决策函数

摘要： 由于人力资源系统决策数据多维化,导致决策准确率较低,因而提出基于多维数据管控的人力资源系统决策方法。采用特征空间重构更新人力资源系统决策数据,定量递归分析融合决策过程中的多维数据,采用纳什均衡解的方法,将多维数据管控步骤转换为多维解向量优化问题,提取多维数据管控特征,利用联机分析处理工具,以报表的形式展现,得到优化的决策函数,结合多维数据管控方法,构建人力资源系统决策模型。仿真结果表明,采用该方法进行人力资源系统决策的准确率较高,决策调度的吞吐性能较好。

摘要： 为了提高智慧保供电决策能力,在FTTB场景下提出基于强化学习的智慧保供电决策方法。采用4G/光纤通信和中压载波网络,构建智慧保供电决策系统结构模型;利用车载采集终端与电源车的机组控制器采集智慧保供电参数,实现输出控制;通过光时域反射和光纤Raman散射技术,建立发电机组数据及环境数据分析模型;结合强化学习算法,利用智慧保供电决策函数,实现智慧保供电决策和优化调度。测试结果表明,设计的方法寻优能力较强,稳定性和自适应性较好。

摘要： 为解决传统网络数据传输路径目标识别方法存在识别能耗和延迟高、准确率低问题,提出基于粒子群优化的无线传感器网络数据传输路径目标识别方法.利用路径传输效率、路径剩余负载率、有效带宽估计值制定网络数据传输路径目标识别的目标函数,并采用粒子群法对目标函数进行求解,进一步提高识别准确性.结果表明,所提方法平均识别延迟为1.8μs,平均识别能耗为69.6 J,识别准确率较高.该方法整体识别性能优越,具有可靠性.

摘要： 根据图像SIFT特征的尺度不变特性,提出根据人脸"三庭五眼"特征进行图像ROI区域提取,然后基于SIFT特征和决策函数的人脸识别的匹配策略对人脸ROI区域进行特征匹配得出最佳识别结果,方法在自建人脸库和ORL人脸库进行了对比实验,实验结果表明,方法具有较高的识别准确率和鲁棒性.

摘要： 目前微博数据上难以实现跨领域情绪分类,很多基于特征和实例的方法表现出分类准确度低和计算速度慢等问题.针对此问题,本文提出一种基于模型的自适应支持向量机(SVM)的微博情绪分类方法,简称MASVM.该方法可以将现有模型直接应用到新目标域数据.首先,在“多对一”SVM自适应模型的基础上,对源域数据集训练的分类器决策函数进行修改,创建出一个适应目标域分类器.然后,扩展多个分类器适应框架,根据基础分类器在较小目标域标签样本集合中的分配性能,学习基础分类器的权重控制.最后,最大限度使用通用语料库训练出的基础分类器,通过领域适应,将情绪分类的分类误差最小化.实验结果表明,所提方法在准确度和计算效率方面优于基准方法和其他类似方法的性能.另外,目标域标签数据的不同比例也会对分类性能造成影响.由于所提方法的性能优于域外基础模型和域自适应方法,表现出了与域内上界模型相近的性能,且具有计算速度优势,可以作为一种快速微博情绪分类方法加以应用.

摘要： 针对配电网台区中电压相关的参数之间缺乏直接的函数关系,难以进行低电压预警的问题,提出一种基于支持向量机的配电网低电压预警方法.利用大量配电网台区与电压相关的数据作为训练样本集,采用支持向量机的方法在众多样本中寻找最优函数关系式,形成决策函数对配电网台区低压侧线路末端电压进行预测.采用某地区的配电网台区实际监测电压值与支持向量机的预测电压值进行对比,参数的预测值与实际监测值误差小,验证了基于向量机的配电网台区低电压预测方法的有效性和可实施性.

