简介：本文结合特征向量法(EM)及和法(SM)优点,提出了一种新的排序方法一具有平均累积优势度的和法(DSM),同EM,SM,MDM[6]相比,此法简单、实用、可靠、计算权重所需时间少、且与EM总是得到相同的方案排序,而其它方法如平均优势度矩阵法(MDM)、对数最小二乘法(LLSM)、最小偏差法(LDM)有时会产生逆序.

简介：文[1]以最小二乘法为工具，建立了确定指标权重的一个优化模型，得到一个复杂的计算权重公式，文章通过分析，论证了此公式等价于简单的算术平均公式，并对此结果进行了推广。

简介：定义了区间直觉模糊集相似度的概念，并且基于Hamming距离、标准化的Hamming距离、加权的HammingEuclidean距离、Euclidean距离、标准化的Euclidean距离、加权的Euclidean距离等，定义了一些区间直觉模糊集距离测度．然后，通过把Hamming距离和Euclidean距离以及它们的加权形式与Hausdorff度量相结合，给出了2种组合的区间直觉模糊集距离测度，即基于Hausdorff度量的加权Hamming距离和基于Hausdorff度量的加权Euclidean距离，并且研究了它们的性质．最后，基于上述距离测度，给出了区间直觉模糊集相似性测度，并且把它们应用于模式识别领域．

简介：介绍了精确语言变量和不确定语言变量的距离测度，并且基于精确语言变量和不确定语言变量，给出了属性值的正语言理想解和负语言理想解的概念．为了对决策方案进行排序和择优，基于2种语言变量的距离测度和语言理想解。提出了一种不同类型语言信息下的多属性决策方法．该方法不仅易于对语言变量进行计算，而且在求解过程中不会丢失任何语言决策信息，从而保证了决策结果的合理性和有效性．最后，利用算例对方法的运算过程进行了具体分析和说明．