排序方法

摘要： 毕达哥拉斯模糊集(Pythagorean fuzzy set,PFS)是传统直觉模糊集(intuitionistic fuzzy set,IFS)的扩展,能在更广泛区域处理多属性信息决策问题。首先,针对某文献毕达哥拉斯模糊数(Pythagorean fuzzy number,PFN)排序方法存在的错误,分析了其产生原因。其次,在毕达哥拉斯模糊环境下,基于可靠信息量所对应的曲边梯形面积(curved trapezoidal area,CTA)提出了新的得分函数公式,进而给出了PFN的排序准则,并讨论了该得分函数的基本性质。最后,用实例说明给出的排序方法克服了其他方法的某些缺陷,具有一定优势。

摘要： 在油公司体制下,采油(气)厂作为油气田企业的利润模拟分中心,承担着油气生产和成本控制的主体责任。当前评估其价值创造能力的方法是依据产量或利润指标算术排序,忽略了人员结构、地质结构、开采方式等主客观因素的影响。量本利综合打分法以产量为基础,以利润为核心,高度融合投入与产出的匹配关系,“量效并重”进行综合评估,对采油(气)厂的价值创造能力进行排序,在油气田企业工效挂钩政策制定中发挥了积极的作用。通过对CHQ油田12个采油(气)厂2021年度价值创造能力的评估分析,进一步证实了这一方法的实用性。

摘要： 为了提高多目标任务优先级排序效率,降低软件测试的成本,满足软件测试需求,提出基于多线程的多目标任务优先级排序方法,通过多线程并发技术提高多目标演化算法的执行效率,采用融合选择函数的非支配遗传算法,设计编码、算子、个体评价,将平均故障检测率、有效执行时间设为优化目标,实现多目标任务优先级排序.实验结果表明,上述方法的多目标任务优先级排序效果最佳,收敛性好,求解目标函数的速度快,目标函数求解效率高达98％,计算行时间低至1.215ms;平均故障检测率为95％,多目标任务优先级排序准确率高达96％,平均软件测试成本为11.5万元,可降低软件测试成本,提升软件测试效率.

摘要： 针对电网特高压输电过程中传感器目标检测问题,通常利用多个传感器平行和正交的组合测量方式,并加权融合来克服单一传感器信息源的采集不足。为了实时改变每个参与融合电流传感器的权重,提出一种基于改进TOPSIS传感器权重的计算方法。首先,将每个传感器的局部估计残差和全局预测残差组成残差矩阵,从中找到理想解,然后再根据局部估计残差与理想解之间的灰色相关距离计算相关接近度,筛选出权重较大的传感器参与融合。仿真结果表明,相对于单个传感器的局部估计误差,本文算法跟踪误差显著减小,可以实现多传感器对目标的跟踪误差计算。

摘要： 针对理论教学教师课堂的教学评价群决策问题,建立一套将评价信息数据转化为区间直觉模糊数的多属性群决策方法。首先,把督导专家组给教师的评教因素数据转换为区间数,并利用区间数熵值法计算评教因素权重;其次,建立了将单个评教因素综合分值转化为区间直觉模糊数的数学模型,并定义了一种新的区间直觉模糊数排序方法;最后,把该方法用在高职理论课堂教师教学评价当中。决策结果表明该方法能够快速取得排序结果。

摘要： 在社会经济水平不断提升的过程中,我国的空中交通得到了良好的发展,航空流量在逐渐上升,而空中交通管理的重点之一就是对空中交通流量的合理调配。除了在硬件条件方面进行改善外,在雷达管制方面进行算法优化,使资源容量能够满足需求也是非常重要的。在进近管制区的雷达管制中,使用合理的方法计算分析,得出航空器飞行的最优排序,这样飞行间隔能够得到缩短,飞行冲突可以得到解决,从而使机场正常运转。