摘要： 针对配电网台区中电压相关的参数之间缺乏直接的函数关系,难以进行低电压预警的问题,提出一种基于支持向量机的配电网低电压预警方法。利用大量配电网台区与电压相关的数据作为训练样本集,采用支持向量机的方法在众多样本中寻找最优函数关系式,形成决策函数对配电网台区低压侧线路末端电压进行预测。采用某地区的配电网台区实际监测电压值与支持向量机的预测电压值进行对比,参数的预测值与实际监测值误差小,验证了基于向量机的配电网台区低电压预测方法的有效性和可实施性。

摘要： 针对密度峰值聚类算法的决策函数不能自动有效地确定聚类中心的问题,提出自动确定聚类中心的密度峰值聚类算法.首先,通过归一化处理,使决策函数中的两个变量分布均匀.然后,在确定聚类中心时,提出正序迭代选择策略,即根据聚类核心点数目的变化趋势搜索拐点,并以拐点之前的点作为聚类中心,完成聚类.最后,在UCI数据集上验证文中算法的性能,算法在未提高时间复杂度的情况下,可以对任意分布形状的数据集进行聚类,具有较好的适应性和聚类效果.

摘要： 随着路网的扩大和ATIS的出现,驾驶员应能圆满的搜集、处理交通信息,自觉优化决策,以改变原来其出行结果仅由交通状态随机决定的被动局面.本文运用信息经济学和博弈论等有关理论,定义了在任一OD对间上行驶的驾驶员信息结构和决策函数,并讨论了其特征,提出了驾驶员决策的层次性和优化方向,指出博弈在驾驶员决策中的重要性,而且传统的独立决策将逐渐让位于群体博弈.同时,指出了驾驶员心理偏好对信息反应的作用及语用信息研究重要性,还有信息发布结构优化以及驾驶员信息更新能力的局限性.本文对交通信息发布及交通诱导与控制有启发和指导意义.

摘要： 研究表明支持向量机方法在样本集分布不均衡情况下,对少类样本分类准确率急剧下降。针对该问题,本文首先详细分析了支持向量机在不平衡数据集上的分类情况：以此为基础,提出了一种新型支持向量机方法—μSVM,通过调整分类决策函数中距离度量准则来增大少类样本的决策空间。算法分析和仿真结果表明,文中提出的方法在不增加计算复杂度的前提下,有效地提高了算法整体分类准确率。

摘要： 现有的模糊粗糙集模型过于抽象，对现实问题的解决没有太大的实际意义。而现有的粗糙模糊集模型又对于动态的数据处理能力较差。本文提出一种新型的粗糙模糊集模型，它更好的融合了粗糙集和模糊集对数据处理方面的优点，对于问题的解决有更大的现实意义。其截集可以更好的对数据在等价类间的分布进行分析，在决策的实现中有重要的作用。

摘要： 现有的模糊粗糙集模型过于抽象，对现实问题的解决没有太大的实际意义。而现有的粗糙模糊集模型又对于动态的数据处理能力较差。本文提出一种新型的粗糙模糊集模型，它更好的融合了粗糙集和模糊集对数据处理方面的优点，对于问题的解决有更大的现实意义。其截集可以更好的对数据在等价类间的分布进行分析，在决策的实现中有重要的作用。

摘要： 现有的模糊粗糙集模型过于抽象，对现实问题的解决没有太大的实际意义。而现有的粗糙模糊集模型又对于动态的数据处理能力较差。本文提出一种新型的粗糙模糊集模型，它更好的融合了粗糙集和模糊集对数据处理方面的优点，对于问题的解决有更大的现实意义。其截集可以更好的对数据在等价类间的分布进行分析，在决策的实现中有重要的作用。

摘要： 现有的模糊粗糙集模型过于抽象，对现实问题的解决没有太大的实际意义。而现有的粗糙模糊集模型又对于动态的数据处理能力较差。本文提出一种新型的粗糙模糊集模型，它更好的融合了粗糙集和模糊集对数据处理方面的优点，对于问题的解决有更大的现实意义。其截集可以更好的对数据在等价类间的分布进行分析，在决策的实现中有重要的作用。

摘要： 本文对基于云模型的智能决策支持系统进行了研究。文章首先给出了基于云模型的数据仓库粒度设计的过程,以及对属性进行基于云模型的划分和汇总的描述;然后给出了基于云模型的知识库中知识的不确定表示,以及基于云模型的数据挖掘方法;最后给出了基于云模型的智能决策支持系统的体系结构.基于云模型的智能决策支持具有更大客观性,增强了系统的决策支持能力.

摘要： 本文对基于云模型的智能决策支持系统进行了研究。文章首先给出了基于云模型的数据仓库粒度设计的过程,以及对属性进行基于云模型的划分和汇总的描述;然后给出了基于云模型的知识库中知识的不确定表示,以及基于云模型的数据挖掘方法;最后给出了基于云模型的智能决策支持系统的体系结构.基于云模型的智能决策支持具有更大客观性,增强了系统的决策支持能力.

