提出一种基于二维语言信息的动态群体决策方法，将动态交互群体决策方法与二维语言评估信息相结合。首先使用二维不确定语言广义加权聚合 (DULGWA) 运算符来聚合每个决策者的偏好信息，然后采用动态信息熵方法获得每个阶段的属性权重。最后提出群体一致性指数来量化群体交互的终止条件。通过一个示例验证了该方法的有效性。

Nov, 2023

本文提出了一种新的三态模糊隶属函数和三态模糊双支持向量机，将三态决策与机器学习中的标准二元分类模型 SVM 相结合，解决了 SVM 需要改进的不平衡分类问题。通过对 47 个不同数据集的比较实验，并从相同数据集中导出不同的不平衡比率的数据集，结果表明，所提出的模型显著优于其他传统的基于 SVM 的方法。

May, 2023

在这篇论文中，介绍了一种名为 Two-Stage General Decision Rules (TS-GDR) 的新方法，通过使用深度递归神经网络来解决顺序决策问题，并应用于长期水热调度问题，显著提高了解决方案质量并大幅减少计算时间。

May, 2024

本文提出了球形模糊扁球体 (G-TSFSs) 的概念，它作为模糊信息的创新扩展，通过使用球形 / 球限界来表示成员关系、不确定性和非成员度，更准确地描绘了模糊、不明确和不精确的信息，为决策过程提供了更全面的评估对象的能力。通过引入基于 G-TSFSs 半径定义的相似度度量 (SM)、Hamming 距离和欧几里得距离，建立了一些基本集合运算和基本代数运算来扩展决策者的评估能力，在更广泛的区域内促进更敏感的决策过程。此外，还提出了 G-TSF 加权平均 (G-TSFWA) 和 G-TSF 加权几何 (G-TSFWG) 操作符。通过应用该方法解决一个公司中专业发展培训场所的选择问题，验证了所提出的方法在实际决策场景中解决多准则群决策问题的适用性和有效性。

Mar, 2024

此研究通过使用 DLGM 模型，利用深度学习对危害进行分级，并应用于 18 个工业过程进行实验，结果表明其具有卓越的应用前景，为工业安全实践提供了有价值的支持。

Sep, 2022

介绍了一种解释线性和分层多标准决策方法结果的方法，通过维护这些技术操作的值的细粒度表示，并通过合并、过滤和聚合操作从这些表示中导出解释，展示其在 MCDM 领域中的实用性和有效性。

Sep, 2022

这篇论文旨在探索是否能开发一种单一算法以解决所有决策问题的分类。它通过引入广义镜像下降（GMD）、可配置镜像下降（CMD）和 GameBench 构建等方法来应对不同决策问题的挑战，并通过广泛的实验验证 CMD 在各个维度上对决策问题进行了具有竞争力的表现。

May, 2024

研究论文通过使用时间因果图和不同人群干预分布之间的 1-Wasserstein 距离作为定量指标，以减少顺序决策系统中的群体差异，研究了长期公平的机器学习。然后，提出了一个三阶段的学习框架，其中决策模型在深度生成模型生成的高保真数据上进行训练，将优化问题制定为执行风险最小化，并采用了重复梯度下降算法进行学习。经验评估证明了所提出方法在合成和半合成数据集上的有效性。

Jan, 2024

我们介绍了 Groupwise Diffusion Model（GDM），该模型将数据划分为多个组，在前向扩散过程中逐个时间间隔扩散一组数据。GDM 从一个组在一个时间间隔内依次生成数据，具有几个有趣的特性。

Oct, 2023

提出了一种具有层次变化的生成模型，利用潜在变量在三个层次上表示三元组的共享背景，并在 PQ 和 QA 对中使用一对多的语义映射，以解决在开放领域中生成问题的相关问题，并在大规模 CQG 数据集上进行实验验证。结果表明，该方法在流畅度、连贯性和多样性方面显著提高了问题质量。

Jun, 2021