-
>
以利為利:財(cái)政關(guān)系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國(guó)人均耕地警戒值的耕地保護(hù)視角
-
>
營(yíng)銷(xiāo)管理
-
>
茶葉里的全球貿(mào)易史(精裝)
-
>
近代華商股票市場(chǎng)制度與實(shí)踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
基于屬性值的概率語(yǔ)言多屬性決策方法 版權(quán)信息
- ISBN:9787030717269
- 條形碼:9787030717269 ; 978-7-03-071726-9
- 裝幀:一般膠版紙
- 冊(cè)數(shù):暫無(wú)
- 重量:暫無(wú)
- 所屬分類(lèi):>>
基于屬性值的概率語(yǔ)言多屬性決策方法 本書(shū)特色
概率語(yǔ)言術(shù)語(yǔ)集作為一種復(fù)雜語(yǔ)言評(píng)估表達(dá)模型,能有效地刻畫(huà)簡(jiǎn)單或復(fù)雜的專(zhuān)家個(gè)體或群體給出的語(yǔ)言評(píng)估信息。通過(guò)賦予各語(yǔ)言項(xiàng)不同的權(quán)重,概率語(yǔ)言術(shù)語(yǔ)集可深入地反映評(píng)估中的模糊、猶豫、偏好、不完整等不確定信息
基于屬性值的概率語(yǔ)言多屬性決策方法 內(nèi)容簡(jiǎn)介
本書(shū)主要介紹近年來(lái)國(guó)內(nèi)外學(xué)者特別是作者所在研究團(tuán)隊(duì)在概率語(yǔ)言術(shù)語(yǔ)集的基本運(yùn)算、信息測(cè)度、集成算法以及基于概率語(yǔ)言評(píng)估信息的復(fù)雜決策模型和應(yīng)用等方面的*新研究成果。
基于屬性值的概率語(yǔ)言多屬性決策方法 目錄
第1章 概率語(yǔ)言術(shù)語(yǔ)集 1
1.1 語(yǔ)言評(píng)估方法概述 2
1.2 概率語(yǔ)言術(shù)語(yǔ)集及其運(yùn)算法則 18
1.3 概率語(yǔ)言術(shù)語(yǔ)集在多屬性決策中的應(yīng)用 33
第2章 概率語(yǔ)言信息測(cè)度 42
2.1 概率語(yǔ)言信息的距離測(cè)度 42
2.2 概率語(yǔ)言信息的相似性測(cè)度 49
2.3 概率語(yǔ)言信息的關(guān)聯(lián)測(cè)度 51
2.4 概率語(yǔ)言信息的熵測(cè)度 53
第3章 基于集成算子的概率語(yǔ)言多屬性決策方法 62
3.1 基于線性關(guān)系的概率語(yǔ)言集成算子及其應(yīng)用 62
3.2 基于非線性關(guān)系的概率語(yǔ)言集成算子及其應(yīng)用 67
第4章 考慮理想解的概率語(yǔ)言TOPSIS及VIKOR方法 83
4.1 基于概率語(yǔ)言信息的TOPSIS方法及應(yīng)用 83
4.2 基于概率語(yǔ)言信息的VIKOR方法及應(yīng)用 92
第5章 基于概率語(yǔ)言信息的MULTIMOORA方法 104
5.1 概率語(yǔ)言決策信息采集與標(biāo)準(zhǔn)化 105
5.2 概率語(yǔ)言信息的集成模型 108
5.3 基于拓展的Borda法則的子排序聚合 111
5.4 案例分析 113
第6章 基于概率語(yǔ)言信息的DNMA方法 118
6.1 概率語(yǔ)言DNMA方法 119
