基于IOWHA算子的区间预测模型及应用

针对实际值序列和预测值序列均为区间数的组合预测问题,把区间数的左右端点作为两个独立的时序数列,通过引入诱导有序加权调和平均(IOWHA)算子,分别建立以区间数左右端点的倒数离差相关系数最大化为准则的IOWHA算子的变权系数最优组合预测模型,再通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,并尝试给出各模型最优解的性质.最后利用数据进行分析,并和其他单项预测方法或组合预测方法相比较,从而证明该方法确实能够提高区间预测的精度.     

一种组合加权几何平均算子及其应用

提出了一种集结数据信息的组合加权几何平均（CWGA）算子，证明了加权几何平均（WGA）算子以及有序加权几何平均（OWGA）算子均为CWGA算子的特例，CWGA算子的根本特点是：不仅考虑每个数据的自身重要性程度，而且还体现了每个数据所在位置的重要性程度，最后，提出了一种基于WGA及CWGA算子的多属性群决策方法，并通过实例对该决策方法的合理性和有效性进行了说明。     

加权平均不等式的加细及其应用

证明了加权调和平均，几何平均和算术平均的一个加细不等式链，并用此证明了加权ＫｙＦａｎ不等式。     

加权调和Bergman空间上Toeplitz与Hankel算子的本性范数

研究了圆盘上加权调和Bergman空间L2,αh(D)上符号在L2,α(D)中的Hankel算子和符号在L∞(D)中的Toeplitz算子的本性范数,利用Toeplitz算子、Hankel算子与紧算子集的距离,得到了非紧Toeplitz与Hankel算子本性范数的逼近公式.     

加权调和Dirichlet空间上的紧Toeplitz算子

考虑了加权调和Dirichlet空间上有限个Toeplitz算子乘积的有限和,得出其为紧算子的充要条件：当z趋于单位圆盘边界时,其Berezin变换趋于0．     

一类加权Hardy-Steklov平均算子的有界性

给出一类加权Hardy-Steklov平均算子在Lp和BMO空间上关于权函数有界性的充要条件,并给出其算子范数,为Hardy-Steklov平均算子在股票市场中应用提供重要理论分析工具。     

基于不确定IOWGA算子的多属性决策方法

将导出有序加权平均(IOWGA)算子推广到不确定的环境下,即所给出的数据信息为区间数。提出了一种不确定导出有序加权几何平均(UIOWGA)算子。利用区间数比较的可能度公式,提出了一种决策信息的集结方法,最后的实例说明该方法的有效性和合理性。     

粗糙算子在加权Herz-Morrey空间上的有界性

目的研究某些粗糙算子在加权Herz-Morrey空间上的有界性问题。方法泛函分析与调和分析中的方法。结果得到了某些粗糙算子在加权Herz-Morrey空间上的有界性。结论证明在加权Herz-Morrey空间上,粗糙算子在一定条件下必有界。     

Herz空间中加权HL平均算子的范数

本文利用新的证明方法,给出了加权Hardy-Littlewood平均算子在Herz空间上有界的充分必要条件并建立了相应的新的算子范数不等式。所得到的结果是已知结果的本质改进和推广。     

区间直觉梯形模糊几何Bonferroni平均算子及其应用

研究了决策信息为区间直觉梯形模糊数且属性间存在相互关联的多属性群决策问题,提出一种基于区间直觉梯形模糊几何加权Bonferroni平均算子的决策方法.基于区间梯形直觉模糊数的运算法则和几何Bonferroni平均算子,定义了区间直觉梯形模糊几何Bonferroni平均算子及其加权算子.给出了这些算子的一些性质,建立基于区间直觉梯形模糊几何加权Bonferroni平均算子的多属性群决策模型.最后,将该方法应用在供应商选择的群决策问题中,结果表明了该方法的有效性与可行性.     

