[发明专利]一种基于图像模糊集的多属性决策系统在审
申请号: | 201910876876.5 | 申请日: | 2019-09-17 |
公开(公告)号: | CN110674945A | 公开(公告)日: | 2020-01-10 |
发明(设计)人: | 杨永伟;路玲玲;范安静 | 申请(专利权)人: | 安阳师范学院 |
主分类号: | G06N7/02 | 分类号: | G06N7/02;G06K9/62;G06Q10/04;G06Q10/06 |
代理公司: | 11465 北京慕达星云知识产权代理事务所(特殊普通合伙) | 代理人: | 曹鹏飞 |
地址: | 455000 *** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于图像模糊集的多属性决策系统,包括:获取模块从输入端获取决策矩阵;数据判断模块从所述获取模块中获取所述决策矩阵并对其进行规范化判断;规范化处理模块从所述数据判断模块中获取非规范决策矩阵并进行规范化处理;相对值计算模块计算各个方案的图像模糊相对贴近度;绝对值计算模块计算各个方案的图像模糊绝对贴近度;融合计算模块计算各个方案的图像模糊综合贴近度;决策模块从所述融合计算模块中获取各个方案的图像模糊综合贴近度,并以此对方案进行优劣排序后确定图像模糊综合贴近度最大的方案为最优方案;显示模块从所述决策模块中获取所述最优方案并进行显示。 | ||
搜索关键词: | 图像模糊 贴近度 决策矩阵 数据判断模块 获取模块 计算模块 决策模块 规范化 绝对值计算模块 多属性决策 相对值计算 处理模块 显示模块 非规范 模糊集 输入端 融合 排序 图像 | ||
【主权项】:
1.一种基于图像模糊集的多属性决策系统,其特征在于,包括:/n获取模块(1),用于从输入端获取决策矩阵和属性权重向量;/n数据判断模块(2),用于从所述获取模块(1)中获取所述决策矩阵并对其进行规范化判断;/n规范化处理模块(3),用于从所述数据判断模块(2)中获取非规范决策矩阵并进行规范化处理;/n相对值计算模块(4),用于从所述规范化处理模块(3)中获取正则决策矩阵后确定图像模糊集的相对正理想解和相对负理想解,并计算图像模糊权重相对正则投影,进而计算各个方案的图像模糊相对贴近度;/n绝对值计算模块(5),用于从所述规范化处理模块(3)中获取正则决策矩阵后确定图像模糊集的绝对正理想解和绝对负理想解,并计算图像模糊权重绝对正则投影,进而各个方案的图像模糊绝对贴近度;/n融合计算模块(6),用于从所述相对值计算模块(4)中获取所述图像模糊相对贴近度和从所述绝对值计算模块(5)中获取所述图像模糊绝对贴近度后计算各个方案的图像模糊综合贴近度;/n决策模块(7),用于从所述计算模块(6)中获取各个方案的图像模糊综合贴近度对方案进行优劣排序后确定图像模糊综合贴近度最大的方案最优方案;/n显示模块(8),用于从所述决策模块(7)中获取所述最优方案并进行显示。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安阳师范学院,未经安阳师范学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910876876.5/,转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于二元联系数的犹豫模糊多属性决策方法-201910868769.8
- 蒋云良;申情;楼俊钢;张雄涛 - 湖州师范学院
- 2019-09-16 - 2020-02-14 - G06N7/02
- 本发明提出了一种基于二元联系数的犹豫模糊多属性决策方法,通过把犹豫模糊决策值转换成二元联系数A+Bi,建立基于二元联系数的犹豫模糊多属性决策模型,借助二元联系数中i取不同值作m个方案在犹豫模糊环境下的优劣排序分析,配合二元联系数模的计算确定最优方案,根据不同排序给出不同条件下的决策建议。最终得到更为客观合理的最优备选方案及其他方案的优劣排序。该基于二元联系数的犹豫模糊多属性决策模型具有一定的通用性,不仅能客观确定出犹豫模糊性对m个方案排序影响条件下的最优方案,还能包容同一个犹豫模糊决策问题用其他方法的结果,有利于决策者根据不同的犹豫模糊条件做出针对性决策。
- 一种视角约减的多视角TSK模糊系统-201910960692.7
- 张远鹏;杨娟 - 南通大学
- 2019-10-11 - 2020-01-24 - G06N7/02
- 本发明公开了一种视角约减的多视角TSK模糊系统,该多视角TSK模糊系统的目标函数包含2个部分,第一部分为协同学习机制,第二部分为视角约减机制,在该模型的目标函数中,引入误差约束项,使得当前视角的决策结果与其他视角决策结果的均值之差最小,从而实现多视角协同学习;另外,引入“变体信息熵”,学习各视角的权重,并设计约减规则,剔除噪声视角或弱相关视角。这对于提高多视角数据的分类精度有着非常重要的作用。
- 一种非线性模糊逻辑决策算法-201910914997.4
- 许阿义;庄少波;游水 - 厦门钛尚人工智能科技有限公司
- 2019-09-26 - 2020-01-14 - G06N7/02
- 本发明提供一种非线性模糊逻辑决策算法,涉及家居厨房领域。该非线性模糊逻辑决策算法,包括以下步骤:S1:采集移动数据,记录对应时间下的相关参数,统计出关于时间的特征值;S2:将统计的特征值进行分段处理,以时间参数为节点,设置对应的特征区间;S3:将精确量转换为标准论域上的模糊单点集,精确量经对应关系转换为标准论域上的基本元素。通过建立非线性模糊化模型,训练非线性模糊化算法,使得运动模糊决策中能够有相关的有效算法计算出运动员非线性的模糊加速度变化,对模糊值进行推理,决策出精确值之后,得到最终精准量输出,在一定程度上让运动过程分析更加真实有效。
- 一种基于图像模糊集的多属性决策系统-201910876876.5
- 杨永伟;路玲玲;范安静 - 安阳师范学院
- 2019-09-17 - 2020-01-10 - G06N7/02
- 一种基于图像模糊集的多属性决策系统,包括:获取模块从输入端获取决策矩阵;数据判断模块从所述获取模块中获取所述决策矩阵并对其进行规范化判断;规范化处理模块从所述数据判断模块中获取非规范决策矩阵并进行规范化处理;相对值计算模块计算各个方案的图像模糊相对贴近度;绝对值计算模块计算各个方案的图像模糊绝对贴近度;融合计算模块计算各个方案的图像模糊综合贴近度;决策模块从所述融合计算模块中获取各个方案的图像模糊综合贴近度,并以此对方案进行优劣排序后确定图像模糊综合贴近度最大的方案为最优方案;显示模块从所述决策模块中获取所述最优方案并进行显示。
- 专利分类