杂合灰色聚类与扩展优势粗集的概率决策方法

为了能够由多标准信息表获取最小的知识表达,提出了一种灰色定权聚类与扩展优势粗糙集杂合的方法,杂合方法建立的基本思路为:首先运用灰色定权聚类方法将由不同量纲偏好属性组成的多标准信息表生成多标准决策表,接下来应用扩展优势粗糙集方法进行概率决策分析,并导出偏好概率决策模型.该方法被应用于区域关键技术的评价选择中,获取的偏好概率决策规则可为决策者提供决策参考.     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律,采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论. 研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义. 研究结论认为,灰色Verhulst模型并不存在严重病态性.     

多变量离散灰色模型及其性质

构建了多变量离散灰色模型,并将该模型与传统GM(n,h)模型对比研究,通过系数变换,该模型可以和GM(n,h)模型相互等价,从而架构了离散灰色模型与传统灰色模型的研究桥梁.在此基础上研究了数乘变换对其参数取值的影响,结果表明模型的模拟和预测值只与因变量的数乘变换有关,而与自变量的变换无关,模型的相对误差与所有变量的数乘变换都无关,这些结果对灰色模型系列性研究有重要意义.     

考虑概率分布的灰数排序方法

综合分析了模糊数学、随机概率及区间数等不确定性信息处理方法的优劣之处,提出用灰数来描述不确定性信息, 在考虑灰数的概率分布的基础上, 给出了灰数的新定义, 提出了灰数排序的可能度方法,并重点研究了离散灰数和区间灰数的排序规则, 在均匀分布情况下, 区间灰数将退化为区间数. 最后通过算例佐证所建立灰数排序方法的有效性.     

NDGM模型的性质及预测效果分析

在近似非齐次指数序列的离散灰色模型（non-homogenous discrete grey model, NDGM）基础上研究了该模型的参数特性，分析了仿射变换导致的模型参数变化特征，结果表明,变换前后所得预测值仍然具有仿射变换关系，验证了NDGM模型对非齐次指数序列预测的无偏性。通过求解NDGM模型，给出针对一般指数序列的完全拟合表达式，并给出了求解近似指数序列最优拟合表达式的算法步骤。最后以1999年~2008年我国人均国内生产总值为例进行模拟和分析，验证了该方法在离散灰色预测中的可行性。     

基于熵权和区间灰数信息的灰色聚类模型

针对区间灰数的灰色聚类模型中指标权重确定的问题,借鉴信息熵的思想,引入灰色熵权确定指标权重,构造了基于熵权和区间灰数信息的聚类评估算法。该算法以区间灰数本身的信息为依据通过计算灰熵来得到聚类指标权重。最后以实际问题为背景进行算例研究,结果表明由所提算法所得的归一化聚类系数矩阵区分度更好,验证了所提算法的有效性和可行性。     

多地区助学贷款管理中员工的激励机制

生源地信用助学贷款管理中,银行委托各县级资助中心负责本地区贷款管理并基于贷款业绩对员工实施激励。员工业绩由努力水平、银行评价及不同地区环境差异等因素决定。银行对员工业绩评价的主观性以及不兑现奖励承诺的道德风险弱化了对员工的激励,从而影响生源地助学贷款政策顺利实施。将锦标机制应用于银行道德风险防范和基于业绩的员工激励机制,研究表明:相对业绩排序法排除了共同不确定因素对员工业绩的影响;规定业绩指标合约中,银行的占优选择是兑现承诺并将较高报酬按照合理的员工比例支付给业绩较高的员工。研究建议:激励机制设计应依据员工努力水平而非绝对业绩,银行只需为具有公务人身份的员工支付固定工资之外的奖励,银行和政府联手实施惩罚同样会对员工产生激励。     

新信息离散GM(1,1)模型及其特性研究

研究了新信息离散GM(1,1)模型(NDGM)的参数特性及其对等比序列的拟合性质.提出了分段修正新信息离散GM(1,1)模型(SNDGM)并对其建模机理进行研究.证明了序列初始值不影响发展系数值,以此为依据对SNDGM模型进行拓展,解决了原始数据序列为分段等比数据情况下的拟合精度问题.结果表明NDGM模型能够完全拟合等比序列,SNDGM模型能够完全拟合分段等比序列.     

基于改进三角白化权函数的灰评估新方法

对已有的端点型三角白化权函数进行改进,构建了一类中心点型三角白化权函数,进而对两类白化权函数的灰类交叉特性、聚类系数和端点选取等方面进行比较研究,结果表明中心点型白化权函数优于端点型白化权函数.最后以高校学科建设综合实力评估为例对两类方法进行对比分析,说明了新方法的有效性.