摘要： LeaderRank已被广泛地用于衡量社交网络中用户的影响力或重要性的排序算法,但传统的LeaderRank仅利用基于边的关系,而忽略由少量节点组成的子图捕获的高阶关系。在本文中,我们提出一种基于Motif的LeaderRank (MLR)算法,将Motif的高阶关系合并到LeaderRank算法中,提高社交网络用户影响力的排序效果。我们在Twitter数据集上进行实验,结果不仅表明MLR算法的可行性,并且还显著提高了在社交网络用户影响力排序的准确性。除了与基线算法比较之外,还对MLR算法的参数进行分析,表明在社交网络中对用户影响力排序时,MLR算法比LeaderRank要更好。

摘要： 随着我国民航的不断发展和民航管制技术的不断完善,进近管制区雷达管制排序方法也在发展和应用中趋于完善.本文将结合工作经验首先分析进近管制区雷达管制排序的重要性,在调速、追随和插入的雷达管制排序方法分析的基础上,进行进一步的进近管制区雷达管制排序方式的详细分析.

摘要： 以研究黑龙江省主要城市排名问题为出发点,综合利用相对熵、VIKOR决策方法及TOPSIS方法中的相对贴近度思想的多指标排序方法,以2018年数据为例,选取黑龙江省包括哈尔滨市、齐齐哈尔市及牡丹江市在内的8个主要城市的10项评价指标,利用上述方法结合所选指标数据进行了计算,并根据计算出的评价数据,对所选的黑龙江省8个城市进行了排名.

摘要： 研究了残缺互补判断矩阵的一致性检验及排序方法。定义了残缺互补判断矩阵的满意一致性，给出了判断一致性好坏的条件，在此基础上，对矩阵进行必要的插补以获得可接受的确定性互补判断矩阵，着重分析了在允许偏差范围内对残缺元素估计取值方法，用区间数估计残缺元素，然后基于残缺元素的偏差形式，以偏差最小作为约束计算出残缺互补判断矩阵的权重向量，最终运用可能度及可能度矩阵方法确定方案的排序。文后通过一个航空零部件供应商评价问题验证了本文方法的可行性及有效性。

摘要： 需求分析是需求工程的重要组成部分。提出了一种基于模糊综合评估的需求优先级排序方法，实现了对需求优先级基于多个要素、定性与定量相结合的全面综合评估，提高了需求分析的科学性和有效性。

摘要： 针对区间数互反判断矩阵的排序问题,本文提出了一种基于误差分析的排序方法.首先对区间数互反判断矩阵及误差传递问题进行了描述;然后依据传统AHP利用和法计算权重的基本思路,给出了基于误差分析的确定区间数互反判断矩阵权重的计算过程,并进一步地对所得到的区间权重给出了基于可能度的排序方法;最后,通过一个算例说明了本文给出方法的可行性和有效性.

摘要： 近年来,以Twittter和新浪微博为代表的微博客正在世界范围内流行起来根据微博的特点,提出一种与特定主题(比如某种产品)相关的话题发现和排序的新方法首先,在互联网上收集并格式化出现了感兴趣的词的微博对于这些微博中的所有词汇,综合考虑影响力、突发性和相关性3个要素对其重要性进行评估其次,对词的重要性做出估量后,以含有同一关键词的微博的集合为输入文档训练LDA模型然后通过对主题关键词的概率分布的推导,实现词的聚类和主题的挖掘.速一方法可以克服微博的长度限制所带来的数据稀缺性问题最后,通过真实数据集上的实验表明了该方法的有效性.

摘要： 提出了广义模糊偏好信息的概念。设计了互补化排序和加性一致化排序两种排序方法，讨论了两种排序方法的相关性质。基于这两种排序方法，定义了冗余一致性指标和加性一致性指标，并讨论了采用加权算术平均算子(WAA算子)或有序加权平均算子(OWA算子)对广义模糊偏好信息进行集结，其群体偏好一致性(包括冗余一致性和加性一致性)的相关性质。对进一步完善基于模糊偏好信息的群决策模型具有理论和现实意义。

摘要： 首先给出了将模糊数转化为基本语言评价集表示的二元语义形式的方法和模糊数散度的计算方法,然后利用二元语义及模糊数散度给出了模糊数排序的新方法,最后给出了几个算例,算例结果证明了方法的有效性.

