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)濟學(xué)的重要分支。所謂決策，是指為達到最優(yōu)目標，對若干個備選方案進行選擇的過程。在傳統(tǒng)的決策中，決策的準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)過長時間的經(jīng)驗累積才能達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受到外界因素和主觀因素的干擾。因此，準確而客觀的定量分析方法對于決策的科學(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，盡可能減少決策者因外界因素干擾或經(jīng)驗不足等因素而導(dǎo)致的不合理決策。相似性學(xué)習(xí)在機器學(xué)習(xí)領(lǐng)域占有一席之地，是一種非常符合人類認知規(guī)律的學(xué)習(xí)方式。本文對相似性學(xué)習(xí)的理論和方法進行研究，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)是基于樣本對的學(xué)習(xí)，因而構(gòu)造樣本對是相似性學(xué)習(xí)的第一步。傳統(tǒng)的樣本對構(gòu)造方法是將數(shù)據(jù)集中任意兩個樣本組成一

3、個樣本對。當(dāng)數(shù)據(jù)集規(guī)模較大時，構(gòu)造樣本對需要花費一定的時間，并且大量的樣本對不利于后續(xù)處理。本文采用k近鄰方法構(gòu)造樣本對，可以大大減少樣本對的數(shù)量，并且生成的樣本對更有學(xué)習(xí)價值。實驗證明，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)能夠提高單個分類器的性能。本文將集成學(xué)習(xí)引入支持向量機相似性學(xué)習(xí)算法中，提出了基于支持向量機相似性集成學(xué)習(xí)的智能決策方

4、法。實驗證明該方法相比于基于支持向量機相似性學(xué)習(xí)的智能決策方法，不僅可以提高算法的精度，還可以增強算法的穩(wěn)定性。
　　提出了基于余弦相似性的改進型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