6.2 案例分析 133
第7章 概率語(yǔ)言環(huán)境下的屬性權(quán)重確定方法 147
7.1 基于多目標(biāo)優(yōu)化的概率語(yǔ)言客觀賦權(quán)法 147
7.2 考慮屬性關(guān)聯(lián)度的概率語(yǔ)言組合權(quán)重確定法 163
參考文獻(xiàn) 173
附錄 182
基于屬性值的概率語(yǔ)言多屬性決策方法 節(jié)選
第1章概率語(yǔ)言術(shù)語(yǔ)集 決策存在于現(xiàn)實(shí)生活的方方面面,如國(guó)家資源分配、政府科技評(píng)價(jià)、企業(yè)風(fēng)險(xiǎn)投資、個(gè)人績(jī)效考核等均離不開(kāi)決策過(guò)程。鑒于客觀事物的復(fù)雜性,衡量方案優(yōu)劣時(shí)往往需要綜合考慮多個(gè)相互制約或無(wú)法相互替代的屬性。本書(shū)所討論的決策問(wèn)題主要是多屬性決策問(wèn)題,它是指根據(jù)多個(gè)相互沖突且不可公度的屬性對(duì)多個(gè)備選方案進(jìn)行評(píng)估,并采用特定決策方法對(duì)備選方案進(jìn)行排序或擇優(yōu)的問(wèn)題。在實(shí)際決策過(guò)程中,定性屬性往往必不可少。方案在定性屬性下的優(yōu)劣程度難以直接用精確數(shù)值來(lái)衡量,只能通過(guò)專(zhuān)家主觀地做出評(píng)價(jià)。模糊理論被引入多屬性決策問(wèn)題中用來(lái)處理帶有主觀性和不確定性的決策信息。此外,由于單個(gè)專(zhuān)家在知識(shí)和經(jīng)驗(yàn)上的局限性,為確保決策信息的可靠性,通常需要多位專(zhuān)家參與評(píng)價(jià)。 語(yǔ)言是*貼近人類(lèi)思維與認(rèn)知的表達(dá)方式。在評(píng)估中,專(zhuān)家傾向于用語(yǔ)言來(lái)表達(dá)意見(jiàn),如“快”的速度、“高”的價(jià)格、“低”的溫度和“好”的療效等。與數(shù)值相比,用語(yǔ)言進(jìn)行評(píng)價(jià)不僅降低了評(píng)估難度且更能反映專(zhuān)家的真實(shí)意見(jiàn)。為規(guī)范化語(yǔ)言評(píng)價(jià)在決策中的應(yīng)用,Zadeh[1_3]在1975年提出了語(yǔ)言變量的概念和模糊語(yǔ)言方法。語(yǔ)言變量的取值是自然語(yǔ)言中的詞或句子,而非具體數(shù)字,它由語(yǔ)言描述算子及其語(yǔ)義構(gòu)成,如外觀的取值可描述為不時(shí)尚、不太時(shí)尚、時(shí)尚、較時(shí)尚、十分時(shí)尚。模糊語(yǔ)言方法用語(yǔ)言術(shù)語(yǔ)來(lái)表達(dá)評(píng)估信息,增強(qiáng)了評(píng)估的可行性、靈活性和可信度,同時(shí),將決策分析推進(jìn)到了一個(gè)新的研宄領(lǐng)域一語(yǔ)言決策分析。 然而,由于決策問(wèn)題的復(fù)雜性和人類(lèi)認(rèn)知的模糊性,基于單個(gè)語(yǔ)言術(shù)語(yǔ)評(píng)價(jià)的傳統(tǒng)模糊語(yǔ)言方法在實(shí)際應(yīng)用中具有一定局限性。