摘要： 本文对基于云模型的智能决策支持系统进行了研究。文章首先给出了基于云模型的数据仓库粒度设计的过程,以及对属性进行基于云模型的划分和汇总的描述;然后给出了基于云模型的知识库中知识的不确定表示,以及基于云模型的数据挖掘方法;最后给出了基于云模型的智能决策支持系统的体系结构.基于云模型的智能决策支持具有更大客观性,增强了系统的决策支持能力.

摘要： 支持向量机实现了利用少量数据建立分类决策面,但是由于分类面只依赖于少量的支持向量,所以易受到噪声数据的影响.针对这种情况,本文提出了HCSVM方法,利用数据映射到高维线性可分的特性,并利用高维中心之间的距离作为优化的原问题,在一定程度上减少了噪声数据对分类面的影响,在改进SVM方法中做出有益尝试.

摘要： 一种通信站，诸如基站或接入点，具有多个回程选项并且在可用的回程选项之间分配回程数据。该通信站包括：收发器，该收发器用于利用用户设备传输和接收数据；多个回程接口模块；和回程分配模块，该回程分配模块被布置用于监测对回程带宽的需求和基于对回程带宽的需求通过回程分配数据。用于用户数据和控制平面处理的附加模块可以与在通过回程分配数据中使用的用户/控制辨认一起被包括。回程选项可以包括优选回程和备选回程。通过回程分配数据可以基于例如与数据、财务成本、延迟、稳健性、计算资源相关联的应用和/或与使用特定回程相关联的附加安全性。

摘要： 一种通信站，诸如基站或接入点，具有多个回程选项并且在可用的回程选项之间分配回程数据。该通信站包括：收发器，该收发器用于利用用户设备传输和接收数据；多个回程接口模块；和回程分配模块，该回程分配模块被布置用于监测对回程带宽的需求和基于对回程带宽的需求通过回程分配数据。用于用户数据和控制平面处理的附加模块可以与在通过回程分配数据中使用的用户/控制辨认一起被包括。回程选项可以包括优选回程和备选回程。通过回程分配数据可以基于例如与数据、财务成本、延迟、稳健性、计算资源相关联的应用和/或与使用特定回程相关联的附加安全性。

摘要： 本发明提供一种基于多因素回报函数的电力设备检修辅助决策方法，其技术特点是：自动汇集与分析电力系统中体现设备不良健康状态的数据；搭建电力设备不良健康状态的评估体系；基于历史数据对电力设备停电概率进行评估；建立基于设备停电概率、设备重要性、设备重过载情况的多因素回报函数；对多因素回报函数的电力设备检修计划进行优化。本发明设计合理，其在综合考虑设备健康状态、电网潮流分布的基础上，对电力设备健康状态分析、跳闸影响分析、检修后电网风险分析，实现了对设备的健康风险、设备停电之后电网的风险进行综合的评估功能，提高了检修人员的工作效率，保证了电力系统的安全可靠运行。

摘要： 本发明公开了一种基于Copula函数的城镇水、能源与环境系统的优化决策管理方法，包括：S1.构建城镇水中水环境容量与可用能源量的Copula联合分布函数；S2.建立城镇水、能源与环境系统的资源优化配置及联合风险管理模型；S3.求解城镇水、能源与环境系统的资源优化配置及联合风险管理模型；本方法实现了不确定条件下城镇水‑能源‑环境系统水量和能源的优化配置及联合风险管理。提供不同风险情景组合下，以经济效益最大化基础上的城镇水‑能源‑环境系统资源优化配置方案与污水处理工艺长期规划方案，并帮助决策者更好地实现联合违约风险与系统收益的权衡，为实现城镇风险可控以及水‑能源‑环境的协同发展提供了科学方法。

