多空中作战平台协同对抗多目标态势分析方法

为了对多机协同对抗多目标的作战态势进行定量分析,根据多机协同对抗多目标的空战特征,基于神经网络和证据理论,以传感器和武器能力为证据建立敌我双方对抗态势分析识别框架。将学习引入证据合成过程,用神经网络学习对基本可信数修正系数进行优化,使证据合成能够体现证据之间的相干性和主次关系。以无人作战飞机编队对抗敌地对空防御系统为例,对所研究的态势分析方法进行了验证。获得的计算结果与通过策略实际含义分析的结果相一致,具有合理性。     

中国利率政策和证券市场的关系的分析

根据现值理论，利用事件分析和协整与误差校正模型方法研究了当前中国利率政策对证券市场的短期影响和长期影响，发现利率政策对证券市场的短期影响有反常现象；而利率政策对证券市场的长期影响是稳定的，我们可以利用它来预测当利率政策发生变动时，证券市场的反应；并给出一些实施利率政策的建议．     

一种群决策中确定专家判断可信度的改进方法

给出一种群决策中确定专家判断相对可信度的方法。主要思路是通过建立专家判断矩阵中包含的直接判断信息与间接判断信息之间的相互关系，确定专家意见的一致程度，从而确定专家判断的相对可信程度。最后，文章给出一个典型的算例以说明该方法的可行性和有效性。     

一种新的基于模糊模型的非线性组合预测方法及其应用

针对线性组合预测方法的局限性，提出了一种基于T－S模糊模型的非线性组合预测新方法，并给出了相应的反向传播学习算法．理论分析和应用实例表明：该方法具有很强的学习与泛化能力，在处理诸如非线性系统中时间序列的组合建模与预测方面有很好的应用价值．     

基于语言判断矩阵的群决策逆判问题研究

针对基于语言判断矩阵的群决策逆判问题，通过对语言判断矩阵进行“量化”，将其转化成为互反判断矩阵，进而提出了一种依据数理统计理论的分析方法．该方法通过引进随机误差的概念，得出了一致性判断矩阵中元素的相对误差服从均值为零的正态分布的结论，进一步依据这一结论，根据各评判专家所提供的判断矩阵对专家们进行反判，即通过计算各专家的偏离度，对专家们进行排序，并且根据假设检验理论对排序进行检验、对专家们进行分类、最后用一个算例说明了该方法的有效性和实用性．     

论证券市场的复杂性:以上海股票市场为例

突破了传统证券市场理论研究的线性框架，以上海股票市场为例，探讨了证券市场的复杂性问题及其理论与实践意义。在讨论证券市场系统之分形特征及其演化平均轨道周期的同时，分析了用自相关函数及李雅普诺夫指数等来研究证券市场复杂性之适应性，并从理论上进行了实证，最后，结合复杂性理论在证券市场研究中的应用，认为在证券市场研究中，协同市场假定，小波理论及自组织临界理论等将成为证券市场复杂性研究的发展方向。     

证券市场预测的神经网络方法

首先讨论了证券市场的各种影响因素、预测分析方法和定量预测模型的选择。然后运用神经网络模型的非线性映射能力和学习联想能力，提出了证券市场预测的通用模型。最后通过一个证券买入时机预测的实例，证明了该模型的有效性.     

基于证据理论的部分属性偏好信息群体赋权方法

针对已有的赋权方法在处理部分属性偏好信息的群体赋权问题上的局限性,提出了基于证据推理建模的解决方法。将不同专家的偏好信息视作来自不同信息源的证据,首先定义了焦元识别方法,然后采用惟一参照物比较判断法计算证据的基本可信度分配,应用Dempster规则进行证据合成,进而得到专家群体的属性赋权。在证据合成过程中,推导出了合成结果的解析表达式,与直接运用证据合成规则相比计算量大大缩小;在专家群体信息集结中,给出了一种基于位置权向量和证据相似度指数的客观证据赋权方法,从而突出了与大多数专家意见相似的专家的作用。最后给出了一个示例。     

证据信度的效用分析

提出了一类在已有证据理论方法中尚未得到有效解决的效用悖论问题,然后给出了一种证据理论的效用分析方法.该方法根据决策者的主观偏好,将专家的意见利用效用信度函数转换成效用信度,效用信度决定了决策者行动的可能性,然后利用证据理论合成公式对效用信度进行综合.给出了效用信度函数的定义及其性质,并给出了一个具体的函数及其合理性证明.     

基于熵的模糊群体评价合成方法

研究了模糊决策环境下群体评价意见的合成问题。应用距离函数来计算两个梯形模糊数之间的相似性函数,使得相似性函数的应用范围得到拓展。基于熵来度量个体与群体的一致性,建立了群体决策的熵模型,减少了群体的不确定性。利用此模型对专家的初始主观权重进行迭代运算得到修正权重,再把初始主观权重和修正权重线性合成作为专家的综合权重。最后,通过算例说明了该方法的可行性和有效性。     

证券市场大盘预测准确度的极小极大估计

给出了证券投资机构对证券市场大盘走势预测准确度的定义,通过引入统计判决中的极小极大估计方法,将其作了估计.通过实证对估计结果的分析得出结论,中国证券市场投资咨询机构所提供的对大盘涨跌的预测,每次有一半以上家数正确的概率的极小极大估计为45%.     