一方面,用單個(gè)語(yǔ)言術(shù)語(yǔ)難以全面地表達(dá)專(zhuān)家個(gè)體的評(píng)估意見(jiàn),例如,在評(píng)價(jià)應(yīng)聘者的管理能力時(shí),專(zhuān)家可能會(huì)給出復(fù)雜的表達(dá)形式,如“中等偏下水平”、“介于中等與差之間”或“30%的可能性為中等,70%的可能性為差”等。另一方面,決策小組內(nèi)部的專(zhuān)家通常持有不同的意見(jiàn)并且難以達(dá)成共識(shí);此時(shí),單值語(yǔ)言術(shù)語(yǔ)的表達(dá)方式難以適用于群體決策。個(gè)體和群體的評(píng)估信息往往呈現(xiàn)為復(fù)雜語(yǔ)言形式。基于簡(jiǎn)單語(yǔ)言術(shù)語(yǔ)評(píng)估的多屬性決策理論己無(wú)法滿(mǎn)足解決復(fù)雜語(yǔ)言多屬性決策問(wèn)題的需要。 準(zhǔn)確刻畫(huà)和表達(dá)評(píng)估信息是解決復(fù)雜不確定決策問(wèn)題的基礎(chǔ)。傳統(tǒng)模糊語(yǔ)言方法將評(píng)估值描述為單一語(yǔ)言術(shù)語(yǔ),如“高”的穩(wěn)定性、“差”的質(zhì)量等,是*簡(jiǎn)單的語(yǔ)言評(píng)估表達(dá)工具。為反映語(yǔ)言表達(dá)的多樣化和個(gè)性化,近年來(lái),學(xué)者紛紛提出了模糊語(yǔ)言方法的擴(kuò)展形式。考慮到語(yǔ)言術(shù)語(yǔ)的計(jì)算結(jié)果通常與定義的語(yǔ)言術(shù)語(yǔ)集不匹配,Herrera和Martinez提出了二元語(yǔ)義表達(dá)模型,通過(guò)引入精確數(shù)刻畫(huà)計(jì)算得出的值與*接近的語(yǔ)言術(shù)語(yǔ)間的差額,避免了傳統(tǒng)模糊語(yǔ)言方法在計(jì)算中的信息丟失。進(jìn)一步地,Wang和Hao提出了比例二元語(yǔ)義表達(dá)模型,以表征非均衡分布的語(yǔ)言術(shù)語(yǔ)集。受直覺(jué)模糊集理論的啟發(fā),王堅(jiān)強(qiáng)和李婧婧提出了直覺(jué)語(yǔ)言集的概念,指出專(zhuān)家在進(jìn)行評(píng)價(jià)時(shí)可能會(huì)對(duì)某個(gè)語(yǔ)言術(shù)語(yǔ)同時(shí)做出正面和反面的描述,如“該產(chǎn)品質(zhì)量屬于‘好’的隸屬度是0.6,不屬于‘好’的隸屬度是0.4”。隨后,Lm和Jm將直覺(jué)語(yǔ)言集拓展為區(qū)間形式,如“該科研項(xiàng)目的創(chuàng)新性屬于‘一般與較大之間’的隸屬度為0.8,不屬于‘一般與較大之間’的隸屬度為0.2”。然而,這種帶有隸屬度和非隸屬度的表達(dá)方式運(yùn)算量較大,因此其未得到很好的應(yīng)用。由于主觀事物的不確定性,專(zhuān)家經(jīng)常在多個(gè)語(yǔ)言術(shù)語(yǔ)間猶豫不決,例如“介于好與不好之間”“至少好”“優(yōu)于中等”等。為此,Rodriguez等提出了猶豫模糊語(yǔ)言術(shù)語(yǔ)集的概念用于表達(dá)專(zhuān)家的猶豫信息。為進(jìn)一步描述專(zhuān)家個(gè)體的不確定信息以及專(zhuān)家組中的不一致信息,Pang等提出了概率語(yǔ)言術(shù)語(yǔ)集,通過(guò)引入概率來(lái)表達(dá)不同語(yǔ)言術(shù)語(yǔ)的偏好度、置信度、比例、概率或權(quán)重等含義。