内容提供者
多粒度拓展语言层级群组DEMATEL改进方法.pptx
2024-10-03
20金币
4.5MB
29页
快乐****蜜蜂
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共29页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
多粒度拓展语言层级群组DEMATEL改进方法.pptx
,目录PartOnePartTwo定义和背景方法的核心思想适用范围和限制PartThree确定研究问题构建语言变量确定语言变量之间的关系确定语言变量之间的因果关系计算语言变量的影响程度分析结果并制定改进措施PartFour优势局限性改进方向PartFive应用领域和案例选择案例分析方法和过程案例分析结果和启示对未来研究的建议PartSix针对不同类型的问题选择合适的方法注意方法的适用范围和限制结合实际情况灵活运用该方法在实践中不断总结经验和教训，持续改进和完善该方法THANKS
2024-10-03
20
4.5MB
群组DEMATEL动态决策方法研究.docx
群组DEMATEL动态决策方法研究题目：群组DEMATEL动态决策方法研究摘要：随着社会发展和科技进步，决策问题日益复杂和多样化，需要更有效的决策方法来处理不确定性和多重因素的影响。本论文研究了一种基于群组DEMATEL的动态决策方法，该方法将专家意见和主观评价与客观数据相结合，提供了一种更全面、准确的决策分析方法。通过对案例分析和实证研究，论文验证了该方法的有效性和适用性，为实际决策提供了重要的参考工具。关键词：群组DEMATEL；动态决策；专家意见；客观数据1.引言决策问题是现代社会中不可避免的挑战，
2024-10-24
5
11KB
一种层级多粒度矩阵分解的物品推荐方法.pdf
本发明公开了一种层级多粒度矩阵分解的物品推荐方法，由于在推荐系统中，矩阵分解算法是一种将评分矩阵分解为两个低维矩阵的推荐算法，并能够学习到用户偏好和物品特征。但目前的矩阵分解算法及其改进算法都只利用到单个特征向量来表示用户和物品，因此存在预测精度低的问题。针对该技术问题，本发明提出了一种可用于具有用户评分的购买物品推荐的基于深度学习的层级多粒度矩阵分解推荐方法。本发明结合深度学习提取特征的优势，利用多个不同的特征向量来表示同一用户或物品，使得用户的偏好表示更加准确。此外，本发明也克服了现有的基于深度学习的
2023-11-26
10
1MB
专家交互情境下不完备群组DEMATEL决策方法.docx
专家交互情境下不完备群组DEMATEL决策方法专家交互情境下不完备群组DEMATEL决策方法摘要：随着科技与信息的迅速发展，决策问题逐渐变得复杂化和多样化。在这样的背景下，决策者需要借助有效的方法来处理信息不完备、复杂性高的群组决策问题。本文将介绍一种基于DEMATEL方法的不完备群组决策方法，以及在专家交互情境下的应用。关键词：不完备群组、DEMATEL方法、专家交互、决策方法1.引言不完备群组决策是指决策问题中存在信息不完整、不确定性高的情况下，需要多个决策者进行协作和决策的过程。随着科技的发展，专家
2024-10-20
5
11KB
不完备判断信息情境下群组DEMATEL决策方法.pptx
不完备判断信息情境下群组DEMATEL决策方法目录单击添加章节标题不完备判断信息情境下群组DEMATEL决策方法的概述定义和背景适用范围和限制群组决策的必要性不完备判断信息情境下群组DEMATEL决策方法的实施步骤确定决策问题与指标体系构建初始判断矩阵计算影响矩阵和直接矩阵确定因素之间的综合影响关系确定因素重要度排序不完备判断信息情境下群组DEMATEL决策方法的应用案例案例选择和背景介绍案例实施过程和结果分析案例总结和经验教训不完备判断信息情境下群组DEMATEL决策方法的优缺点分析优点分析缺点分析适用
2024-10-07
20
4.4MB