摘要： 本发明公开了一种基于余切函数的图片模糊熵在模糊多属性决策中的应用，其特征在于：包括以下步骤：S1：规范化初始决策矩阵；S2：根据基于余切函数的图片模糊熵计算决策属性权重；S3：确定正理想解和负理想解；S4：计算每个方案的属性值与正理想解和负理想解的灰关联系数；S5：计算每个方案的灰关联度和灰关联贴近度；S6：计算每个方案在正理想解和负理想解上的规范化投影；S7：计算每个方案的规范化投影贴近度；S8：计算组合贴近度，并根据组合贴近度对方案从大到小排序。本发明可以在属性权重完全未知的情况下，利用现有数据求解属性客观权重，同时改进经典TOPSIS排序方法，用灰关联度和规范化投影作为组合贴近度，根据决策者不同的偏好来设定二者权重的大小，使决策结果更为合理。可应用于各种多属性决策的场景，例如环保企业选择、项目投资等。

摘要： 本发明公开了一种基于差距度的记分函数的模糊多属性决策方法，该方法针对现有直觉模糊数的记分函数需要二次比较和某些情况下与客观事实不符等缺陷，提出一种基于差距度的记分函数，凭此将直觉模糊数转化为实数；其次，依据偏差最大化原则，并考虑决策者的主观权重期望，构建非线性优化模型，计算属性权重；再次，引入前景理论，将决策者对专家评价系统中专家对各方案的态度的期望作为参考点，构建前景值矩阵，进而构建加权前景值矩阵；然后，引入TOPSIS法思路对各方案进行排序择优，本方法很好的克服了已知记分函数的缺陷和解决了决策者的风险偏好问题，使结果更加合理，为解决多属性决策在某些场景应用，例如商品选择等，提供了更科学有效的方法。

摘要： 本申请涉及基于决策函数模型的HBase故障预测方法、系统、设备和介质，属于分布式存储技术领域，该方法包括：采集HBase在各种故障场景下发生的监控项数据，根据各故障场景对监控项数据进行分类，确定每个故障场景对应的多个监控项；基于每个故障场景对应的多个监控项，分别建立每个故障场景对应的决策函数模型，其中，各决策函数模型的预测结论与各故障场景对应的多个监控项的阈值范围关联；获取HBase环境下各监控项的值，将各故障场景对应的多个监控项的值相应的输入各故障场景对应的决策函数模型，得出各故障场景对应的预测结论。不仅实现了故障结论的自动分析，提高了故障分析效率，而且能够对故障分类处理，同时提高了预测结果的准确性。

摘要： 本发明公开了一种胸腔积液性质分析决策函数的构造方法，包括：基于视频采样,获取待处理的图像帧；基于直方图匹配的图像处理,对获得的图像帧进行图像预处理；使用U‑Net网络对预处理后的图像进行分割，生成胸腔积液区域分割图像；基于预处理后的图像和所生成的胸腔积液区域分割图像进行特征提取，获得图像特征；筛选图像特征,并基于筛选后的图像特征构造决策函数；此外，本发明公开了一种基于决策函数分析胸腔积液的性质的方法。应用本发明实施例，将超声图像特征对应到生化检验的指标，实现无创且快速的定量分析积液性质。

摘要： 本发明公开了一种基于决策函数的压力前馈控制方法，属于火力发电领域。该方法包含压力偏差决策函数回路、条件函数回路、压力偏差前馈生成回路。第一部分压力偏差决策函数回路：根据主蒸汽压力设定值与主蒸汽压力实际值进行偏差计算（设定值‑实际值），对产生偏差值进行判断，决策出六种模式，三种实际值偏小模式，三种实际值偏大模式。第二部分条件函数回路：每一种模式都有对应的压力前馈分量，根据压力偏差决策函数回路决策出的模式，选择相应模式对应的前馈量。第三部分压力偏差前馈生成回路：根据六种模式生成的对应前馈量进行求和计算，并经过速率限制后输出，最为最终的压力前馈量（PF01）。

摘要： 重叠社区改变点检测是网络动态演化分析中的一项重要任务，有助于深入理解系统演化或检测异常。目前的改变点检测方法不能量化改变程度、无法检测局部社区改变、对改变点的类型没有合理分类。针对这些问题，本发明给出了一种基于低通过滤和决策函数的重叠社区改变点检测方法。首先将重叠社区所对应的子图建模为一维社区流，使得信号处理方法能应用于重叠社区，然后通过将改变点分为两类和基于决策函数，实现了对重叠社区改变点的检测和量化。本发明从根本上提升了复杂网络中的重叠社区的改变点检测的准确率，从而用来判断重叠社区是否改变、改变的类型和程度，有助于理解各类系统的组织及动态特征。