例如,“五位專(zhuān)家認(rèn)為質(zhì)量是好,兩位專(zhuān)家認(rèn)為質(zhì)量是非常好,三位專(zhuān)家認(rèn)為質(zhì)量介于好與非常好之間”,此時(shí),可根據(jù)具有不同語(yǔ)言評(píng)價(jià)信息的專(zhuān)家的比例為語(yǔ)言術(shù)語(yǔ)“好”和“非常好”分配不同的權(quán)重。此外,專(zhuān)家個(gè)體在做評(píng)估時(shí)也會(huì)對(duì)不同的語(yǔ)言術(shù)語(yǔ)有不同的偏好,如“某產(chǎn)品質(zhì)量好的可能性為80%,差的可能性為20%”。概率語(yǔ)言術(shù)語(yǔ)集是一個(gè)具備一般性的語(yǔ)言評(píng)估表達(dá)模型,能有效地刻畫(huà)個(gè)體或群體給出的復(fù)雜語(yǔ)言評(píng)估信息。 本章主要闡述概率語(yǔ)言術(shù)語(yǔ)集的來(lái)源、定義、運(yùn)算法則及其在多屬性決策中的應(yīng)用。首先,介紹語(yǔ)言評(píng)估方法的理論基礎(chǔ)、12種代表性語(yǔ)言表達(dá)模型以及語(yǔ)言信息的運(yùn)算框架;其次,介紹概率語(yǔ)言數(shù)的基本概念、運(yùn)算法則和比較方法,分析概率語(yǔ)言術(shù)語(yǔ)集與其他語(yǔ)言評(píng)估表達(dá)模型相比的優(yōu)勢(shì);*后,引入多屬性決策和價(jià)值理論,并梳理概率語(yǔ)言多屬性決策方法的研宄進(jìn)展。 1.1語(yǔ)言評(píng)估方法概述 本節(jié)對(duì)語(yǔ)言評(píng)估方法的表達(dá)模型和運(yùn)算框架進(jìn)行概述。模糊語(yǔ)言方法是對(duì)語(yǔ)言評(píng)估信息進(jìn)行表征的基本方法。首先,本節(jié)介紹模糊語(yǔ)言方法的基本原理,包括語(yǔ)言評(píng)估信息的五元組表達(dá)和基于語(yǔ)言標(biāo)度函數(shù)的語(yǔ)言術(shù)語(yǔ)的語(yǔ)義刻畫(huà)。其次,介紹12種常用的語(yǔ)言評(píng)估表達(dá)模型,將其分為4種類(lèi)型,并對(duì)不同類(lèi)型的語(yǔ)言評(píng)估表達(dá)模型進(jìn)行對(duì)比分析,概括各模型的主要特征。*后,將語(yǔ)言信息的運(yùn)算框架分為3類(lèi),分別是基于擴(kuò)展原理、序關(guān)系和特征值的運(yùn)算框架,并對(duì)其進(jìn)行對(duì)比分析。基于特征值的語(yǔ)言信息運(yùn)算框架是本書(shū)作者在語(yǔ)言標(biāo)度函數(shù)的基礎(chǔ)上提出來(lái)的,它可以對(duì)均衡和非均衡語(yǔ)義形式的語(yǔ)言術(shù)語(yǔ)集進(jìn)行靈活運(yùn)算。 1.1.1模糊語(yǔ)言方法 當(dāng)專(zhuān)家用語(yǔ)言自由地表達(dá)評(píng)估意見(jiàn)時(shí),評(píng)價(jià)信息的真實(shí)含義可能令人難以理解,例如,專(zhuān)家可能會(huì)評(píng)估某位候選人“基本上是合格的”或“他成功的機(jī)會(huì)有點(diǎn)弱”。事實(shí)上,“基本合格”“有點(diǎn)弱”這樣的表達(dá)式在沒(méi)有參考對(duì)象進(jìn)行比較的情況下是很難被度量的。