基于模糊概率的股价波动分析模型

以理智的证券投资者的投资理念和实际经验为背景,利用模糊集理论和模糊概率的方法来模拟他们的股价分析过程和研究他们的投资策略.在股价波动的预测集上构造了一个模糊概率空间;然后,根据投资者的不同的投资偏好,利用模糊概率对股价波动的预测集进行了详尽的讨论和分析;由此获得了一些有关投资决策的关键技术指标和控制风险的策略.     

基于组合预测的装甲装备器材需求确定

为提高装甲装备器材需求预测的科学性,设计基于组合预测的器材需求确定方法。首先明确组合预测模型的构建流程与具体步骤,引入预测有效度理论,以评估模型的预测有效度。其次优化了关联面积法,实现组合预测模型中构成单元权重的动态配置,为模型滚动式更新及最终确定奠定基础。算例分析过程表明,基于组合模型的预测不仅能够提高局部器材需求预测的准确性,而且能够提升整体预测过程的稳定性。     

Research on the Method of Nonlinear Combining Forecasts based on Fuzzy System

1　ＩｎｔｒｏｄｕｃｔｉｏｎＯｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｆｕｎｃｔｉｏｎｓｏｆｍａｎａｇｅｍｅｎｔａｔａｌｌｌｅｖｅｌｓｉｎａｎｏｒｇａｎｉｚａｔｉｏｎｉｓｐｌａｎｎｉｎｇ ,ａｎｄｆｏｒｅｃａｓｔｓｐｌａｙａｋｅｙｒｏｌｅｉｎｔｈｅｐｌａｎｎｉｎｇｐｒｏｃｅｓｓ .Ｍａｎａｇｅｍｅｎｔｎｅｅｄｓｔｏｒｅｄｕｃｅｔｈｅｒｉｓｋｓａｓ ｓｏｃｉａｔｅｄｗｉｔｈｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ,ａｎｄｏｎｅｏｆｔｈｅｗａｙｉｎｗｈｉｃｈｔｈｉｓｃａｎｂｅｄｏｎｅｉｓｂｙａｎｔｉｃｉｐａｔｉｎｇ…     

一种改进的自适应滤波预测方法

本文对确定型常参数预测方法中的自适应滤波技术加以改进，即在最优化理论中对多变量函数极值问题的直接迭代搜索性解法中引入衰减／增益函数，在建立预测模型时把对时间序列分析定量方法与专家对相关因素的定性分析有机地结合起来，提高了原自适应滤波模型的解释能力和拟合水平，特别适合于存量经济变量和某些流量经济变量在发生比较急剧变化阶段的预测．作者应用此模型对处于成长期的我国蜂房式移动电话的市场需求进行了实证研究     

基于贝叶斯修正的多阶段情景元素生成

针对证券市场中资产未来收益的不确定性问题,本文基于随机波动率模型刻画了资产未来收益的情景元素,得到了资产未来收益分布的情景树,并在此基础上进一步采用贝叶斯理论修正了情景概率,最后利用国际证券市场的股票指数数据对模型进行了验证.算例结果表明,基于随机波动率模型的情景元素生成模型得到的情景元素质量良好,贝叶斯方法修正后的情景概率也与真实市场情况更贴合.     

关于上海股市极值收益渐近分布的实证研究

通过极值概率坐标图发现上海股市极值收益吴明显的曲线，说明极值收益具有非指数分布特征，呈属于极值Ⅱ型吸引场，随后依据极值理论利用参数及非参数方法澄清验证了广为人知却一直停留在感性认识的股票市场极值收益厚尾性。利用GEV模型实证拟合了上海股市极值收益分布形式，通过SHERMAN最优拟合优度检验得出上海股市极值收益分布服从Frechet分布。     

基于小波与混沌集成的中国股票市场预测

应用小波变换和混沌理论提出了一种中国股票市场建模及其预测的小波与混沌集成的方法．首先应用小波分解理论对上证综指和深证成指日收益率序列进行分解，分别得到低频部分和高频部分，并在此基础上作进一步分析，结果表明中国股市存在混沌特性；然后应用混沌理论分别建立低频部分和高频部分的预测模型，对低频部分和高频部分进行预测；最后应用小波理论对混沌模型预测的结果予以重构，实现对原始收益率序列的预测．与现有方法比较，结果表明该方法具有较高的精度，有极大的应用前景．     

一个证据推理模型及其在专家意见综合中的应用

表达为概率分布的专家意见的综合是许多决策过程的基本问题 ,也是在贝叶斯概率框架内难以处理的问题 .本文基于 Depster-Shafer证据理论研究了这类问题的一种处理方法 .首先提出了一个特别的证据推理模型及相应的推理算法 ,然后基于该模型描述了专家意见综合问题的建模和求解方法.     

应用小波理论进行股市预测

应用小波理论提出一种股票市场建模及其预测的方法,以上证综指为例进行了实证研究,并从吸引子结构的观点进一步分析了预测精度提高的原因。采用此方法进行股市预测,首先要应用小波理论对股指收益率序列进行分解,得到低频和高频部分;然后在此基础上作进一步分析,以确定各部分存在混沌特性;再应用混沌理论分别建立低频和高频部分的预测模型,对低频和高频部分进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对原始收益率序列的预测。研究结果表明,该方法具有较高的精度,并具有极大的应用前景。