基于相似性學(xué)習(xí)的智能決策方法研究.pdf

1、決策理論是管理科學(xué)和經(jīng)濟(jì)學(xué)的重要分支。所謂決策，是指為達(dá)到最優(yōu)目標(biāo)，對(duì)若干個(gè)備選方案進(jìn)行選擇的過程。在傳統(tǒng)的決策中，決策的準(zhǔn)確度很大程度上依賴于決策者的決策水平，而決策者必須經(jīng)過長時(shí)間的經(jīng)驗(yàn)累積才能達(dá)到足夠豐富的決策水平，并且決策者在決策的過程中很容易會(huì)受到外界因素和主觀因素的干擾。因此，準(zhǔn)確而客觀的定量分析方法對(duì)于決策的科學(xué)性有著重要的意義。
　　大多數(shù)決策問題都可以歸結(jié)為機(jī)器學(xué)習(xí)的典型問題，如分類問題及度量問題。本文采用機(jī)器學(xué)

2、習(xí)的方法，根據(jù)已有數(shù)據(jù)建立智能決策模型，盡可能減少?zèng)Q策者因外界因素干擾或經(jīng)驗(yàn)不足等因素而導(dǎo)致的不合理決策。相似性學(xué)習(xí)在機(jī)器學(xué)習(xí)領(lǐng)域占有一席之地，是一種非常符合人類認(rèn)知規(guī)律的學(xué)習(xí)方式。本文對(duì)相似性學(xué)習(xí)的理論和方法進(jìn)行研究，并將其引入到智能決策中。主要工作包括以下內(nèi)容：
　　提出了基于支持向量機(jī)相似性學(xué)習(xí)的智能決策方法。相似性學(xué)習(xí)是基于樣本對(duì)的學(xué)習(xí)，因而構(gòu)造樣本對(duì)是相似性學(xué)習(xí)的第一步。傳統(tǒng)的樣本對(duì)構(gòu)造方法是將數(shù)據(jù)集中任意兩個(gè)樣本組成一

3、個(gè)樣本對(duì)。當(dāng)數(shù)據(jù)集規(guī)模較大時(shí)，構(gòu)造樣本對(duì)需要花費(fèi)一定的時(shí)間，并且大量的樣本對(duì)不利于后續(xù)處理。本文采用k近鄰方法構(gòu)造樣本對(duì)，可以大大減少樣本對(duì)的數(shù)量，并且生成的樣本對(duì)更有學(xué)習(xí)價(jià)值。實(shí)驗(yàn)證明，該方法不僅大大加快了算法的速度，還能提高算法的精確度。
　　提出了基于支持向量機(jī)相似性集成學(xué)習(xí)的智能決策方法。眾所周知，集成學(xué)習(xí)能夠提高單個(gè)分類器的性能。本文將集成學(xué)習(xí)引入支持向量機(jī)相似性學(xué)習(xí)算法中，提出了基于支持向量機(jī)相似性集成學(xué)習(xí)的智能決策方

4、法。實(shí)驗(yàn)證明該方法相比于基于支持向量機(jī)相似性學(xué)習(xí)的智能決策方法，不僅可以提高算法的精度，還可以增強(qiáng)算法的穩(wěn)定性。
　　提出了基于余弦相似性的改進(jìn)型TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)的供應(yīng)商選擇方法。供應(yīng)商選擇問題是一個(gè)多屬性決策問題，可以采用TOPSIS方法解決。在傳統(tǒng)的TOPSIS方法中，使用歐氏距離度量屬性空間中的備選方法