為此,Zadeh了模糊語(yǔ)言方法,其核心思想是利用語(yǔ)言變量來(lái)管理和刻畫(huà)語(yǔ)言描述算子內(nèi)在的模糊性和不確定性,通過(guò)模擬人類(lèi)認(rèn)知過(guò)程來(lái)表達(dá)定性信息。其中,語(yǔ)言變量的可能取值是一系列可相互比較的語(yǔ)言術(shù)語(yǔ)。 定義1.1語(yǔ)言變量可用一個(gè)五元組(X,S(X),U,G,M)來(lái)表征。其中,X表示語(yǔ)言變量的名稱(chēng);(可簡(jiǎn)寫(xiě)為S)表示刻畫(huà)X的語(yǔ)言術(shù)語(yǔ)集,由X的可能語(yǔ)言取值組成;U表示一個(gè)語(yǔ)言變量X對(duì)應(yīng)的基變量x的論域,其中,x表示變量X的實(shí)際數(shù)值;G表示生成中語(yǔ)言術(shù)語(yǔ)的語(yǔ)法規(guī)則;M表示生成中的每個(gè)語(yǔ)言術(shù)語(yǔ)s的含義的一個(gè)語(yǔ)義規(guī)則,其中,M(s)表示U的一個(gè)模糊子集。 集合S是論域U的一個(gè)模糊劃分,也可表示一個(gè)語(yǔ)言變量不確定性的粒度。語(yǔ)言變量的語(yǔ)法規(guī)則和語(yǔ)義規(guī)則應(yīng)根據(jù)實(shí)際情況而定。當(dāng)使用語(yǔ)言變量表示自然語(yǔ)言信息時(shí),每個(gè)對(duì)象只使用一個(gè)由語(yǔ)法規(guī)則創(chuàng)建的具有隸屬函數(shù)的語(yǔ)言值。例如,當(dāng)判斷人的年齡時(shí),人們只會(huì)用“年輕”“中年”“年老”當(dāng)中的一個(gè)術(shù)語(yǔ)來(lái)表示。下面舉例說(shuō)明語(yǔ)言變量五元組的具體含義。 例1.1令某產(chǎn)品的“價(jià)格”為一個(gè)語(yǔ)言變量,記為X;其對(duì)應(yīng)的基變量記為x,表示該產(chǎn)品的具體價(jià)格,用定量數(shù)字表示。假設(shè)該產(chǎn)品價(jià)格的取值范圍為50~100元,即基變量x的論域?yàn)閁=[50,100]。語(yǔ)言變量“價(jià)格”的語(yǔ)言術(shù)語(yǔ)集為極低,有點(diǎn)低,—般,有點(diǎn)高,該語(yǔ)言術(shù)語(yǔ)集由7個(gè)語(yǔ)言術(shù)語(yǔ)組成,表示語(yǔ)言變量“價(jià)格”的可能取值,這些取值也稱(chēng)為語(yǔ)言標(biāo)度或語(yǔ)言標(biāo)簽。假設(shè)^中每個(gè)語(yǔ)言術(shù)語(yǔ)用三角模糊數(shù)表示,如語(yǔ)言術(shù)語(yǔ)“一般”對(duì)應(yīng)的三角模糊數(shù)為。圖1.1展示了該語(yǔ)言變量的語(yǔ)法規(guī)則。假設(shè)這些語(yǔ)言術(shù)語(yǔ)的語(yǔ)義為均衡分布,以語(yǔ)言術(shù)語(yǔ)“一般”為例,“M(一般)”表示將基變量x的取值分配給語(yǔ)言術(shù)語(yǔ)“一般”的一種規(guī)則,即M(一般),其中。 圖1.1下標(biāo)對(duì)稱(chēng)且均衡分布的七值語(yǔ)言術(shù)語(yǔ)集的語(yǔ)法 對(duì)于給定的價(jià)格75元,其屬于“一般”的隸屬度為0.5,62元屬于“一般”的隸屬度為0.2,而60元屬于“一般”的隸屬度為0。