摘要： 在我国军事物流绩效评估中,指标权重及方案在各指标下的指标值都难以精确确定,而这些数据又直接影响到评估的客观性和科学性.构建了指标权重只能给出大小排序并且方案在各指标下的取值是区间数的军事物流绩效综合评估模型;证明了指标排序问题的有关性质;给出了综合评估模型求解的简易算法.最后通过实例说明该模型的应用.

摘要： 在我国军事物流绩效评估中,指标权重及方案在各指标下的指标值都难以精确确定,而这些数据又直接影响到评估的客观性和科学性.构建了指标权重只能给出大小排序并且方案在各指标下的取值是区间数的军事物流绩效综合评估模型;证明了指标排序问题的有关性质;给出了综合评估模型求解的简易算法.最后通过实例说明该模型的应用.

摘要： 在我国军事物流绩效评估中,指标权重及方案在各指标下的指标值都难以精确确定,而这些数据又直接影响到评估的客观性和科学性.构建了指标权重只能给出大小排序并且方案在各指标下的取值是区间数的军事物流绩效综合评估模型;证明了指标排序问题的有关性质;给出了综合评估模型求解的简易算法.最后通过实例说明该模型的应用.

摘要： 在我国军事物流绩效评估中,指标权重及方案在各指标下的指标值都难以精确确定,而这些数据又直接影响到评估的客观性和科学性.构建了指标权重只能给出大小排序并且方案在各指标下的取值是区间数的军事物流绩效综合评估模型;证明了指标排序问题的有关性质;给出了综合评估模型求解的简易算法.最后通过实例说明该模型的应用.

摘要： 本发明公开一种信息排序模型的建模方法、分类方法及建模装置、排序装置，涉及计算和信息检索技术领域，用以解决现有技术中用户获取分类信息准确率较低，速度较慢，用户体验低的问题。所述建模方法包括：采集信息样本；对所述信息样本进行样本标注，以确定所述信息样本的样本相关度；提取所述信息样本的样本特征，并对提取的所述样本特征进行评分以获取所述信息样本的样本特征分数；利用所述样本相关度和所述样本特征分数进行排序模型训练，以建立所述排序模型。

摘要： 本发明公开一种信息排序模型的建模方法、分类方法及建模装置、排序装置，涉及计算和信息检索技术领域，用以解决现有技术中用户获取分类信息准确率较低，速度较慢，用户体验低的问题。所述建模方法包括：采集信息样本；对所述信息样本进行样本标注，以确定所述信息样本的样本相关度；提取所述信息样本的样本特征，并对提取的所述样本特征进行评分以获取所述信息样本的样本特征分数；利用所述样本相关度和所述样本特征分数进行排序模型训练，以建立所述排序模型。

摘要： 本发明提供了一种归并树形排序装置、排序系统及排序方法，其中，该排序装置包括：至少两种输出数据数量不同的双调半排序模块和缓存模块；输出数据数量不同的双调半排序模块按输出数据数量从小到大的顺序从底层到顶层连接形成归并树形结构，且相邻的两个输出数据数量不同的双调半排序模块之间连接有缓存模块；缓存模块用于缓存累积前一层双调半排序模块输出的数据以满足后一层双调半排序模块的输入数据数量的要求；每个双调半排序模块用于对两个有序序列进行双调排序，并在双调排序过程中完成升序序列和降序序列中的一种序列的排序及输出且阻塞另一种序列的排序及输出。通过上述方案能够实现在一个时钟周期输出多个数据，能够提高排序效率。

摘要： 一种排序网络、排序方法及排序装置，涉及运算加速领域。该排序网络包括至少两个第一排序装置、翻转半清洁器Flip‑HC和至少一个第二排序装置，第一排序装置和第二排序装置均与翻转半清洁器连接，其中：任一第一排序装置，用于获取随机输入序列，对随机输入序列中的每两个元素进行比较，根据比较结果对随机输入序列中的元素进行排序，输出第一排序序列；翻转半清洁器，用于获取至少两个第一排序装置输出的至少两个第一排序序列，对至少两个第一排序序列进行翻转排序处理，输出双调序列；第二排序装置，用于获取翻转半清洁器输出的双调序列，对双调序列中的每两个元素进行比较，根据比较结果对双调序列中的元素进行排序，输出第二排序序列。