诱导有序加权平均的组合预测模型及其应用

有序加权平均算子是近年来发展的在许多领域有着广泛应用的信息融合方法.本文引进诱导有序加权平均算子的概念,并探讨了它的一些性质,然后建立诱导有序加权平均新的组合预测模型,最后给出其在股票价格预测中的应用研究,实例分析结果表明了该方法的有效性.     

4种诱导有序加权平均模型的构建

诱导有序加权平均算子是一种新的信息集结算子,用途非常广泛．基于诱导有序加权平均算子构建了4种组合预测模型．实例表明这种模型能有效地提高预测精度．     

TFOWA算子及其在决策中的应用

研究了属性权重信息完全未知、属性值以梯形模糊数形式给出的多属性决策问题,给出了梯形模糊数决策矩阵的规范化公式.把有序加权平均(OWA)算子推广到所给定的数据信息均为梯形模糊数形式的不确定环境中,提出了一种梯形模糊有序加权平均(TFOWA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法.TFOWA算子的特点是充分利用梯形模糊数的不确定性,因而更能反映客观事物的复杂性及人类思维的模糊性,从而使得决策更符合实际情况.最后通过算例说明了方法的可行性和有效性.     

一种不确定型OWA算子及其在群决策中的应用

把Yager提出的有序加权平均（OWA）算子推广到所给定的数据信息为区间数形式的不确定环境之中，基于区间数据两两比较的可能度公式和模糊互补判断矩阵的排序公式，提出了一种不确定型OWA算子，人出了其在应用过程中的具体步骤，并提出了一种相应的集结群决策信息的方法，最后通过算例说明了方法的可行性和有效性。     

LexiT序方法的推广

在最大运算量为2n的LexiT序和LexiS序的基础上,提出了新的LexiTN序和LexiSN序,这两种序保持了LexiT序和LexiS序的所有性质,且它们的最大运算量为2n-1.另外,基于广义平均算子与有序加权平均算子,提出了最大运算量为n的LexiH序与LexiF序,研究了其性质.将[0,1][n]上的LexiR序推广到[0,1]n上,讨论了其性质.     

诱导有序加权平均算子在城市公共交通预测中的应用

有序加权平均算子是近年来发展起来的,并在许多领域有着广泛的应用.本文通过引进诱导有序加权平均算子(IOWA),介绍并建立了组合预测模型,最后给出IOWA在城市公共交通预测中的应用,并结合实例分析结果表明了模型的有效性.     

有序加权集结算子的赋权方法

对有序加权集结算子中的2个最重要算子（有序加权平均算子和有序加权几何平均算子）的赋权方法进行了研究，利用已知的样本数据以及专家事先对每个样本所给定的偏好集结值，给出了部分权重信息下求解这2种算子的加权向量的线性目标规划模型，通过算例对模型进行了说明，数值结果表明了模型的可行性和有效性。     

IC—OWGA算子及其在区间数群决策中的应用

基于IOWGA算子和C—OWGA算子，提出一种IC—OWGA算子，讨论了该算子的优良性质．针对区间数互反判断矩阵提出一种连续偏好矩阵的概念，定义了一种DIC—OWGA算子，并给出了一种基于该算子的区间数群决策方法，最后通过算例说明了该方法的可行性．     

基于模糊语义量化函数的赋权方法及应用

由于客观事物具有的复杂性和不确定性,决策问题往往不能获得确切的权重信息,只能得到模糊语言形式的权重。为研究模糊语言形式的权重,首先定义了一种更广泛的四段折线型模糊语义量化函数,并给出了该函数的诸多基本性质,如单调性、非负有界性和归一性等,同时证明该函数在特殊情况下可退化为传统的三折线模糊语义量化函数。接着,根据定义的四段折线型模糊语义量化函数建立了一种新的权重确定方法。利用此方法确定的权重,便于计算其orness值,该值可用于度量决策者的乐观程度。最后,利用该赋权方法,对有序加权平均(OWA)算子中的权重进行赋值,并将其应用到一类权重为模糊语言形式的多属性决策问题中。所得结果表明了此方法的有效性与直观性。