圖1.2展示了下標(biāo)對(duì)稱(chēng)且均衡分布下語(yǔ)言變量“價(jià)格”的語(yǔ)義。 圖1.2下標(biāo)對(duì)稱(chēng)且均衡分布下語(yǔ)言變量“價(jià)格”的語(yǔ)義 在利用語(yǔ)法規(guī)則的映射來(lái)識(shí)別非線性隸屬函數(shù)之間的關(guān)系時(shí),具體的映射關(guān)系是難以確定的。為了直觀地確定語(yǔ)言值的隸屬函數(shù)并對(duì)語(yǔ)言值進(jìn)行比較,Herrera等提出了另一種語(yǔ)言描述方法,即多粒度語(yǔ)言術(shù)語(yǔ)集,簡(jiǎn)稱(chēng)為語(yǔ)言術(shù)語(yǔ)集。常用的語(yǔ)言術(shù)語(yǔ)集S可定義為 (1.1) 其中,表示S中的語(yǔ)言術(shù)語(yǔ)。g為一個(gè)正整數(shù),其取值不宜過(guò)高或過(guò)低。過(guò)低會(huì)使對(duì)語(yǔ)言變量值的劃分過(guò)于模糊,過(guò)高會(huì)使相鄰語(yǔ)言術(shù)語(yǔ)之間的語(yǔ)義難以區(qū)分,從而增加評(píng)估難度。g+1表示S的粒度。一般情況下,粒度的取值是5~9中的整數(shù)。圖1.1展示了粒度為7的情形。 現(xiàn)實(shí)問(wèn)題中,語(yǔ)言變量的取值一般具有對(duì)稱(chēng)性,如外觀的美與丑、食物味道的好與壞、身高的高與矮等。為了便于計(jì)算,Xu定義了下標(biāo)對(duì)稱(chēng)的語(yǔ)言術(shù)語(yǔ)集為 (1.2) 其中,中間項(xiàng)S)表示語(yǔ)言值為“無(wú)差別”,正面和反面值在&兩邊對(duì)稱(chēng)分布,和分別表示語(yǔ)言變量取值的下界和上界,2r+1為S的粒度。 上述語(yǔ)言術(shù)語(yǔ)集是離散形式的,即各語(yǔ)言值下標(biāo)取值為整數(shù)。然而,在語(yǔ)言值的運(yùn)算過(guò)程中,計(jì)算得出的語(yǔ)言術(shù)語(yǔ)的下標(biāo)可能會(huì)出現(xiàn)含小數(shù)點(diǎn)的結(jié)果,該結(jié)果無(wú)法對(duì)應(yīng)于離散型語(yǔ)言術(shù)語(yǔ)集中的任何一項(xiàng)。為了有效地表示在語(yǔ)言運(yùn)算過(guò)程中出現(xiàn)的語(yǔ)言值,Xu提出了虛擬語(yǔ)言術(shù)語(yǔ)集,表示為 (1.3) 它們分別為上述兩種離散型語(yǔ)言術(shù)語(yǔ)集的連續(xù)形式。需要指出的是,虛擬語(yǔ)言術(shù)語(yǔ)集不僅可用來(lái)表示運(yùn)算過(guò)程中出現(xiàn)的語(yǔ)言值,也可直接用于刻畫(huà)相對(duì)精確的語(yǔ)言評(píng)估值。例如,設(shè)“質(zhì)量”的語(yǔ)言術(shù)語(yǔ)集為。某專(zhuān)家認(rèn)為“某產(chǎn)品質(zhì)量70%的比例貼近于高,30%的比例貼近于極高”,則該評(píng)估信息可用連續(xù)語(yǔ)言術(shù)語(yǔ)表示。 在決策問(wèn)題中,同一個(gè)語(yǔ)言術(shù)語(yǔ)可能會(huì)因?yàn)閷?zhuān)家的評(píng)判標(biāo)準(zhǔn)不同而具有不同的語(yǔ)義。此外,人們的思維認(rèn)知通常具有非線性特征。