摘要： 本发明提供了一种基于患者表型特征的疾病排序方法，包括：提供患者表型特征，计算患者表型特征与每个疾病的人类表型标准用语的相似度，按照相似度的高低得出疾病排序。本发明的另一种实施例还提供了一种致病基因排序方法。本发明可以根据患者的一组人类表型标准用语得到其有可能患有的疾病及其致病基因的排序，准确率和效率更高。

摘要： 本公开涉及一种基于互助分值的排序方法、搜索排序方法及装置，包括：获取应用平台产生的多组商品交易数据，所述商品交易数据中包括被购买商品的标识、购买商家的标识和购买金额；根据所述购买金额和预先设置的比例系数，计算得到每组所述商品交易数据对应的互助分值，进而得到所述应用平台上的每个商家的商家互助分值，以及每个商品的商品互助分值；按照所述每个商家的商家互助分值倒序排列，生成商家互助榜单；按照所述每个商品的商品互助分值倒序排列，生成商品互助榜单。从而解决现有技术中存在的现有的排序规则，由于人为过多的参与导致排序不合理的技术问题，提高了商品、店铺排序的可信度，也增加了入驻商家提高店铺、商品排序的积极性。

摘要： 本发明提供了一种对象排序方法、商品排序方法、装置及电子设备。该对象排序方法包括：获取待排序的候选对象集合；采用机器学习模型组件提取候选对象集合中各对象之间的相关关系；根据候选对象集合中各对象对应的基本排序特征以及候选对象集合中各对象之间的相关关系，采用机器学习模型组件，预测候选对象集合中各对象的目标概率；根据候选对象集合中各对象的目标概率，构建对象推荐列表。本发明提供的对象排序方法、商品排序方法、装置及电子设备，提升了context特征的泛化能力、适用性和排序模型的学习能力，能最大限度地发挥机器学习的价值。

摘要： 本发明提供用于个性化推荐的排序方法、排序系统以及排序模型的训练方法。该排序方法包括：获取用户数据与商品数据并生成用户‑商品对，获取所述用户‑商品对的特征，获取商品优惠特征和商品热销特征，以及使用排序模型基于所述用户‑商品对的特征、所述商品优惠特征和所述商品热销特征对商品打分并基于得分排序。该排序方法和系统可以准确模拟和预测用户在秒杀服务中的购买行为，充分利用长尾效应，有效避免排序模型对低客单价商品的偏置问题，提高购物网站的提升转化率和利润。

摘要： 本发明提供了一种归并树形排序装置、排序系统及排序方法，其中，该排序装置包括：至少两种输出数据数量不同的双调半排序模块和缓存模块；输出数据数量不同的双调半排序模块按输出数据数量从小到大的顺序从底层到顶层连接形成归并树形结构，且相邻的两个输出数据数量不同的双调半排序模块之间连接有缓存模块；缓存模块用于缓存累积前一层双调半排序模块输出的数据以满足后一层双调半排序模块的输入数据数量的要求；每个双调半排序模块用于对两个有序序列进行双调排序，并在双调排序过程中完成升序序列和降序序列中的一种序列的排序及输出且阻塞另一种序列的排序及输出。通过上述方案能够实现在一个时钟周期输出多个数据，能够提高排序效率。

摘要： 本发明实施例公开了一种结构体排序方法、排序装置及排序器，该方法包括：从M个结构体的目标定点数中确定最大的N个不重复的目标定点数作为排序参考数；按照从大到小的顺序依次将每个排序参考数与每个结构体的目标定点数比较；若比较的结果为相等，则记录相等的目标定点数所属结构体的序号；根据序号的记录顺序，将对应的结构体依次写入存储器的指定位置。在排序时仅读出结构体的目标定点数，且在排序后按照序号记录的顺序将对应的结构体写入指定位置，既减少了数据读出和写入以及数据比较所消耗的动态功耗，又避免了对数据的频繁读出和写入，显著降低了排序的动态功耗。