美观和正畸代价3个维度考虑,建立了咬合接触情况、牙列拥挤度、牙弓对称度、牙齿移动难度、正畸周期及费用等11个指标的牙齿隐形正畸方案优选层次模型.利用层次分析法构建成对比较矩阵,通过一致性检验,确定各指标及各方案权重,计算综合权重并排序得出最优方案.结合实际案例,对不同案例进行实验,同时引入专家评分法进行实验对比,结果表明,基于层次分析法的综合评价可为医患选择牙齿隐形正畸方案提供有效参考.

摘要： 学生数学学习的影响因素已成为教育研究的热点,其中心理阴影因素更是备受关注。为了探究初中学生在数学学习过程中产生的心理阴影因素,本文分别对教师和学生进行“影响数学学习的各类阴影因素”的问卷调查。在学生角度,给出相应阴影因素指标,利用 Pearson 检验学生成绩与阴影因素的相关性,得到在学生视角下阴影因素的影响力顺序;其次,在教师角度,则通过成对比较矩阵定权法对阴影指标进行权重赋值,分析权重大小和影响程度确定为正相关。综合两个角度的结果,对重要影响指标按照心理因素,学习方法,课堂教学,和课堂反馈四个方面进行归类,并根据各环节阴影因素特征给出有效对策。

摘要： 构建合理的教育资源评价体系对实现地方教育公平与发展至关重要.文章通过两名专家基于层次分析法给出成对比较矩阵得到教育资源合理配置程度产生排名误差,其原因是人为给定的成对比较矩阵有一定的不确定性.当专家组所给出的排名情况差异过大时,结合主成分分析方法来判断最终排名可以得到一个更加公平的评判结果.

摘要： 目前恐怖袭击事件主要依据人员伤亡与经济损失进行分级,没有准确的量化分析和统一标准.本文以全球恐怖主义数据库(GTD)中1998-2017年的恐怖袭击事件为例,依据危害程度对恐怖袭击事件进行分级.首先挑选恐怖袭击事件的8个主要属性指标,并利用成对比较矩阵给出8个指标在评价事件危害程度的权重,再建立多属性综合评价模型,计算得到该恐怖袭击事件危害程度,并以此制定恐怖袭击事件的分级标准.该模型充分考虑恐怖袭击事件的各种复杂因素,可满足恐怖袭击事件分级要求与级别标准化要求.

摘要： 本文基于层次分析法原理构建面向液态奶包装材料选择的层次模型,依据模型构建成对比较矩阵,确定评价体系中各指标的权重,用数学方法解决复杂的决策方案,为液态奶的生产提供决策方案.

摘要： 本发明公开了一种基于成对比较的骨折区域识别方法和系统，包括：获取训练X光图；将训练X光图分割为n个骨骼子区域；将n个骨骼子区域进行分类并构造训练样本，根据所述训练样本进行训练得到成对比较网络；获取目标X光图；将目标X光图分割为n个目标骨骼子区域；通过成对比较网络分别对n个目标骨骼子区域进行比对，得到n个目标骨骼子区域与对应部位的骨折代表元、非骨折代表元的相似性分数向量，并根据所述相似性分数向量判断n个目标骨骼子区域中的骨折子区域。

摘要： 基于正交‑成对比较试验与SVR的啸叫定量评价方法，首先结合正交试验与成对比较试验，得到用于训练模型的测试样本，其次进行实测音频样本的主观评价，进行不同纯音对啸叫异响贡献程度的定量，结合排除‑对比的思想与等级评分法，最后运用支持向量回归构建多纯音啸叫定量评判模型，并进行了有效性检测；正交试验具有均衡分散、整齐可比的特点，可极大减少试验数量；成对比较具有易于操作、简单快捷的特点，对专业知识要求不高，更能反映目标特征；本发明实现音频信号中突出啸叫频率在总噪声中贡献大小的定量评判。

摘要： 本发明实施例提供了一种基于成对比较的图像主观质量的评价的方法和装置。所述方法包括：利用图像客观质量评价算法，生成待评价的所有图像的客观质量分数；根据所述所有图像的客观质量分数，生成所述所有图像的图像对的初始化的成对比较结果，作为当前成对比较结果；根据所述当前成对比较结果，生成所述所有图像的当前全局排序结果；根据所述图像对的再进行一次主观比较的价值，从所述图像组的图像对中，选择一个第一图像对，获取观测者对所述第一图像对的相对质量的判断结果；根据观测者对所述第一图像对的相对质量的判断结果，更新图像的当前成对比较结果；更新所述当前全局排序结果；判断是否满足以下任一条件；当满足以下任一条件时，则结束。