前景理論指出,人們面對(duì)得失時(shí)的風(fēng)險(xiǎn)偏好是不一致的。因此,語(yǔ)言術(shù)語(yǔ)集的語(yǔ)義可能是非均衡或非對(duì)稱(chēng)分布的。Wang等提出了語(yǔ)言標(biāo)度函數(shù)的概念,它是確定非均衡分布的語(yǔ)言術(shù)語(yǔ)集語(yǔ)義的有效工具。隨后,Liao等、Wu和Liao對(duì)語(yǔ)言標(biāo)度函數(shù)的性質(zhì)進(jìn)行了詳細(xì)分析,并給出了各語(yǔ)言標(biāo)度函數(shù)的適用范圍。 定義1.2令sa為語(yǔ)言術(shù)語(yǔ)集S中的一個(gè)語(yǔ)言術(shù)語(yǔ),為sa的特征值,使得屬于的隸屬度為1。語(yǔ)言標(biāo)度函數(shù)可表示為 (1.4) 三種常用的語(yǔ)言標(biāo)度函數(shù)分別用來(lái)確定均衡分布的語(yǔ)言術(shù)語(yǔ)集、對(duì)稱(chēng)且相鄰語(yǔ)言術(shù)語(yǔ)的語(yǔ)義差隨中間值向邊界移動(dòng)而增大的語(yǔ)言術(shù)語(yǔ)集、對(duì)稱(chēng)且相鄰語(yǔ)言術(shù)語(yǔ)的語(yǔ)義差隨中間值向邊界移動(dòng)而減小的語(yǔ)言術(shù)語(yǔ)集的語(yǔ)義,如公式(1.5)~公式(1.7)所示。 (1)當(dāng)語(yǔ)言術(shù)語(yǔ)集的語(yǔ)義均衡分布時(shí),語(yǔ)言標(biāo)度函數(shù)為 (1.5) (2)當(dāng)語(yǔ)言術(shù)語(yǔ)集對(duì)稱(chēng)且相鄰語(yǔ)言術(shù)語(yǔ)的語(yǔ)義差隨中間值向邊界移動(dòng)而增大時(shí),語(yǔ)言標(biāo)度函數(shù)為 (1.6) 其中,表示一個(gè)指示函數(shù),當(dāng)時(shí);當(dāng)時(shí)。指示函數(shù)具有相似的含義。V表示一個(gè)大于1的敏感性系數(shù),越大,相鄰語(yǔ)言術(shù)語(yǔ)的特征值差異越大。的取值應(yīng)根據(jù)實(shí)際情況而定。圖1.4呈現(xiàn)了此情況下的語(yǔ)言術(shù)語(yǔ)集語(yǔ)義的分布情況。 圖1.4非均衡分布的語(yǔ)言術(shù)語(yǔ)集 (3)當(dāng)語(yǔ)言術(shù)語(yǔ)集對(duì)稱(chēng)且相鄰語(yǔ)言術(shù)語(yǔ)的語(yǔ)義差隨中間值向邊界移動(dòng)而減小時(shí),語(yǔ)言標(biāo)度函數(shù)為 (1.7) 其中,表示專(zhuān)家對(duì)待“差”的風(fēng)險(xiǎn)態(tài)度;表示專(zhuān)家對(duì)待“好”的風(fēng)險(xiǎn)態(tài)度。的取值越小,表示專(zhuān)家的風(fēng)險(xiǎn)偏好度越高。和可取不同的值。若,則公式(1.7)表示的語(yǔ)言標(biāo)度函數(shù)與公式(1.5)表示的一致。圖1.5呈現(xiàn)了時(shí)語(yǔ)言術(shù)語(yǔ)集語(yǔ)義的分布情況。
- >
自卑與超越
- >
名家?guī)阕x魯迅:朝花夕拾
- >
羅庸西南聯(lián)大授課錄
- >
龍榆生:詞曲概論/大家小書(shū)
- >
回憶愛(ài)瑪儂
- >
煙與鏡
- >
有舍有得是人生
- >
莉莉和章魚(yú)