摘要： 本发明公开了一种基于编码序列表示的源代码片段成对比较方法，属于计算机程序技术领域，使用一种基于静态程序分析的编码序列源代码表示方法，将源代码文本转换为编码序列表示；用Burrows‑Wheeler转换，对源代码片段的编码序列进行数据处理，得到编码序列的索引；通过种子筛选，从编码序列的索引中找出具有高相似度的子序列比对种子；用Smith‑Waterman算法，将高相似度种子作为子序列比对的起始位置，扩展后续序列中保持一定相似度阈值的子序列；根据编码序列对应的源代码行号信息，定位源代码片段之间的高相似度部分，解决了无法支持跨粒度相似度匹配，高相似度片段定位不够精确的技术问题，能够支持跨粒度源代码相似性比较，不要求对比的源代码文本具有同一粒度。

摘要： 基于正交‑成对比较试验与SVR的啸叫定量评价方法，首先结合正交试验与成对比较试验，得到用于训练模型的测试样本，其次进行实测音频样本的主观评价，进行不同纯音对啸叫异响贡献程度的定量，结合排除‑对比的思想与等级评分法，最后运用支持向量回归构建多纯音啸叫定量评判模型，并进行了有效性检测；正交试验具有均衡分散、整齐可比的特点，可极大减少试验数量；成对比较具有易于操作、简单快捷的特点，对专业知识要求不高，更能反映目标特征；本发明实现音频信号中突出啸叫频率在总噪声中贡献大小的定量评判。

摘要： 自动语音识别系统可以受益于用户语音中的提示，比如超发声。传统方法通常尝试定义和检测超发声的绝对状态，但这是非常困难的，尤其是对于短语音查询。本公开内容提供了一种使用成对比较和在真实世界语音识别系统上进行超发声检测的方法。所公开的方法使用从一对重复的用户话音中提取的增量特征。由所公开的系统和方法提供的改进包括：通过使用超发声信息作为第二遍N最佳假设重新评分设置中的特征，来改善词错误率。

摘要： 本发明公开了基于成对比较网络的珠宝相似性度量方法，涉及图片比对技术领域。本发明包括以下步骤：A、构造成对比较网络的训练数据集，B、建立若干个参数共享的特征提取网络resnet50，C、将resnet50提取的特征图拼接到一起用卷积层学习之间的相似度映射，并且激活函数采用Sigmoid函数，D、输入一对图像，经过Double Net之后得到0到1之间的相似度。本发明通过神经网络学习两张图之间的相似性，利用CNN分别提取两张图的特征，然后在用卷积核为(1,1),输出为1个神经元的决策层来学习度量函数的映射关系，方法全部通过卷积层运算，对输入层图像可以为任意大小，提高了比较效率。

摘要： 本发明公开了一种基于成对比较的骨折区域识别方法和系统，包括：获取训练X光图；将训练X光图分割为n个骨骼子区域；将n个骨骼子区域进行分类并构造训练样本，根据所述训练样本进行训练得到成对比较网络；获取目标X光图；将目标X光图分割为n个目标骨骼子区域；通过成对比较网络分别对n个目标骨骼子区域进行比对，得到n个目标骨骼子区域与对应部位的骨折代表元、非骨折代表元的相似性分数向量，并根据所述相似性分数向量判断n个目标骨骼子区域中的骨折子区域。

摘要： 本发明公开了一种基于成对比较的有序分类方法，涉及人工智能技术领域。本发明包括如下步骤：步骤S01类标签编码矩阵设计：考虑原始样本序信息和类关系，借助成对比较策略设计类标签编码方式；步骤S02样本均衡：循环使用类别数较少的原始样本来构造成对比较新样本，将有序多分类问题转化成无序多分类问题，同时实现对数据集进行样本均衡；步骤S03分类器训练：使用新训练集进行分类器训练；步骤S04新样本预测：对新测试集进行预测，将无序多分类结果转化成有序多分类类别，实现原始样本类别的判定。本发明通过成对比较策略将有序多分类转换成无序多分类，再将无序多分类结果转化成有序多分类类别，提高了分类器的处理性能，加快分类效率。

摘要： 本发明实施例提供了一种基于成对比较的图像主观质量的评价的方法和装置。所述方法包括：利用图像客观质量评价算法，生成待评价的所有图像的客观质量分数；根据所述所有图像的客观质量分数，生成所述所有图像的图像对的初始化的成对比较结果，作为当前成对比较结果；根据所述当前成对比较结果，生成所述所有图像的当前全局排序结果；根据所述图像对的再进行一次主观比较的价值，从所述图像组的图像对中，选择一个第一图像对，获取观测者对所述第一图像对的相对质量的判断结果；根据观测者对所述第一图像对的相对质量的判断结果，更新图像的当前成对比较结果；更新所述当前全局排序结果；判断是否满足以下任一条件；当满足以下任一条件时，则结束。